"Diarizzazione" è il termine tecnico per qualcosa che il tuo cervello fa senza pensarci: distinguere le voci in una conversazione. Per una macchina, è uno dei problemi più difficili dell’audio.
Perché è difficile
- Voci simili (fratelli, stesso genere, stesso accento).
- Sovrapposizioni: le persone si parlano sopra.
- Cambi di canale: qualcuno si allontana dal computer e torna.
- Rumore: aria condizionata, un’altra lingua in sottofondo.
La trascrizione può raggiungere il 99% di accuratezza e comunque, se gli interlocutori sono assegnati male, la nota è inutile.
Come la affrontiamo
Embedding per segmento. Dividiamo l’audio in blocchi da 1-3 secondi e facciamo passare ogni blocco in un modello di embedding dell’interlocutore (addestrato su spagnolo + inglese + portoghese). Ogni blocco produce un vettore di circa 512 dimensioni.
Clustering progressivo. Raggruppiamo i vettori in cluster. Il numero di cluster non è fisso: lo ricaviamo dalla densità. Così una riunione a 2 persone non produce 5 interlocutori fittizi, e una a 8 li coglie davvero.
Affinamento prosodico. Usiamo ritmo, pause e intonazione come segnali secondari per rendere più netto il confine tra interlocutori quando gli embedding esitano.
Riidentificazione opzionale. Se l’utente assegna un nome a un interlocutore ("questo è Juan"), l’embedding viene salvato cifrato nel suo account. Nelle riunioni future, Juan viene riconosciuto automaticamente.
Cosa NON facciamo
Non carichiamo la tua voce in un repository pubblico. Gli embedding sono solo tuoi e vengono eliminati su richiesta. L’identificazione tra account diversi non esiste.
Risultati
Nei benchmark interni con il tipico audio di Zoom:
- Tasso di errore sugli interlocutori: 4,7% in spagnolo, 5,1% in inglese.
- Con più di 5 interlocutori, sale a circa il 9%.
- Sovrapposizioni rilevate con una precisione dell’87%.
Rispetto ai servizi generici (che si collocano al 12-18% di errore in spagnolo), il divario è notevole. Il motivo è semplice: ottimizziamo per il caso reale (riunioni di team e interviste), non per i podcast professionali.
Pronto a provarlo?
Registra la tua prossima riunione e ottieni un riepilogo operativo in pochi secondi.
Inizia gratisContinua a leggere
Vedi tutti →Privacy nelle registrazioni: come AudioMap protegge le tue riunioni
Caricare un audio su un servizio implica fiducia. Ecco esattamente cosa facciamo e cosa non facciamo con il tuo materiale.
5 minWhisper, Gemini e gli LLM: la tecnologia dietro le tue note
Uno sguardo onesto allo stack di IA che trasforma un MP3 in una nota operativa.
6 minL’IA nelle riunioni: mito e realtà nel 2026
Cosa può e cosa non può fare oggi l’IA con le tue riunioni, e perché la maggior parte delle promesse del mercato è fumo.
5 minLa lezione che hai registrato e non hai mai riascoltato: come riassumere una lezione registrata
Registrare la lezione richiede un pulsante. Riascoltarla richiede i novanta minuti che non hai. Ecco come una registrazione di novanta minuti diventa appunti con concetti, esempi, bibliografia e una mappa mentale, senza riascoltare.
8 minCome conservare un’intervista familiare: la vita di tua nonna non sta in un vocale di WhatsApp
Hai registrato tua nonna che racconta la sua infanzia e il file vive in una chat che un giorno verrà svuotata. Ecco come quella registrazione diventa qualcosa che puoi leggere, cercare per nome, guardare con i sottotitoli e condividere con la famiglia senza perderne il controllo.
8 minIl consulente che ha smesso di ripetere la stessa revisione quindici volte: un modello di revisione fiscale con IA
Quindici revisioni trimestrali in tre settimane, tutte simili e nessuna uguale. Il problema non è ricordare cosa è stato detto: è ricordare a chi. Ecco come ogni sessione finisce documentata, con la sua nota legale e i suoi dati in Europa.
8 min