最新

AI 怎么把会议录音按发言人分开

会议录音转成文字,却分不清谁在说话。讲清说话人分离怎么开、人数怎么填、AI 标注怎么校,以及哪些段落必须人工复核。

会议录音转成文字之后,最常见的问题是分不清哪句话是谁说的。一段多人讨论全变成没有主语的段落,回看时只能靠猜。让录音按发言人分开有两条路:转写工具自带的说话人分离,或者转写完成后让 AI 按线索标注。

入口在哪

先看手上的转写工具提供了什么。

  • 转写工具里的「说话人分离」「区分发言人」选项:支持的工具会在上传录音时或结果页提供这个开关,有的还要求填写参会人数。
  • AI 后处理:工具不支持时,先把录音转成带时间戳的逐字稿,再把逐字稿交给 AI,要求按说话人标注并说明判断依据。
  • 人工校正:无论走哪条路,最后都要有人过一遍,尤其是关键结论和责任分工。

具体步骤

  1. 先把录音质量提上来。能一人一个麦克风最好,共用麦克风时让发言的人靠近设备,远场录音的分离准确率会明显下降。
  2. 在转写工具里开启说话人分离,人数按实际参会人填写。知道是四个人就填四,比让工具自动猜更稳。
  3. 导出带时间戳的逐字稿,保留原始分段,不要先合并成一大段。
  4. 把逐字稿和参会名单一起交给 AI,说明角色,例如谁主持、谁负责技术、谁负责预算,让它按说话人一、说话人二这样的方式标注。
  5. 要求 AI 在拿不准的地方标问号,而不是硬猜。带问号的段落就是人工复核的重点。
  6. 从开场自我介绍、点名回答这类高置信段落反推其余,逐段校正。

几个坑

  • 不要期待百分之百准确。声音相近、抢话、多人同时开口时,任何工具都会串。
  • 人数填错会直接毁掉结果。填少了会把两个人并成一个,填多了会把一个人拆成两个。
  • 不要把整段音频丢给只处理文字的模型。它听不到声音,只能靠你给的文本推断。
  • 同音错字会带偏判断。转写里的错别字先粗修一遍,再交给 AI 标注发言人。
  • 隐私要先想清楚。会议内容涉及客户信息或未公开计划时,先确认工具的存储和训练政策。

怎么验证

标注完成的稿子,按下面几条抽检。

  • 随机挑三到五分钟回听,对照标注是否对得上。
  • 看每个发言人的累计时长是否合理。某个人只说了两句却占了大半篇幅,多半是合并错了。
  • 核对开场自我介绍段落,这里是最可靠的锚点。
  • 把涉及结论和分工的段落发给参会人确认归属。

常见问题

两个人声音很像怎么分

靠内容线索比靠声音更稳:谁负责哪个模块、谁在回答谁的提问、彼此的称呼和口头禅。把这些线索写进给 AI 的提示里,比反复调工具参数有效。

有人远程参会怎么办

远程参会者的音轨单独录一份,分离难度会低很多。线上会议直接导出分轨录音,比事后从混音里拆更可靠。

免费工具能不能做

能,但通常有时长或人数限制。用之前先确认上传的录音会被保存多久、是否用于训练,敏感会议不要图省事。

一句话总结:想让录音分清谁在说话,录音质量占一半,人数填对占三成,剩下的靠人工拿自我介绍和分工当锚点校正。