Termo do glossário

O que é diarização?

Diarização é a divisão automática da gravação de uma conversa em falas por locutor: quem falou e quando. Ela responde à pergunta "quem falou", enquanto o reconhecimento de fala responde "o que foi dito".

Em uma ligação telefônica ou reunião, as vozes se sobrepõem e se alternam. A diarização analisa as características acústicas da fala, separa os locutores individuais e marca a linha do tempo: este trecho é o atendente, este é o cliente, aqui os dois falam ao mesmo tempo (overtalk).

O resultado é uma transcrição dividida por papel, na qual dá para ver quanto cada participante falou, quem interrompeu quem, onde ficaram as pausas e qual foi o monólogo mais longo. Sem diarização, a transcrição é uma parede de texto contínua da qual não é possível calcular métricas por locutor.

Tecnicamente, a diarização se apoia em **impressões de voz** (embeddings de voz): a fala é cortada em segmentos curtos, um vetor de impressão é calculado para cada um, e impressões semelhantes são então agrupadas em clusters de locutores. A precisão depende da qualidade do áudio e do número de canais — gravações multicanal (cada participante em seu próprio canal) diarizam com mais confiabilidade do que o mono.

Na plataforma, a diarização roda automaticamente no upload, e as vozes separadas podem ser comparadas a um registro de locutores para rastrear atendentes e clientes específicos em todo o arquivo.

Como funciona na plataforma

A plataforma diariza as gravações automaticamente (diarização em GPU no motor pyannote) assim que são enviadas. As falas separadas por locutor alimentam todas as métricas de dinâmica da conversa — tempo de fala, interrupções, monólogo mais longo — e as impressões de voz podem ser vinculadas a um registro de locutores para encontrar pessoas específicas em todo o arquivo.

Termos relacionados

Transcrição de chamadas Transcrição de chamadas é a conversão automática da gravação em áudio de uma conversa em texto, com marcação de tempo em cada fala. Ela responde à pergunta "o que foi dito" e serve como a camada base sobre a qual roda qualquer análise de conversas. Análise de conversas Análise de conversas é a análise automática de conversas (chamadas e trocas por texto) para extrair métricas, temas, tom e outros dados do que foi dito e de como o diálogo se desenrolou. Ela transforma gravações em dados estruturados sobre os quais dá para construir dashboards e tomar decisões. STT (reconhecimento de fala) STT (speech-to-text, reconhecimento de fala) é a tecnologia de conversão automática da fala em texto. É o componente básico que permite ler, buscar e analisar conversas, além de entender quem liga em agentes de voz.

Pronto para começar?

Transforme cada conversa em dados, conhecimento e ação

Comece analisando suas conversas — sem risco e sem bots. A plataforma transforma seu arquivo em dados e base de conhecimento, e os agentes de voz com IA entram quando você estiver pronto.

Começar grátis Todos os planos e preços de operações

Plano Free, sem cartão necessário.