Identification des locuteurs dans une transcription

L'audio est analysé pour ses changements de voix, pas pour des noms. Quand une voix s'arrête et qu'une autre démarre, une frontière est posée et une nouvelle étiquette attribuée. Rien n'est su des personnes elles-mêmes : les étiquettes sont des numéros que le texte garde cohérents du premier tour au dernier.

Oui. Chaque étiquette se renomme une fois, et tous les tours qui la portent changent avec elle. Un enregistrement qui commence avec Locuteur 1 et Locuteur 2 peut finir avec les deux noms employés en réunion, si bien que le texte final se lit comme une conversation et non comme un journal numéroté.

Les paroles qui se chevauchent restent le cas le plus difficile. Un tour l'emporte en général, et l'autre peut être raccourci ou rattaché à la mauvaise étiquette. Une lecture rapide du passage concerné vaut le temps, car une seule attribution erronée change à qui l'on prête une remarque. Un audio plus propre réduit la fréquence du problème.

Les enregistrements de table ronde à plusieurs participants passent, et chaque voix distincte reçoit son étiquette. Un très grand groupe capté par un seul micro se brouille, si bien qu'une séance de plus de quelques personnes gagne une relecture du texte. L'entretien à deux reste le cas le plus simple.

Oui. L'étiquette de locuteur voyage avec le texte dans le fichier exporté, qu'il s'agisse d'un document brut ou d'un fichier de sous-titres. Le renommage se fait avant l'export : le fichier qui quitte l'éditeur porte déjà les noms attendus par un lecteur, et non des numéros provisoires.

Aucun supplément ne s'applique. La séparation est une option des réglages de transcription, activée avant le lancement de la tâche. La laisser éteinte produit un texte continu sans étiquettes, ce qui suffit souvent à un enregistrement narré par une seule voix et se lit un peu plus vite.

Oui, et c'est généralement préférable. Un cours, une note vocale ou une présentation en solo ne gagne rien à des tours numérotés. Séparation éteinte, le texte se lit en paragraphes, plus faciles à parcourir et à coller dans un document qu'une liste de répliques étiquetées.

La distance au micro compte plus que le format du fichier. Des participants captés par un seul micro de salle à un volume inégal donnent des frontières moins fiables qu'un appel où chacun a son entrée. La musique de fond et l'écho de la pièce brouillent aussi le passage d'une voix à l'autre.