Skip to content
HypeNest

Glossaire

Détection du locuteur

La détection du locuteur est la partie de l’analyse vidéo et audio qui détermine qui parle et quand. Côté audio, on parle souvent de diarisation : découper une transcription en segments « locuteur 1 » et « locuteur 2 ». Côté vidéo, la détection du locuteur actif associe la voix à un visage à l’écran, en général grâce aux mouvements des lèvres et au suivi du visage. Les outils de clipping et de recadrage s’en servent pour décider où pointer le cadre vertical dans un podcast ou une interview, et pour étiqueter les sous-titres par locuteur. Elle échoue à des endroits prévisibles : personnes qui se coupent la parole, voix hors champ, plans de profil, masques et plans larges où les visages sont petits. C’est pourquoi les cadrages basés sur le locuteur demandent une relecture.

Dans un passage HypeNest

Dans HypeNest, le recadrage vise à garder la personne qui parle dans le cadre vertical sur les clips d’interview et de podcast. Surveillez les passages d’un locuteur à l’autre pendant la relecture – un cadrage qui tombe sur l’auditeur pendant que l’invité lâche la chute est une raison de redécouper ou d’abandonner le clip.

Créateur de clips d’interview

FAQ

Quelle différence entre détection du locuteur et diarisation ?
La diarisation est la partie audio : quelle voix a parlé quand. La détection du locuteur actif relie cette voix à un visage dans l’image pour qu’un cadrage puisse la suivre.
La détection du locuteur fonctionne-t-elle avec plus de deux personnes ?
Elle le peut, mais la précision baisse quand les visages rapetissent et que les gens s’interrompent. Les tables rondes et les appels de groupe demandent le plus de relecture.

Tester le workflow

Préparez des clips courts sous-titrés depuis une longue vidéo, relisez chaque découpe, puis publiez sur YouTube et TikTok.

Commencer gratuitement

Termes liés

← Tous les termes du glossaire