Chi ha detto cosa? Separa le voci di una riunione

Ascolta le pause tra i tratti di parlato e taglia l'audio in segmenti, etichettandoli come turni alternati (Interlocutore 1, Interlocutore 2) con tempo di inizio e fine. Diciamolo con franchezza: segmenta i turni in base al silenzio, non riconosce le voci né ricava il numero reale di interlocutori distinti.

Cosa fa davvero questa attività

Esegue una segmentazione leggera dei turni, non un riconoscimento acustico degli interlocutori. La registrazione viene trascritta e, dove c'è una pausa abbastanza lunga tra un segmento e l'altro, l'etichetta passa al turno successivo, alternando due sole marche. Ottieni così una struttura segmentata e con i tempi — un botta e risposta leggibile invece di un blocco indistinto — davvero utile come primo passaggio su una conversazione a due. Quello che non è: un modello che ascolta le caratteristiche della voce e decide chi è chi; le etichette nascono dal ritmo delle pause, non dal distinguere una voce dall'altra.

Cosa restituisce l'attività

Invia un file audio in POST a /audio/diarize e l'attività restituisce un elenco di turni: ogni turno porta un'etichetta di interlocutore (Interlocutore 1 o Interlocutore 2), il testo di quel tratto e il suo tempo di inizio e fine. Indica anche quante etichette distinte ha usato, che in questo approccio basato sulle pause sono al massimo due: quel conteggio è una proprietà della segmentazione, non una misura di quante persone ci sono davvero nella stanza. Insieme a una trascrizione ottieni una struttura simile a un copione, con i tempi, facile da scorrere.

Dove l'approccio a pause funziona e dove no

Funziona su uno scambio pulito a due — un'intervista, una chiamata uno a uno — dove gli interlocutori si alternano quasi sempre e le pause coincidono con il cambio di voce. Non funziona su una tavola rotonda con più partecipanti, con molte sovrapposizioni, né quando devi seguire ogni persona reale in modo coerente per tutta la registrazione: alternare due etichette in base al silenzio in quei casi sbaglia l'attribuzione. Se il tuo flusso ha bisogno che venga determinato il numero reale di interlocutori o che le voci siano collegate a identità, quella è un'attività diversa e più pesante di ciò che fa questo endpoint, e questa pagina non fingerà il contrario.

A cosa serve comunque una segmentazione dei turni

Anche senza un vero riconoscimento degli interlocutori, dividere una registrazione a due in turni con i tempi fa risparmiare lavoro vero: trasforma un muro di trascrizione in uno scambio leggibile che puoi scorrere, citare in base al tempo o passare a un passaggio di appunti. Un team di assistenza che rivede una singola chiamata operatore-cliente, un giornalista che ripulisce un'intervista uno a uno, un produttore che spezza un segmento a due conduttori in turni leggibili: tutti traggono valore da una struttura di primo passaggio che possono correggere a mano dove conta, invece di partire da un blocco indistinto.

Prezzo e come si fattura

Il costo è una piccola tariffa base a richiesta più una tariffa al minuto legata alla durata della registrazione, pubblicata su questa pagina: $0.002 a richiesta più $0.0055 al minuto. L'attività viene elaborata in modo asincrono — invia l'audio, ricevi subito un task_id e raccogli il risultato segmentato per turni tramite webhook firmato o da un link firmato valido 24 ore; un'attività fallita viene ritentata automaticamente fino a tre volte e non viene mai addebitata se comunque non riesce a completarsi.