Диаризация на локальных моделях: почему VoxCeleb не помог, а VibeVoice и MOSS показали неожиданный результат

В третьей части цикла про локального ассистента для зумов автор обещал честный замер моделей диаризации — и выполнил его целый день. Результат оказался обидным: менять ничего не надо. Три дефекта, которые он торжественно нашёл, оказались дефектами не системы, а собственного измерительного стенда.

На рабочем созвоне размечался эталон, выяснилось, что в системном канале нет собственного голоса. A/B четырёх эмбеддеров показал: место в бенчмарке VoxCeleb никак не предсказало результат на живой записи. Что показали VibeVoice и MOSS — и почему адаптивный фильтр не вычитает эхо из микрофона — читайте в статье.