文字起こしで話者が入れ替わってしまうのはなぜですか？

詳細

• 01Relineは二つを別々に取り込みます。あなたのマイクと、パソコンが再生している音です。これは手元の端末上の別々の信号なので、あなたと相手側との境界は推定ではなく測定になります。自分の発言が誤って相手側に割り当てられることはありません。
• 02相手側の内側は、確かに混ざった音です。遠隔の3人は一つのストリームとして届き、聞き分けられるかは声の違いと、かぶらずに話すかどうかに左右されます。にぎやかな通話の文字起こしが崩れるのはここで、これは市場のどの製品でも同じです。
• 03どの製品にとっても最難関は、ノートパソコンの1本のマイクを複数人で共有している部屋です。すべての声が同じマイクからほぼ同じ距離、同じ音響環境にあるため、話者分離が手がかりにできるものがほとんどありません。机の中央にマイクを一つ置くほうが、どんなソフト設定より結果を変えます。
• 04汎用のラベルが付くのには構造的な理由があります。音声には名前が含まれていません。ある声が特定の人物のものだと分かるのは、会議プラットフォームがそう伝えた場合、つまり通話に参加している場合か、人間がそう指定した場合だけです。だから誰かが名前を与えるまで、文字起こしは番号付きの話者で届きます。
• 05効果の大きい順に挙げると、遠隔の参加者には共有スピーカーホンではなく各自の端末を使ってもらうこと、対面の場では机の中央にまともなマイクを置くこと、Bluetoothヘッドセットのマイクを避けること、そして声がまだ確立していない最初の数分は、互いに最後まで言い切らせることです。