是否有 speech-to-text 二值化的说话人错误率算法？
Is there an algorithm for Speaker Error Rate for speech-to-text diarization?
一些 speech-to-text 服务，例如 Google Speech-to-Text，通过二元化提供说话人区分，尝试在单个录音中识别和分离多个说话人。当多个发言人在会议室中共享一个麦克风时，通常需要这样做。
是否有算法和实现来计算说话人分离的正确性？
这将与 Word Error Rate 结合使用，后者通常用于测试基线转录的正确性。
通常使用的方法似乎是 NIST 在 NIST-RT 项目中定义的二值化错误率 (DER)。
一个较新的评估指标是 DIHARD II: The Second DIHARD Speech Diarization Challenge 中引入的 Jaccard 错误率 (JER)。
衡量这些的两个项目包括：
DER 在这些论文中被引用：
一些 speech-to-text 服务，例如 Google Speech-to-Text，通过二元化提供说话人区分，尝试在单个录音中识别和分离多个说话人。当多个发言人在会议室中共享一个麦克风时，通常需要这样做。
是否有算法和实现来计算说话人分离的正确性？
这将与 Word Error Rate 结合使用，后者通常用于测试基线转录的正确性。
通常使用的方法似乎是 NIST 在 NIST-RT 项目中定义的二值化错误率 (DER)。
一个较新的评估指标是 DIHARD II: The Second DIHARD Speech Diarization Challenge 中引入的 Jaccard 错误率 (JER)。
衡量这些的两个项目包括：
DER 在这些论文中被引用：