# Diaryzacja: kto kiedy mówi

EN: **Speaker diarization** · id `speakerdiarization` · aliases: speaker diarisation, diaryzacja, podział nagrania według mówców

Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [Język, obraz, audio](https://aiatlasgraph.com/t/modalities.md) › [Mowa i audio](https://aiatlasgraph.com/t/audio.md) › Diaryzacja: kto kiedy mówi

## Description

- PL: To oznaczanie, które fragmenty rozmowy wypowiada ta sama osoba.
- EN: This labels which parts of a conversation are spoken by the same person.

## In one sentence

- PL: To oznaczanie, które fragmenty rozmowy wypowiada ta sama osoba.
- EN: This labels which parts of a conversation are spoken by the same person.

## Problem it solves

- PL: W długiej rozmowie trudno ręcznie przypisać każdą wypowiedź do rozmówcy.
- EN: In a long conversation, assigning every utterance to a speaker by hand is tedious.

## What it does

- PL: Układa wypowiedzi w grupy według podobieństwa głosu, jak kolorowe znaczniki dla rozmówców.
- EN: It groups utterances by voice similarity, like colour-coded markers for speakers.

## Everyday example

- PL: W nagraniu wywiadu otrzymujesz odcinki oznaczone jako osoba pierwsza i osoba druga.
- EN: An interview recording gets sections labelled speaker one and speaker two.

## This concerns you if you…

- PL: opracowujesz wywiady lub debaty
- PL: potrzebujesz podziału rozmowy na osoby
- EN: edit interviews or debates
- EN: need a conversation split by speaker

## Keywords

pyannote.audio · speaker embeddings · agglomerative clustering · DER

## How it works

- PL: Przykładowy potok segmentuje krótkie okna mowy, oblicza embeddingi mówców i grupuje je globalnie. Wynik stanowią przedziały czasu z etykietami mówców.
- EN: One pipeline segments short speech windows, computes speaker embeddings and clusters them globally. It outputs time intervals with speaker labels.

## Limits

- PL: Etykieta mówcy nie ustala nazwiska. Nakładające się głosy i krótkie wypowiedzi mogą prowadzić do błędów.
- EN: A speaker label does not establish a person's name. Overlapping voices and short utterances can cause errors.

## Key terms

- PL: **osadzenie mówcy**: Wektor opisujący brzmienie głosu konkretnej osoby.
- PL: **DER**: Wskaźnik błędu diaryzacji: odsetek źle przypisanego czasu nagrania.
- PL: **nakładanie się mowy**: Fragmenty, w których mówi kilka osób naraz.
- EN: **speaker embedding**: A vector describing the sound of one person's voice.
- EN: **DER**: Diarization error rate: share of recording time wrongly attributed.
- EN: **overlapped speech**: Stretches where several people talk at once.

## Know first

- [Klasteryzacja (Clustering)](https://aiatlasgraph.com/t/clustering.md)
- [Detekcja aktywności głosowej (VAD) (Voice activity detection)](https://aiatlasgraph.com/t/vad.md)

## Sources

- [pyannote.audio 2.1 speaker diarization pipeline: principle, benchmark, and recipe](<https://www.isca-archive.org/interspeech_2023/bredin23_interspeech.html>) `bredin-pyannote-2023` · by Hervé Bredin

---

AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/speakerdiarization · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30