AI 转写怎么区分不同说话人
转写工具里的说话人分离开关在哪、人数怎么填、标错了怎么改名,以及单声道会议录音为什么总把两个人合成一个。
会议录音转成文字以后,最麻烦的往往不是错字,而是分不清哪句话是谁说的。多数转写工具都带说话人分离,但默认常常不开,或者开了也把两个人标成同一个人。这篇讲这个开关在哪、开完还要做什么、标错了怎么修。
入口在哪
- 网页版转写工具一般在上传后的设置区,开关名常见「说话人分离」「区分发言人」「角色识别」,英文界面多写作 speaker labels 一类说法。
- 部分工具默认关闭,需要先选人数,通常有自动识别和指定人数两档。开会前知道几个人就手动填,准确率一般更高。
- 手机端录音转写多把这个选项塞在导出或转写设置里,不同版本名称略有差别,在设置里搜「说话人」两个字最快。
- 本地部署的转写模型也有对应参数,命令行里通常是一个开启分离的开关,加一个最大人数上限。
具体步骤
- 先判断录音本身能不能分。单声道、所有人挤在一个麦克风里的会议最难分;能拿到分轨或多麦克风素材,就先按轨分开再转。
- 上传前把人数填准。三人会议就填三,别留自动。填多了会出现空角色,填少了会把两个人合并成一个。
- 转写完成后先看前两分钟。如果角色编号在两句话之间反复横跳,说明分离不稳定,这时别急着改名,先查人数和杂音。
- 逐个角色改名。多数工具支持点角色标签统一改名,改一次全文生效,不要逐句去改说话人。
- 对着录音抽听几段,把明显归错的句子手动调过去。抢话、笑声、语气词这些位置最容易出错。
- 导出时选带说话人标记的格式。导出纯文本会把角色信息丢掉,之后再想分就得从头再跑一遍。
几个坑
- 两个人音色接近时分离会失败。同性别、相近音高、用同一副耳机录的,工具经常合并成一个角色,这种情况调参数没用,只能人工核对。
- 抢话重叠的段落一定错。两个人同时说话,转写通常只留一个人的内容,角色也跟着错,涉及结论的句子要回去听原音。
- 中途换座位或换麦克风,角色编号可能整体对调。长会议尤其明显,别默认前半段对了后半段也对。
- 改名多是整体替换,改错要重来。有些工具不保留原始编号,动手之前先导出一次未改名的版本留底。
怎么验证
- 抽一分钟最难的那段,多人插话、语速快、带笑声,逐句对照录音,数一共错了几句。
- 看角色切换次数是否合理。一场三人会议如果角色标签切了几十上百次,基本可以判定分离失效。
- 导出后搜一次默认标签,确认没有残留的说话人编号,也没有把两个人名字写成同一个。
常见问题
说话人分离和语音识别是一回事吗
不是。语音识别解决说了什么,说话人分离解决谁说的,是两步。所以会出现文字全对、角色全错的情况,工具默认只保证前一件事。
必须用双轨录音才能分角色吗
不必。单轨也能分,只是准确率打折,人越多、音色越近越容易错。能分轨录音时优先分轨,后面几乎不用校对。
为什么分离出来的编号总是乱跳
常见原因是人数没填、录音里有长时间静音或背景闲聊。先把人数固定,再剪掉开头结尾的空白,重跑一次通常就稳了。
一句话总结:说话人分离要先填准人数、优先用分轨录音,转完抽听校对,别指望它一次全对。