说话人识别

这页解决什么问题

多人会议、访谈或播客转完文字后，往往还要知道「谁说了什么」。说话人识别是转录完成后的离线后处理：在本机对已完成的转录结果分段标注说话人，不经过云端。

它不是：

• 实时转录或听写过程中边说边分说话人
• Whisper 高级参数里的某个开关（与解码、VAD 无关）
• 听写功能的一部分（听写见听写（Beta））

套餐与前提

未完成转录时，入口会提示先完成转录。模型未就绪时，开始前会引导下载。

第一次：下载模型

1. 打开 设置 → 模型库，切到 其它。
2. 找到 说话人识别，下载 speakrs 模型包（设置里显示为说话人识别；包内为 speakrs 所需权重与 PLDA 等文件）。
3. 下载完成后即可在笔记里运行识别。

也可在笔记里点「说话人识别」时，按提示下载。非 Pro / 终身用户在菜单与下载处会看到锁或 Pro 标识，点击走升级引导。

怎么运行

入口只有两处（设置里只负责下载，不负责运行）：

1. 笔记页右上角 更多 → 增强处理 → 说话人识别
2. 笔记列表对该条 右键 → 增强处理 → 说话人识别

点击后会先出现确认弹窗：

• 默认打开 自动识别说话人数（推荐）
• 关掉自动后，可填 说话人数（约 2–20）。应用会把该值传给本地引擎；引擎会尽量逼近你指定的人数：先搜索聚类阈值，若结果仍偏多，再按说话时长合并多余说话人。这不是「填 N 就一定得到 N」——音频里实际大约有这么多人时效果最好；若引擎能分出的人数本身少于你指定的值，则无法凭空拆出更多说话人
• 弹窗会记住你上次选的自动 / 人数
• 可按音频时长给出大致耗时区间；取消则不做任何改动

开始后：

• 列表项可显示环形进度；菜单项运行中不可再点，并可看到进度百分比
• 可随时 停止识别
• 完成后，转录行左侧出现 S1 / S2 等彩色徽标；列表上出现说话人图标（提示里含人数）

若检测到人数偏多（例如 ≥5），结果区可能出现「人数不对？」一类提示。可打开同一弹窗关掉自动、指定人数后重跑；引擎会按上面的规则逼近目标人数。重跑会重置已改的说话人名称。

改名与重跑

• 管理说话人（增强处理子菜单，仅已有结果时可用）：为每位说话人改显示名（约 1–20 字）。空名称等于恢复默认「说话人 N」。允许重名，界面会弱提示。保存后徽标、复制与导出会立刻用新名称。
• 有自定义名时，徽标优先显示名称（过长会截断，悬停看全名）；复制 / 导出用完整名称。
• 重新识别说话人：会用新结果覆盖旧分段。若已改过名称，确认弹窗会提示 重新识别会重置说话人名称。改名只保存在当前这次转录记录里，换一次转录不会自动带过去。

复制与导出

识别完成后：

• 复制：可选带说话人。格式为「显示名：正文」；同一人连续多段时，只在该人第一段加标签。若同时复制翻译，说话人只标在原文行。
• 导出（TXT / Markdown / SRT / VTT 等）：有「包含说话人」开关。该笔记已识别时默认勾选（可改，并按笔记记住偏好）。
• 字幕类格式（SRT、VTT 等）：开启后，说话人标签写进每条 cue 的正文，不单独占一条字幕时间轴。JSON 等格式会尽量带结构化说话人字段；以实际导出为准。

听写本身不做说话人识别；若在听写结果之外走笔记转录并识别，再导出时同样适用上述规则。详见下文 FAQ 交叉链接。

已知限制

• 重叠说话、抢话、背景音乐为主、极短或几乎无人声的片段，结果容易变差或检测人数为 0。
• 自动人数有时会偏多或偏少；这时可关掉自动并指定人数重跑。指定人数时引擎会逼近目标，但仍可能与填入值不完全一致；人声能分出的人数少于请求时，无法拆出更多说话人。嘈杂、重叠说话时错分仍更常见，结果不能当法庭级鉴定。
• 不支持实时边说边分、不支持按说话人筛选时间轴、不支持跨笔记复用同一套名字。
• 与人声分离、智能标点等是不同模型与入口，不要在 Whisper 高级参数里找说话人开关。

相关文档

• 笔记：后处理与导出总览
• 模型与引擎总览：套餐与模型分类
• 分引擎转录参数说明：Whisper / 实时 / 高级 ASR 参数（不含说话人识别）
• 听写（Beta）