什么是说话人识别

说话人分离（在应用中称为“说话人识别”）会识别谁在什么时候说话，并为转写文本的每个部分标注“说话人 1”、“说话人 2”等。

什么是说话人分离？

您得到的不再是一整块连续的文本，而是按说话人划分的对话：

• 说话人 1：您好，欢迎收听本期播客。
• 说话人 2：谢谢邀请！
• 说话人 1：那我们直接开始吧……

如何开启

1. 1开始新的转写并添加文件
2. 2在“设置”步骤中，于“说话人识别”下勾选“识别不同说话人”
3. 3在“说话人数”下选择 2、3、4、5，或选择“6+”（最多 20 位说话人）；如果不确定，选择“自动”
4. 4点击“开始上传并转写”

必须先在“说话人数”下选择一个选项才能开始。YouTube 和其他链接不提供说话人识别——仅适用于上传的文件和录音。

精确人数还是自动？

• 精确人数：准确度最高。只要您知道有几个人说话（例如访谈或会议），就请选择此项
• 自动：自动检测说话人数。仅在您确实不知道时使用——准确度较低，可能识别出过多或过少的说话人

查看说话人标签

1. 1打开转写文本
2. 2在“转写文本”标签页顶部，“已识别的说话人”会列出每位说话人及其发言段数
3. 3转写文本的每个部分按说话人以不同颜色标示，并显示其开始和结束时间
4. 4使用工具栏中的“说话人”复选框显示或隐藏说话人标签

重命名说话人

1. 1在“已识别的说话人”中，将鼠标悬停在说话人上，点击铅笔图标（“重命名说话人”）
2. 2输入名称，例如“Anna”
3. 3可选择更换颜色
4. 4保存——新名称会出现在整份转写文本和导出文件中

为已转写的文件添加说话人

打开转写文本，点击工具栏中的“识别说话人”。系统会对原始音频重新进行带说话人识别的处理。当前的转写文本会保存在“版本记录”中，新的转写文本在措辞和时间戳上可能略有不同。此功能需要 Plus 或 Premium 套餐以及原始音频文件。

导出带说话人标签的内容

• TXT 和 Markdown：每段发言以说话人名称开头，例如“Speaker 1:”
• DOCX 和 PDF：每段发言开头标有说话人名称（Plus 和 Premium）
• JSON：每个片段都有 speaker 字段，并包含您设置的名称
• SRT 和 VTT：字幕只包含说话内容，不含说话人名称

导出会遵循“说话人”复选框的设置：如果想要不带名称的文本，请在导出前取消勾选。

获得最佳效果

• 设置精确的说话人数：这是最显著的改进
• 使用各自的麦克风：每个人都靠近自己的麦克风
• 避免同时说话：重叠的语音很难分离
• 录制清晰的音频：背景噪音会让声音更难区分

说话人识别可能遇到困难的情况

• 声音相似：声音非常相似的两个人可能会被混淆
• 语音重叠：多人同时说话
• 音频质量差：有噪音或录音质量低
• 说话人多：人越多，难度越大
• 发言很短：快速的一来一回，例如“是的”、“对”

使用场景

• 播客与访谈：看清谁说了什么
• 会议纪要：将发言归属到具体的人
• 焦点小组：跟踪每位参与者
• 小组讨论：区分多位说话人
• 客户通话：区分客服人员和客户