スピーカー検出（ダイアライゼーションとも呼ばれます）は、文字起こしの中で発話を異なるスピーカーに自動的に振り分け、分割されていない 1 つのテキストの塊として出力する代わりに、各スピーカーを別々にラベル付けします（スピーカー 1、スピーカー 2 など）。