Rotulagem de Locutores

O áudio é analisado em busca de mudanças de voz, não de nomes. Quando uma voz para e outra começa, uma fronteira é marcada e um novo rótulo é atribuído. Nada é identificado sobre as pessoas em si; os rótulos são números que a transcrição mantém consistentes do primeiro ao último turno.

Sim. Cada rótulo pode ser renomeado uma vez, e todas as falas com aquele rótulo mudam junto. Uma gravação que começa com Locutor 1 e Locutor 2 pode terminar com os dois nomes usados na reunião, então a transcrição final é lida como uma conversa, não como um registro numerado.

Falas sobrepostas são o caso mais difícil. Em geral uma fala prevalece, e a outra pode sair encurtada ou presa ao rótulo errado. Vale a pena ler rapidamente o trecho afetado, já que uma única atribuição equivocada muda a quem um comentário é creditado. Áudio mais limpo reduz a frequência desses casos.

Gravações de painel com vários participantes são atendidas, e cada voz distinta recebe seu próprio rótulo. Grupos muito grandes gravados em um único microfone se misturam, então uma sessão com mais de um punhado de pessoas se beneficia de uma revisão da transcrição. Entrevistas com duas pessoas são o caso mais simples.

Sim. O rótulo de locutor acompanha o texto no arquivo exportado, seja um documento simples ou um arquivo de legendas. A renomeação acontece antes da exportação, então o arquivo que sai do editor já traz os nomes que o leitor espera, em vez de números provisórios.

É uma opção nas configurações de transcrição, ligada antes de o trabalho começar. Sem ela, a saída é uma transcrição contínua sem rótulos, o que costuma bastar para uma gravação narrada por uma só voz e é um pouco mais rápida de ler.

Sim, e em geral deve. Uma palestra, uma nota de voz ou uma apresentação solo não ganham nada com falas numeradas. Com a separação desligada, a transcrição sai em parágrafos, o que é mais fácil de folhear e de colar em um documento do que uma lista de falas rotuladas de uma linha.

A distância até o microfone importa mais do que o formato do arquivo. Participantes gravados em um único microfone de sala, com volume irregular, produzem fronteiras menos confiáveis do que uma chamada em que cada pessoa tem uma entrada separada. Música de fundo e eco da sala também embaralham a troca entre vozes.