Как я могу сгруппировать транскрибированные фразы в значимые фрагменты, не используя сложные модели? ⇐ Python

[Anonymous]

У меня есть большой набор фраз, полученных с помощью Azure Fast Transcription, и мне нужно сгруппировать их в связные семантические фрагменты (для дальнейшего использования в конвейере RAG).
Изначально я пробовал группировать фразы на основе пауз говорящего (например, объединять фразы, когда паузы ниже определенного порога), но этот подход недостаточно универсален — разные говорящие имеют очень разные шаблоны пауз (некоторые делают паузу на 0,5 секунды, другие на 2 секунды, даже в пределах одной записи).
Из-за ограничений проекта я не могу использовать сложные модели НЛП или внедрения, поэтому я ищу облегченный или эвристический подход для объединения последовательных фраз в семантически значимые фрагменты.

Подробнее здесь: https://stackoverflow.com/questions/798 ... ng-complex