Коллеги, признаюсь: я долго откладывал разговор об этом, потому что слово «диаризация» лично у меня ассоциируется с чем-то из медицинского справочника. Но тема того стоит.
Знаете, что бесит меня в обычных расшифровках? Они отвечают на вопрос «что говорили». Получается текстовая окрошка, где реплики смешаны в один комок. Читать это — как слушать симфонию через стену.
Тут Nvidia выкатили открытую модель, которая делает шаг в сторону. Она отвечает на вопрос «кто говорит». Двое ведут диалог, двое перебивают — модель по голосу разберёт, кто и когда вступал.
Но давайте без иллюзий, я вам не продавец воздуха:
— Она размечает кто, но не всегда идеально — что. Это навигатор, а не готовый протокол.
— Различает до 8 голосов. Но не знает, кто из них генеральный, а кто финансовый. Для неё все — «Спикер 1» и «Спикер 2». Впрочем, иногда это даже честнее.
До момента, когда мы загружаем аудио встречи и получаем готовый протокол с именами и должностями, — буквально пара шагов.
А пока учимся слушать друг друга. Даже если за нас это делает ИИ.
P.S. Диаризация — технология автоматического разделения записи по голосам участников. Помечает реплики метками «Спикер 1», «Спикер 2» и так далее.
А вы бы доверили ИИ разбор вашего последнего совещания? Или там такое, что лучше не расшифровывать?
👍 Мы в телеграм 👍
👍 Мы в макс 👍