Deepgram Batch Diarization V2는 Deepgram이 2026년 6월 10일 발표한 배치 음성용 화자분리(Speaker diarization) 시스템이다. 하나의 녹음에 섞여 있는 여러 사람의 발화를 분석해 “누가 언제 말했는가”를 구분하며, 새로운 화자 임베딩(Speaker embedding) 모델과 개선된 음성 구간 분할·클러스터링 기법을 사용한다. 문서에서 문단과 화자를 복원하는 편집자처럼, 전사문에 화자 정보를 연결하고 발화 경계를 정교하게 나누는 것이 핵심 역할이다. Nova 계열 모델 전반과 다국어 음성, Deepgram SDK 및 self-hosted 배포 환경을 지원하는 것으로 공식 발표에 소개됐다. 기존 화자분리는 짧은 맞장구, 빠른 화자 전환, 겹쳐 말하기 또는 음질 편차가 있는 실환경 녹음에서 발화 경계를 잘못 자르거나 같은 사람을 여러 화자로 분리할 수 있다. 반대로 서로 다른 화자를 하나로 합치면 상담 품질 분석이나 임상 대화 기록처럼 발화 주체가 중요한 작업에서 후속 결과 전체가 흔들린다. V2는 새 화자 임베딩을 통해 음성 특징을 더 효과적으로 표현하고, 개선된 세그멘테이션(Segmentation)과 클러스터링(Clustering)으로 화자별 발화 묶음과 경계를 정밀화하는 방향의 업데이트다. Deepgram의 실제 상담·의료·음성 에이전트 데이터 평가에서는 V1보다 3.3배 더 자주 선호됐다고 발표됐다는 점이 주요 차별점이다. 다만 이 수치는 공식 발표에 기반한 선호도 결과이며, 독립 벤치마크의 절대 정확도 지표로 해석해서는 안 된다. 생명과학 연구자는 다기관 인터뷰나 환자·의료진 상담 녹음을 일괄 전사할 때 V2를 이용해 화자별 발화를 분리한 뒤, 개인정보 비식별화와 임상 개체명 인식(Named entity recognition) 파이프라인으로 전달할 수 있다. 예를 들어 환자, 보호자, 의료진이 참여한 녹음에서 화자 라벨이 붙은 전사 결과를 얻으면 증상 보고와 의료진 설명을 분리해 코딩하거나 질적 연구 도구에서 발화 주체별 주제를 분석하기 쉬워진다. 다국어 음성을 지원하므로 여러 언어가 포함된 국제 연구 인터뷰에도 적용 가능하지만, 지원 언어별 정확도와 코드 스위칭 성능은 실제 연구 데이터로 별도 검증해야 한다. 또한 사용자 연구실은 음성 에이전트와 피험자의 장시간 상호작용 기록을 배치 처리한 뒤 화자별 발화 시간, 턴 전환, 응답 지연과 같은 대화 지표를 계산할 수 있다. SDK를 활용하면 전사 결과를 후속 Python 또는 통계 분석 과정으로 전달할 수 있고, 데이터 거버넌스상 외부 서비스 전송이 제한되는 조직은 공식적으로 언급된 self-hosted 배포 옵션을 검토할 수 있다. 그러나 self-hosted 제공 조건, 보안 통제, 데이터 보존 정책과 하드웨어 요구사항은 공개 발표만으로 확정할 수 없으므로 실제 임상·규제 환경에 도입하기 전에 Deepgram의 최신 계약 문서와 기술 문서를 확인해야 한다.

Deepgram Batch Diarization V2는 Deepgram이 2026년 6월 10일 발표한 배치 음성용 화자분리(Speaker diarization) 시스템이다. 하나의 녹음에 섞여 있는 여러 사람의 발화를 분석해 “누가 언제 말했는가”를 구분하며, 새로운 화자 임베딩(Speaker embedding) 모델과 개선된 음성 구간 분할·클러스터링 기법을 사용한다. 문서에서 문단과 화자를 복원하는 편집자처럼, 전사문에 화자 정보를 연결하고 발화 경계를 정교하게 나누는 것이 핵심 역할이다. Nova 계열 모델 전반과 다국어