話者分離で本当に効くのは「モデルの精度」ではなく「ASRの発話粒度」だった（SpeechAnalyzerの日本語では発話の71%が複数話

話者分離の精度は、モデル性能よりもASR（音声認識）の発話粒度に依存することを指摘。日本語ASRでは発話時間の15.2%が構造的に誤帰属され、モデル性能に関わらず精度に影響を与えることを実測データで示す。

• 話者分離の精度は、モデルの性能よりもASR（音声認識）の発話粒度に依存することが示されています。
• 日本語ASRでは、発話時間の15.2%が構造的に誤帰属されるという実測データが提示されています。
• この誤帰属は、モデル性能に関わらず話者分離の精度に影響を与えることが説明されています。