How is speaker embedding used in voice recognition for transcripts?

Este artículo explica cómo la tecnología de incrustación de locutor (speaker embedding) resuelve el problema de "¿quién habló cuándo?" en las transcripciones de reuniones, representando numéricamente las características vocales únicas. Detalla el pipeline de diarización y los enfoques arquitectónicos para implementarlo en sistemas modernos de voz a texto.