Comparativa de procesos de diarización automática

Este trabajo intenta ser una aportación más al mundo del Reconocimiento del Habla Automatizado (ASR por sus siglas en inglés, Automatic Speech Recognition), cuya historia y avances van emparejados a los de la Inteligencia Artificial. Entre los campos de esta disciplina se encuentra la Diarización, c...

Full description

Bibliographic Details
Author: Sáenz De Cosca Lacalle, Daniel
Format: master thesis
Publication Date:2025
Country:España
Institution:Universidad Nacional de Educación a Distancia
Repository:e-spacio. Repositorio Institucional de la UNED
Language:Spanish
OAI Identifier:oai:e-spacio.uned.es:20.500.14468/30322
Online Access:https://hdl.handle.net/20.500.14468/30322
Access Level:Open access
Keyword:1203.17 Informática
ASR
Diarización
Subtítulos
Diarization
Subtitles
id ES_3c8ce522ce700bb3555b19de027f286b
oai_identifier_str oai:e-spacio.uned.es:20.500.14468/30322
network_acronym_str ES
network_name_str España
repository_id_str
spelling Comparativa de procesos de diarización automáticaSáenz De Cosca Lacalle, Daniel1203.17 InformáticaASRDiarizaciónSubtítulosASRDiarizationSubtitlesEste trabajo intenta ser una aportación más al mundo del Reconocimiento del Habla Automatizado (ASR por sus siglas en inglés, Automatic Speech Recognition), cuya historia y avances van emparejados a los de la Inteligencia Artificial. Entre los campos de esta disciplina se encuentra la Diarización, consistente en identificar las voces de los distintos interlocutores de un audio. Esta disciplina, más compleja de lo que pudiera parecer en un principio, ha motivado diversos estudios en los últimos años. Este trabajo se centra en la obtención de diarizaciones a partir de subtítulos y en la evaluación de éstas con respecto a las diarizaciones de referencia. Para ello, se hace un estudio, tanto de las métricas de error de diarización obtenidas, como del rendimiento en tiempo. Además de esto y en aras de contribuir a conseguir unos subtítulos de alta calidad, se quiere cumplir con determinados apartados del estándar UNE 153010:2012: “Subtitulado para personas sordas y personas con discapacidad auditiva” relacionadas con la diarización; para ello se ha realizado un proceso que contribuye a la mejora de los subtítulos. El desarrollo se ha realizado utilizando tecnología de contenedores, lo que facilita la realización de pruebas aisladas en las condiciones deseadas, algo muy interesante en los experimentos y comparativas que se lleven a cabo.This work attempts to be a further contribution to the world of Automatic Speech Recognition (ASR), whose history and advancements are closely related to those of Artificial Intelligence. Among the fields of this discipline is Diarization, which consists of identifying the voices of the different speakers in an audio recording. This discipline, more complex than it might initially seem, has prompted various studies in recent years. This work focuses on obtaining diarizations from subtitles and evaluating them against reference diarizations. To this end, a study is conducted of both the diarization error metrics obtained and the time performance. In addition, in order to contribute to achieving high-quality subtitles, we aim to comply with certain paragraphs of UNE 153010:2012 standard: "Subtitling for deaf and hearing impaired people" related to diarization. To this end, a process has been implemented that contributes to the improvement of subtitles. The development has been carried out using container technology, which facilitates the performance of isolated tests under the desired conditions, something very interesting in the experiments and comparisons that are carried out. Some conclusions have been reached, the general one being that under ideal conditions: clear, uninterrupted speech, no overlapping, and a quiet environment, diarization results can be acceptable. Another conclusion is that obtaining reliable metrics requires perfectly hand-labeled subtitling files, which is time-consuming. Regarding the results obtained, the conclusion is that the Pyannote pipeline requires GPU processing to fully utilize its power and without it, it is no better than NeMo.Pérez Martín, JorgeRodrigo Yuste, Álvaroe-Spacio UNED20252025-10-0320252025-09-0120252025-09-01master thesishttp://purl.org/coar/resource_type/c_bdccinfo:eu-repo/semantics/masterThesisapplication/pdfhttps://hdl.handle.net/20.500.14468/30322reponame:e-spacio. Repositorio Institucional de la UNEDinstname:Universidad Nacional de Educación a DistanciaEspañolspaopen accesshttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/4.0/deed.esoai:e-spacio.uned.es:20.500.14468/303222026-06-06T12:38:31Z
dc.title.none.fl_str_mv Comparativa de procesos de diarización automática
title Comparativa de procesos de diarización automática
spellingShingle Comparativa de procesos de diarización automática
Sáenz De Cosca Lacalle, Daniel
1203.17 Informática
ASR
Diarización
Subtítulos
ASR
Diarization
Subtitles
title_short Comparativa de procesos de diarización automática
title_full Comparativa de procesos de diarización automática
title_fullStr Comparativa de procesos de diarización automática
title_full_unstemmed Comparativa de procesos de diarización automática
title_sort Comparativa de procesos de diarización automática
dc.creator.none.fl_str_mv Sáenz De Cosca Lacalle, Daniel
author Sáenz De Cosca Lacalle, Daniel
author_facet Sáenz De Cosca Lacalle, Daniel
author_role author
dc.contributor.none.fl_str_mv Pérez Martín, Jorge
Rodrigo Yuste, Álvaro
e-Spacio UNED
dc.subject.none.fl_str_mv 1203.17 Informática
ASR
Diarización
Subtítulos
ASR
Diarization
Subtitles
topic 1203.17 Informática
ASR
Diarización
Subtítulos
ASR
Diarization
Subtitles
description Este trabajo intenta ser una aportación más al mundo del Reconocimiento del Habla Automatizado (ASR por sus siglas en inglés, Automatic Speech Recognition), cuya historia y avances van emparejados a los de la Inteligencia Artificial. Entre los campos de esta disciplina se encuentra la Diarización, consistente en identificar las voces de los distintos interlocutores de un audio. Esta disciplina, más compleja de lo que pudiera parecer en un principio, ha motivado diversos estudios en los últimos años. Este trabajo se centra en la obtención de diarizaciones a partir de subtítulos y en la evaluación de éstas con respecto a las diarizaciones de referencia. Para ello, se hace un estudio, tanto de las métricas de error de diarización obtenidas, como del rendimiento en tiempo. Además de esto y en aras de contribuir a conseguir unos subtítulos de alta calidad, se quiere cumplir con determinados apartados del estándar UNE 153010:2012: “Subtitulado para personas sordas y personas con discapacidad auditiva” relacionadas con la diarización; para ello se ha realizado un proceso que contribuye a la mejora de los subtítulos. El desarrollo se ha realizado utilizando tecnología de contenedores, lo que facilita la realización de pruebas aisladas en las condiciones deseadas, algo muy interesante en los experimentos y comparativas que se lleven a cabo.
publishDate 2025
dc.date.none.fl_str_mv 2025
2025-10-03
2025
2025-09-01
2025
2025-09-01
dc.type.none.fl_str_mv master thesis
http://purl.org/coar/resource_type/c_bdcc
dc.type.openaire.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.14468/30322
url https://hdl.handle.net/20.500.14468/30322
dc.language.none.fl_str_mv Español
spa
language_invalid_str_mv Español
language spa
dc.rights.none.fl_str_mv open access
http://purl.org/coar/access_right/c_abf2
info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-nd/4.0/deed.es
rights_invalid_str_mv open access
http://purl.org/coar/access_right/c_abf2
http://creativecommons.org/licenses/by-nc-nd/4.0/deed.es
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:e-spacio. Repositorio Institucional de la UNED
instname:Universidad Nacional de Educación a Distancia
instname_str Universidad Nacional de Educación a Distancia
reponame_str e-spacio. Repositorio Institucional de la UNED
collection e-spacio. Repositorio Institucional de la UNED
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869406382862630912
score 15,812429

Similar Items