按轮次区分说话人
中性标签把一位参与者的话与下一位分开，但不会推断真实姓名、角色或身份。
实时转写
转写已完成，可复查
说话人 A
感谢参加。我们先从采访问题开始。
说话人 B
当然，我已经准备好了。第一个主题是上线时间表。
说话人 A
很好。我们交谈时，我会保持转写窗口打开。
说话人 B
好的。分享前我们可以先复查最终文字。
说话人分离与转写中的说话人标签
说话人分离回答“谁在什么时候说话”，把音频切分为不同说话人的轮次。上方预置转写展示带时间戳的双人布局和导出效果。它只是界面演示：切换到实时麦克风后，内容统一标为“你”，不会自动识别多位参与者。
直接回答
说话人分离会根据不同声音聚类，并使用 Speaker A、Speaker B 等中性标签。它不同于识别“说了什么”的语音转文字，也不同于把声音绑定到真实姓名的身份识别。标签只能辅助复查，重要归属必须对照原始音频确认。
Muse Voice Transcribe 是独立工具，与 Meta 没有关联。双人内容是预置产品样例，不是本页实时模型处理结果。
最后更新:
透明的双人标签示例
工作台默认显示一段 21 秒、四轮的固定转写：Speaker A 发起采访，Speaker B 回答，随后双方各再说一轮。每段都有中性标签和时间戳，也能以 TXT 形式复制或下载。
Speaker A [00:04]: Thanks for joining. Let us start with the interview questions. Speaker B [00:09]: 当然，我已经准备好了。The first topic is the launch timeline. Speaker A [00:15]: Great. I will keep the transcript open while we talk. Speaker B [00:21]: Perfect. We can review the final text before sharing it.
该样例只证明显示与导出格式，不证明自动估算人数、声音身份匹配或准确率。重置后使用麦克风时只会显示“你”，避免把预置结果误认为实时分离。
本工作台的可核验事实
| 项目 | 值 |
|---|---|
| 预置转写 | 4 个轮次 / 21 秒 |
| 预置说话人标签 | 2 个：Speaker A、Speaker B |
| 实时说话人标签 | 你 |
| 时间戳粒度 | 每个轮次 1 个 |
| 导出格式 | 仅 TXT |
| 分离准确率 | 未测量 |
| 说话人身份识别 | 不支持 |
来源：本页可见工作台和预置转写。核验日期：2026 年 9 月 3 日。
语音转文字、说话人分离和身份识别的区别
这三个词对应不同任务。下表可以避免把转写格式误认为说话人身份能力。
| 概念 | 回答的问题 | 当前页面状态 |
|---|---|---|
| 语音转文字 | 说了什么？ | 实时麦克风初稿 |
| 说话人分离 | 谁在什么时候说话？ | 预置 Speaker A/B 示例 |
| 说话人身份识别 | 哪个已知的人说话？ | 不支持 |
说话人标签为转写增加什么
标签让多人对话更容易阅读，但仍需要上下文和人工复核。
带时间参考的对话结构
时间戳帮助返回原音频核对决定、引用或可疑边界。本样例不提供逐字时间轴。
可读的多人 TXT 导出
复制和下载会保留每行之前的标签，便于进入研究笔记或编辑器继续整理。
结果可人工修正
复查者可以合并错误拆分、修正归属，或在有证据时把中性标签替换为姓名。
如何复查说话人分离结果
把自动标签当作结构化初稿，先核对轮次，再确认身份。
- 01
确认实际声音数量
先听原音频确认人数。背景电视、观众反应或同一人音量变化都可能被误判为新声音。
- 02
核对每个轮次边界
重点检查打断、简短回应和重叠说话，这些位置最容易把内容分给错误参与者。
- 03
把中性标签映射到已确认姓名
只有上下文或原音频能确认身份时才替换标签，无法确定时应保留中性称呼。
- 04
修正文字并导出
同时检查姓名、数字、引用和专业词，再复制或下载。需要审计时应另行保存合规的原音频。
说话人标签的使用场景
多位参与者都提供重要信息时，标签能减少反复回放。
采访和定性研究
分开采访者问题和参与者回答，便于扫描主题和候选引用，但引用和身份仍需核实。
会议、圆桌和客服通话
跟踪多人的决定、异议和交接。行动项负责人必须对照录音或会议记录确认。
播客和录制对话
为剪辑和节目笔记提供第一版轮次结构，音乐、插入片段和重叠说话仍需编辑修正。
说话人分离的限制
整齐的标签也可能是错的。
分离不等于身份识别
Speaker A 只代表若干片段被聚为同一声音，并不能证明现实中的姓名或身份。
重叠和短语音很难处理
打断、笑声、简短回应、相似声音和一人移动位置都可能导致错误合并或拆分。
浏览器样例边界明确
预置转写有两个标签，实时麦克风只有“你”。本页不承诺自动实时分离或准确率。
多人音频涉及隐私
应取得同意、控制访问并确认处理位置。本页不承诺通用本地处理或录音存储控制。
浏览器语音识别参考来源
实时流程依赖浏览器 API。以下公开文档说明本页涉及的权限和识别接口。
常见问题
什么是说话人分离？+
它按照“谁在什么时候说话”把音频切分，并输出 Speaker A、Speaker B 等中性聚类标签。
说话人分离和身份识别一样吗？+
不一样。前者只聚类声音片段，后者尝试绑定已知人物。中性标签不能当作身份凭证。
本页会自动分离我的麦克风声音吗？+
不会。双人内容是预置样例，实时麦克风内容统一标记为“你”。
自动标签有多准确？+
结果受收音、声学、声音相似度、重叠和片段长度影响，本页不为预置样例发布准确率。
可以导出带标签的文本吗？+
可以，预置样例可复制或下载为带 Speaker A 和 Speaker B 的纯 TXT。
结合真实流程理解说话人标签
在实时转写页面测试麦克风能力，在会议转写页面查看完整复查流程，或打开原始 Muse Voice Transcribe 演示。
检查预置说话人标签样例
查看四个轮次并复制文本，确认标签在纯文本中的格式后，再决定是否重置工作台。
返回说话人样例