谁在什么时候说话
说话人分离，一文看懂。
以及标签无法告诉你的事。
说话人分离会把录音切分成一轮轮发言，并标出谁在什么时候说话。了解 Voice Note Transcriber 在 iPhone 和 Android 上的说话人标签如何工作，以及哪些地方需要核对。
文字稿
Speaker A：评审能改到周四吗？Speaker B：草稿准备好的话，周四可以。
简短回答
回答“谁在何时说话”，而不是“这个人是谁”
说话人分离是按声音把语音切分成片段、并给每个声音一个标签的步骤，这样文字稿读起来是一轮轮发言，而不是一整块文字。它回答的是“谁在什么时候说话？”，而不是“这个人是谁？”。后一个问题属于说话人识别，即把声音与已知身份对应起来。
在 Voice Note Transcriber 中，说话人标签是 Power 套餐的一个选项。发送录音前打开 Speaker labels（说话人标签），选择 Transcribe（转写），结果会把每一轮发言单独成行，显示为 Speaker A、Speaker B 等。本指南面向在手机上转写自己录音的用户。如果你是在寻找说话人分离模型或 API 的开发者，请查阅语音转文字平台的文档。
谁在什么时候说话
如何获得带说话人标签的文字稿
1. 选择合适的录音
当声音容易区分、大家轮流发言时，说话人分离效果最好。请使用你有权处理的录音：会议、访谈、经同意录制的通话或播客单集。导入音频或视频文件、分享到 App，或在 App 内录音（每段最长 2 小时）。过长的录音可能无法进行说话人检测；遇到这种情况，请换一段较短的录音。
2. 打开 Speaker labels 并发送
在发送选项中打开 Speaker labels。Power 订阅用户可以看到该选项，其他套餐显示为锁定。选择 Transcribe 获得逐轮发言的文字稿。带说话人标签的任务会按时长的两倍计入套餐用量，所以请在有多个声音的对话中使用。
3. 核对后为说话人命名
对照录音阅读文字稿。同一声音的连续片段会合并为一轮发言。标签是匿名的：先确定谁是 Speaker A、谁是 Speaker B，再复制文字，在你自己的文档里把标签换成名字。请仔细核对简短的回答和插话——这些最容易被归到错误的声音。
谁在什么时候说话
标签在各种输出中的样子
每个任务只返回一种结果。说话人标签在各结果中的作用如下：
- Transcribe：每轮发言一行，以“Speaker A:”这样的标签开头。
- Translate：标签和顺序保持不变，只翻译说话内容。
- Summarize：摘要保持你选择的风格（例如 Action items），并在必要时把要点归到某位说话人，但不会逐轮复述。
- Summarize + Translate：同样的摘要，以目标语言呈现。
- 如果无法保留标签：任务会直接失败，而不是悄悄返回没有标签的文字，你可以重新发送。
谁在什么时候说话
说话人标签容易出错的地方
说话人分离只根据声音推断说话人切换：它看不到人脸，也不知道谁被介绍了。以下情况最需要核对：
- 多人同时说话：两个人同时开口时，词语可能被归到错误的一轮。
- 声音相似：声音相近的两个人可能被合并为一个标签，或一个人的声音被拆成两个。
- 极短的发言：一句很快的“对”或“好”，很容易被归给错误的人。
- 距离和噪音：离麦克风较远的声音或嘈杂的环境，会让切换更难被检测到。
谁在什么时候说话
标签按录音分配，并且是匿名的
常见问题
说话人分离常见问题
文字稿会显示人名吗？
不会。它显示的是匿名标签：Speaker A、Speaker B 等。即使有人说出了自己的名字，App 也不会把标签换成这个名字。请核对录音后自行替换为名字。
每段录音里的 Speaker A 都是同一个人吗？
不是。每段录音单独分配标签，所以同一个字母在两份结果中可能代表不同的人。
能给已有的文字稿添加说话人标签吗？
不能给已有结果添加。请打开 Speaker labels，把录音作为新任务重新发送。它会像其他带说话人标签的任务一样计入套餐用量。
这是说话人分离的 API 或 SDK 吗？
不是。Voice Note Transcriber 是用于处理你自己录音的 iPhone 和 Android App。需要在自己的软件中实现说话人分离的开发者，应使用语音转文字平台的 API。
谁在什么时候说话
看清谁说了什么，再整理成你的文字。
下载 iPhone 或 Android 版 Voice Note Transcriber，在 Power 套餐中打开 Speaker labels，逐轮转写你的录音。
App 界面目前仅提供英文。它可以将中文语音转成文字，也可以把文字翻译成中文。