話者分離の精度はモデルの性能以上に、音声認識（ASR）が発話の粒度をどう処理するかに依存するという実測結果。ASRの仕様が引き起こす構造的な誤帰属の問題と、日本語音声における課題を指摘。
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
編集メモ: 話者分離の精度はASRの処理粒度に左右されるという実測結果を踏まえ、日本語特有の構造的課題を認識することで、音声認識システム選定の精度向上に役立ちます。
