Rehber

Türkçe toplantıda kim ne dedi: konuşmacı ayrımı nasıl çalışıyor

Güncelleme: 16 Eylül 2026

"Konuşmacı ayrımı yapıyor" cümlesi üç farklı şeyi anlatmak için kullanılıyor ve üçü birbirinden çok farklı zorlukta. Türkçe bir toplantıda hangisine ihtiyacınız olduğunu bilmek, araç seçmenin yarısı.

Üç ayrı iş, tek isim

1. Ayırma (diarization). Sesin hangi bölümünü kimin söylediğini bulmak. Çıktı "1. konuşmacı / 2. konuşmacı" şeklinde etiketlerdir; isim yoktur. Dilden bağımsızdır — ses izine bakar, kelimeye değil. Türkçe olması bu adımı zorlaştırmaz.
2. Kimlik. Bu kaydın "2. konuşmacı"sının, geçen haftaki kaydın "1. konuşmacı"sıyla aynı kişi olduğunu bilmek. Bunun için kişiye özgü bir ses izinin saklanması gerekir. Bu da dilden bağımsızdır, ama biyometrik veri demektir.
3. İsim atama. "2. konuşmacı"nın Ayşe olduğunu anlamak. İşte bu dile bağımlıdır, çünkü ismi bulmanın tek kaynağı konuşmanın kendisidir: "Ayşe Hanım, siz ne düşünüyorsunuz?"

Kategorideki araçların çoğu üçüncü adımı katılımcı listesinden çözüyor: çevrimiçi toplantıya bot giriyor, herkesin sesi ayrı kanaldan geliyor ve isim zaten katılımcı listesinde yazıyor. Aynı odadaki bir toplantıda böyle bir liste yok — tek mikrofon, karışık ses, isim yok.

Türkçe'de isim atamayı zorlaştıran şey

Türkçe'de birine ismiyle hitap etmenin biçimi İngilizce'ye benzemiyor. "Ayşe Hanım", "Ahmet Bey", "Mehmet Bey'in dediği gibi", "hocam", "müdürüm" — bunların bir kısmı isim taşır, bir kısmı taşımaz, bir kısmı üçüncü bir kişiden bahsediyordur. Bir de ekler var: "Ayşe'nin", "Ayşe'ye", "Ayşeciğim" aynı kişiyi işaret eder ama düz metin eşleştirmesi bunları yakalayamaz.

Bu yüzden isim atamayı kalıp eşleştirmesiyle çözmeye çalışmak Türkçe'de kırılgan oluyor. Toplantının bütününü okuyup "bu satırda Ayşe'ye hitap ediliyor, demek ki cevap veren kişi Ayşe" çıkarımını yapmak gerekiyor — yani bağlamı gören bir modelin işi.

Tek mikrofonun gerçek sınırları

Telefonu masaya koyup kaydettiğinizde ayırmayı zorlaştıran üç şey var, ve bunları peşinen bilmek iyi olur:

• Üst üste konuşma. İki kişi aynı anda konuşurken tek mikrofonlu ayırma iyi sonuç vermez. Toplantının tartışmaya döndüğü anlar, transkriptin en zayıf olduğu anlardır.
• Mesafe. Masanın öbür ucundaki kişi hem daha düşük sesle hem daha fazla oda yankısıyla geliyor. Aynı kişinin sesi mikrofona yakınken ve uzakken farklı bir ses izi üretebiliyor.
• Benzer sesler. Aynı cinsiyetten, benzer ton ve tempoda iki kişi, ayırmanın klasik olarak karıştırdığı durumdur.

Çözüm basit ve teknik değil: telefonu masanın ortasına koyun, ekranı yukarı baksın, üstüne kağıt ya da çanta gelmesin.

Ses Notu bunu nasıl yapıyor

Üç adım üç ayrı yerde çalışıyor:

• Ayırma siz konuşurken, canlı akışta yapılıyor; transkript ekranda satır satır konuşmacılara bölünmüş hâlde büyüyor.
• Kimlik telefonun içinde. Ses izini çıkaran model (CAM++, ONNX Runtime, ~28 MB) uygulamanın içinde geliyor; ürettiği vektörler cihazdan hiç çıkmıyor ve ayarlardan silinebiliyor. Bir kişiyi bir kez adlandırdığınızda sonraki toplantılarda kendiliğinden tanınıyor. Nasıl çalıştığını ve yol boyunca hata vermeden yanlış sonuç veren bir hatayı şu yazıda anlattım (İngilizce).
• İsim atama toplantı bitince, transkriptin bütününe bakılarak yapılıyor: konuşmada isimler geçtiyse hangi konuşmacının kim olduğu çıkarılıyor ve etiketler ona göre değiştiriliyor. Her zaman doğru bilmiyor; bu yüzden herhangi bir konuşmacıyı tek dokunuşla elle yeniden adlandırabiliyorsunuz, düzeltme bütün transkripte uygulanıyor.

Ve eksik taraf: Ses Notu yalnızca iPhone ve Apple Watch'ta çalışıyor, çevrimiçi toplantıya bot sokmuyor. Toplantılarınız Zoom ya da Teams'te geçiyorsa bu sayfadaki ayrımı okuyun; oradaki iş için daha uygun araçlar var.