Término del glosario
¿Qué es la diarización?
La diarización es la separación automática de una grabación de conversación en turnos por interlocutor: quién habló y en qué momento. Responde a la pregunta «quién habló», mientras que el reconocimiento de voz responde a «qué se dijo».
En una llamada telefónica o una reunión, las voces se superponen y se alternan. La diarización analiza las características acústicas del habla, distingue a los interlocutores y etiqueta la línea de tiempo: este fragmento es el agente, este es el cliente, aquí hablan a la vez (overtalk).
El resultado es una transcripción dividida por rol, donde se ve cuánto habló cada participante, quién interrumpió a quién, dónde hubo pausas y cuál fue el monólogo más largo. Sin diarización, la transcripción es un muro de texto continuo del que no se pueden calcular métricas por interlocutor.
Técnicamente, la diarización se apoya en **huellas de voz** (embeddings de voz): el habla se corta en segmentos cortos, se calcula un vector de huella para cada uno y las huellas similares se agrupan en clústeres de interlocutores. La precisión depende de la calidad del audio y del número de canales: una grabación multicanal (cada participante en su propio canal) se diariza con más fiabilidad que una mono.
En la plataforma, la diarización se ejecuta automáticamente al subir el archivo, y las voces separadas pueden vincularse a un registro de interlocutores para seguir a agentes y clientes concretos en todo el archivo.
Cómo funciona en la plataforma
La plataforma diariza las grabaciones automáticamente (diarización por GPU con el motor pyannote) al subirlas. Los turnos separados por interlocutor alimentan todas las métricas de dinámica de la conversación —proporción de habla, interrupciones, monólogo más largo— y las huellas de voz pueden vincularse a un registro de interlocutores para encontrar a personas concretas en todo el archivo.
Términos relacionados
¿Listo para empezar?
Convierta cada conversación en datos, conocimiento y acción
Empiece analizando sus conversaciones, sin riesgo y sin necesidad de bots. La plataforma convierte su archivo en datos y en una base de conocimiento, y los agentes de voz se conectan cuando usted esté listo.
Plan Free, no se necesita tarjeta.