Por que a minha transcrição troca os interlocutores?

Os pormenores

• 01O Reline capta duas coisas separadamente: o seu microfone e o áudio que o seu computador reproduz. São sinais diferentes na sua própria máquina, então a fronteira entre você e o resto da chamada é medida, não deduzida, e as suas falas não acabam atribuídas ao outro lado por acidente.
• 02Dentro do outro lado é mesmo uma mistura. Três pessoas remotas chegam como um único fluxo, e distingui-las depende de as vozes serem diferentes e de ninguém falar por cima. É aí que as transcrições de chamadas agitadas pioram, em todo produto do mercado.
• 03O caso mais difícil para todos é uma sala de pessoas compartilhando o microfone de um notebook. Cada voz está mais ou menos à mesma distância do mesmo microfone, na mesma acústica, então a separação de interlocutores quase não tem a que se agarrar. Um microfone no centro da mesa muda mais o resultado do que qualquer ajuste de software.
• 04Os rótulos genéricos aparecem por um motivo estrutural: o áudio não carrega nomes. Uma ferramenta só sabe que uma voz é de determinada pessoa se a plataforma de reunião disse isso, o que exige entrar na chamada, ou se um humano disse. Por isso as transcrições chegam com interlocutores numerados até alguém dar nome a eles.
• 05Em ordem de efeito: dar a cada pessoa remota o próprio aparelho em vez de um viva-voz compartilhado, colocar um microfone decente no centro da mesa presencial, evitar o microfone de um fone Bluetooth e deixar as pessoas terminarem as frases nos primeiros minutos, enquanto as vozes ainda estão sendo estabelecidas.