Hoe sprekerherkenning werkt — en waar het misgaat
Een opname opdelen naar wie er spreekt is een ander probleem dan opschrijven wat er gezegd is. Dit is waar het model echt naar luistert.
Waar het model echt naar luistert
Een transcriptiemodel zet geluid om in woorden. Sprekerherkenning beantwoordt een andere vraag: wie sprak er op welk moment. Het systeem knipt de audio in korte fragmenten, maakt van elk fragment een numerieke vingerafdruk van de stem en groepeert de vingerafdrukken die op elkaar lijken. Elke groep wordt een sprekerlabel. Nergens in dat proces is iemands naam bekend — alleen dat deze stem niet die stem is.
Waar het misgaat
Drie situaties verklaren de meeste fouten.
- Overlap. Praten twee mensen tegelijk, dan bevat een fragment twee stemmen en belandt het in de groep waar het het meest op lijkt.
- Korte beurten. Een enkel «ja» geeft nauwelijks materiaal voor een vingerafdruk; korte tussenwerpsels krijgen als eerste het verkeerde label.
- Gelijkende stemmen. Twee sprekers van dezelfde leeftijd, hetzelfde geslacht en met hetzelfde accent, opgenomen via dezelfde microfoon, kunnen samenvallen in één label.
De opnameomstandigheden wegen zwaarder dan het model. Een vergadering die met één laptopmicrofoon in een galmende ruimte is vastgelegd, is veel lastiger dan dezelfde vergadering met een eigen kanaal per deelnemer.
Wat je eraan doet
Labels achteraf corrigeren gaat sneller dan vechten met de opname. In WhoScribe hernoem je een spreker één keer en dragen alle regels de nieuwe naam.
Lees de eerste minuut aandachtig. Bij begroetingen en voorstelrondjes worden labels het vaakst verwisseld; wie daar vroeg corrigeert, leest de rest van het transcript correct.
Weet je hoeveel mensen er zijn, geef het dan op. Een model dat drie stemmen te horen krijgt, verzint er geen vierde bij uit achtergrondgeluid.
Blog
Zet je eigen opname om in tekst
Upload een bestand en lees het transcript binnen enkele minuten — zonder account.