La diarización de hablantes divide una grabación en segmentos y etiqueta quién habló en cada uno. El reconocimiento de voz te dice qué se dijo; la diarización, quién lo dijo.
El sistema nunca aprende el nombre de nadie. Mide el sonido de cada voz — tono, timbre, resonancia — y convierte ventanas breves de audio en huellas numéricas. Las huellas que se agrupan pertenecen a la misma persona. La salida es una línea de tiempo: un hablante de 0:00 a 0:14, otro de 0:14 a 0:31.
Sin esa línea de tiempo, una transcripción es un bloque indiferenciado: una pregunta y su respuesta quedan en el mismo párrafo sin nada que las separe. Atribuye cada línea y la transcripción se convierte en una conversación que puedes consultar. Puedes preguntar quién se comprometió a algo, no solo si llegó a mencionarse.
La precisión cae cuando las personas se solapan al hablar o cuando dos voces están en un registro parecido. Una interjección de una sola palabra es fácil de perder por completo. Y si alguien vuelve a entrar en una reunión larga desde otro dispositivo, el sistema tiene que decidir si una voz desconocida es una persona nueva o una conocida con otro micrófono.
Xtify identifica a los hablantes por su voz, no por qué micrófono o dispositivo captó el audio. Dos personas hablando al mismo micrófono en una sala salen como hablantes distintos y correctamente etiquetados. Las herramientas que separan por canal de dispositivo no pueden hacerlo: ambas voces llegan por el mismo canal.
La diarización se ejecuta en la misma pasada que transcribe la reunión y extrae cada decisión, acción, riesgo y seguimiento. La transcripción etiquetada entra en un índice de memoria en tu Mac. Los proveedores de reconocimiento de voz y de modelos de lenguaje que usa Xtify trabajan bajo acuerdos empresariales que excluyen tus datos del entrenamiento de modelos.
No. La diarización separa voces sin saber de quién son: puede decirte que hablaron dos personas distintas sin identificar a ninguna. El reconocimiento de voz, o identificación del hablante, compara una voz con una persona conocida. Primero hace falta la diarización, y la mayoría de las veces nunca se necesita el segundo paso.
No. Como Xtify parte de las voces en sí, un único micrófono compartido en una sala sigue produciendo hablantes separados y etiquetados. Tener micrófonos independientes facilita el problema, pero no es un requisito.
Sí. La diarización trabaja sobre el sonido de la voz y no sobre las palabras, así que no depende del idioma que se hable. Xtify transcribe en 60 idiomas y, a partir de Pro Max, sigue a un hablante que cambia de idioma a mitad de frase.