说话人分离：谁在你的录音中说了什么

简短回答： 说话人分离按说话者分离音频，并为每一行标注（S1、S2、S3…）——而 AddSub 会在你观看时实时完成。访谈、播客和会议变成了你始终知道谁说了什么的文字记录。

为什么说话人标签很重要

一段双人访谈的纯文字记录就是一面文字墙——你无法分辨谁在提问、谁在回答。分离通过为每个片段分配持久的说话人身份来解决这个问题。当你回放一段录制的访谈、一档有多位主播的播客或一场团队会议时，AddSub 会按说话人（S1、S2、S3…）为每一行着色，让对话读起来自然流畅。

AddSub 的说话人分离如何运作

1. 声音分离——一个分割模型找出说话人发生变化的位置。
2. 声音嵌入——每个片段的声音被指纹化。
3. 聚类——相似的声音被归入说话人身份。
4. 持久标注——身份在整个会话中匹配，因此 S1 始终是 S1。

关键细节：AddSub 的标签是一次提交——一旦识别出某个说话人，其标签就不会在会话中途翻转，因此长时间录音的文字记录保持稳定。

获得最佳准确度

• 保持背景噪音较低——清晰的双人音频能带来近乎完美的分离。
• 给它约 30 秒——随着声音被聚类，标签会稳定下来；前几行可能会收敛。
• 不同的声音有帮助——非常相似的声音（例如电话音频中的两位同性说话者）更难分离。
• 实时和离线都可用——实时流和导出的文字记录都带有说话人徽标。

标注每一位说话人——免费 7 天

开始使用无需付款。下载 macOS 版。