说话人分离技术详解

什么是说话人分离

说话人分离（Speaker Diarization，也叫“区分说话人”）回答的问题是：这段音频里，谁在什么时候说话。软件基于声纹聚类自动判断说话人数，不需要你手动填写。

它和人声分离不一样

• 区分说话人（说话人分离）：判断“谁说的”，输出带说话人标签的文字稿。
• 纯人声分离：从音乐 + 人声混合的音轨里提取人声，是音频处理，不是文字。

两者解决不同问题，不要混淆。

典型用途

多人会议记录、访谈整理、辩论 / 对话类内容归档。