غږونکی کشف او ښودل
په خپل ځان کې په خپل غږ او ویډیو کې مختلف غږونکي وپیژنئ او لیبل کړئ. په دقیق ډول پوه شئ چې څوک څه وویل.
د غږ Diarization څه ده؟
د ویناوال د دایري کولو پروسه د ویناوال د هویت له مخې په برخو کې د غږیز جریان د ویشلو پروسه ده. په ساده ډول، دا د پوښتنې ځواب ورکوي "څوک کله خبرې کوي؟" 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.
څنګه د غږوونکي کشف کار کوي
1. د غږ د فعالیت کشف
سیسټم لومړی د غږ کومې برخې پیژني چې د خاموشۍ، موسیقي، یا پس منظر غږ پروړاندې خبرې کوي.
2. د ويناوالو Embedding
د وینا هره برخه د وینا کونکي ضمیمه کې بدلیږي - یو کمپیکٹ وکتور چې د وینا کونکي ځانګړي غږیز ځانګړتیاوې نیسي.
3. Clustering او لیبل
Embeddings د همدې غږوونکي سره د ډلې برخو ته ګروپ شوي، نو هر ګروپ ته یو لیبل ټاکل شوی (غږونکی 1، غږونکی 2، او داسې نور).
د غږوونکي کشف لپاره قضیې وکاروئ
د STT.ai په اړه د غږونکي کشف
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.
اوس د غږوونکي کشف هڅه کول
د څو-سمونکې ثبتونه پورته او د سمونکې په خپل ځان نښه شوي وګورئ.
د وړيا ليکلو پیل کول