Detección y diarización de hablantes
Identifique y etiquete automáticamente diferentes hablantes en sus transcripciones de audio y video. Sepa exactamente quién dijo qué.
¿Qué es la diarización de hablantes?
La diarización de hablantes es el proceso de dividir una secuencia de audio en segmentos según la identidad del hablante. En términos simples, responde a la pregunta «quién habló cuándo». This is essential for multi-speaker recordings like meetings, interviews, podcasts, conference calls, and legal proceedings where knowing who said what is just as important as what was said.
STT.ai uses advanced neural speaker diarization models that can detect and label speakers in real time. The system creates speaker embeddings -- numerical representations of each voice's unique characteristics -- and clusters them to distinguish between different people. This works even when speakers have similar voices or frequently interrupt each other.
Cómo funciona la detección de hablantes
1. Detección de actividad de voz
El sistema primero identifica qué segmentos del audio contienen habla frente a silencio, música o ruido de fondo.
2. Embedding de hablante
Cada segmento de habla se convierte en un embedding de hablante: un vector compacto que captura las características vocales únicas del hablante.
3. Agrupamiento y etiquetado
Los embeddings se agrupan para reunir segmentos del mismo hablante, luego a cada grupo se le asigna una etiqueta (Hablante 1, Hablante 2, etc.).
Casos de uso para detección de hablantes
Detección de hablantes en STT.ai
Speaker detection is available on all paid plans. When you transcribe audio or video with speaker detection enabled, the transcript will include speaker labels inline with the text. You can also export speaker-labeled transcripts in all supported formats including SRT, VTT, DOCX, JSON, and PDF.
The system can detect up to 20 distinct speakers in a single recording. For best results, ensure each speaker has at least a few seconds of solo speech. Overlapping speech is handled but may reduce accuracy in heavily cross-talked segments.
Pruebe la detección de hablantes ahora
Suba una grabación con múltiples hablantes y vea cómo se etiquetan automáticamente.
Comenzar a transcribir gratis