誰在什麼時候說話
講者分離，一文看懂。
以及標籤無法告訴你的事。
講者分離會把錄音切分成一輪輪發言，並標出誰在什麼時候說話。瞭解 Voice Note Transcriber 在 iPhone 和 Android 上的講者標籤如何工作，以及哪些地方需要核對。
逐字稿
Speaker A：評審能改到週四嗎？Speaker B：草稿準備好的話，週四可以。
簡短回答
回答“誰在何時說話”，而不是“這個人是誰”
講者分離是按聲音把語音切分成片段、並給每個聲音一個標籤的步驟，這樣逐字稿讀起來是一輪輪發言，而不是一整塊文字。它回答的是“誰在什麼時候說話？”，而不是“這個人是誰？”。後一個問題屬於講者識別，即把聲音與已知身份對應起來。
在 Voice Note Transcriber 中，講者標籤是 Power 方案的一個選項。傳送錄音前開啟 Speaker labels（講者標籤），選擇 Transcribe（轉寫），結果會把每一輪發言單獨成行，顯示為 Speaker A、Speaker B 等。本指南面向在手機上轉寫自己錄音的使用者。如果你是在尋找講者分離模型或 API 的開發者，請查閱語音轉文字平臺的文件。
誰在什麼時候說話
如何獲得帶講者標籤的逐字稿
1. 選擇合適的錄音
當聲音容易區分、大家輪流發言時，講者分離效果最好。請使用你有權處理的錄音：會議、訪談、經同意錄製的通話或播客單集。匯入音訊或影片檔案、分享到 App，或在 App 內錄音（每段最長 2 小時）。過長的錄音可能無法進行講者檢測；遇到這種情況，請換一段較短的錄音。
2. 開啟 Speaker labels 併傳送
在傳送選項中開啟 Speaker labels。Power 訂閱使用者可以看到該選項，其他方案顯示為鎖定。選擇 Transcribe 獲得逐輪發言的逐字稿。帶講者標籤的任務會按時長的兩倍計入方案用量，所以請在有多個聲音的對話中使用。
3. 核對後為講者命名
對照錄音閱讀逐字稿。同一聲音的連續片段會合併為一輪發言。標籤是匿名的：先確定誰是 Speaker A、誰是 Speaker B，再複製文字，在你自己的文件裡把標籤換成名字。請仔細核對簡短的回答和插話——這些最容易被歸到錯誤的聲音。
誰在什麼時候說話
標籤在各種輸出中的樣子
每個任務只返回一種結果。講者標籤在各結果中的作用如下：
- Transcribe：每輪發言一行，以“Speaker A:”這樣的標籤開頭。
- Translate：標籤和順序保持不變，只翻譯說話內容。
- Summarize：摘要保持你選擇的風格（例如 Action items），並在必要時把要點歸到某位講者，但不會逐輪複述。
- Summarize + Translate：同樣的摘要，以目標語言呈現。
- 如果無法保留標籤：任務會直接失敗，而不是悄悄返回沒有標籤的文字，你可以重新傳送。
誰在什麼時候說話
講者標籤容易出錯的地方
講者分離只根據聲音推斷講者切換：它看不到人臉，也不知道誰被介紹了。以下情況最需要核對：
- 多人同時說話：兩個人同時開口時，詞語可能被歸到錯誤的一輪。
- 聲音相似：聲音相近的兩個人可能被合併為一個標籤，或一個人的聲音被拆成兩個。
- 極短的發言：一句很快的“對”或“好”，很容易被歸給錯誤的人。
- 距離和噪音：離麥克風較遠的聲音或嘈雜的環境，會讓切換更難被檢測到。
誰在什麼時候說話
標籤按錄音分配，並且是匿名的
常見問題
講者分離常見問題
逐字稿會顯示人名嗎？
不會。它顯示的是匿名標籤：Speaker A、Speaker B 等。即使有人說出了自己的名字，App 也不會把標籤換成這個名字。請核對錄音後自行替換為名字。
每段錄音裡的 Speaker A 都是同一個人嗎？
不是。每段錄音單獨分配標籤，所以同一個字母在兩份結果中可能代表不同的人。
能給已有的逐字稿新增講者標籤嗎？
不能給已有結果新增。請開啟 Speaker labels，把錄音作為新任務重新傳送。它會像其他帶講者標籤的任務一樣計入方案用量。
這是講者分離的 API 或 SDK 嗎？
不是。Voice Note Transcriber 是用於處理你自己錄音的 iPhone 和 Android App。需要在自己的軟體中實現講者分離的開發者，應使用語音轉文字平臺的 API。
誰在什麼時候說話
看清誰說了什麼，再整理成你的文字。
下載 iPhone 或 Android 版 Voice Note Transcriber，在 Power 方案中開啟 Speaker labels，逐輪轉寫你的錄音。
App 介面目前僅提供英文。它可以將中文語音轉成文字，也可以把文字翻譯成中文。