说话人分离

说话人分离是这样一种功能：在把多人交谈的录音转成文字时，给每个人的声音贴上不同的标签，从而区分出是谁说的话。如果把会议原样转录成文字，谁说了什么很容易混在一起，这项功能就像在会议记录里用不同颜色的笔标出每位发言人一样。

不过，这项功能实际做的事，只是根据音调、语气等声学特征把声音归类，标注成'说话人1'、'说话人2'之类，并不能真正认出这个人叫什么名字。只要是同一个人持续说话，就会一直贴同一个标签；一旦换成别的声音，就会出现新标签。

这项功能在把会议录音或采访文件转成文字的工具中尤其有用。有了说话人分离功能，按发言人整理会议记录的工作量会大大减少。

文章中提到，"对于预先录制的音频，最多可以区分并标注三位说话人，并为每个单词都附上时间信息。" 这里容易产生的误解是，说话人分离并不能识别出真实身份。系统只是根据声音特征把说话人区分为'说话人1'、'说话人2'等，并不会告诉你这个声音究竟是谁的。

如果你有支持说话人分离功能的听写工具，可以这样试试看。

1. 准备一段两三个人轮流说话的简短录音（会议或采访录音即可）。
2. 把这段录音上传到具有说话人分离功能的语音转文字工具中。
3. 查看转录结果中每句话是否都标注了'说话人1'、'说话人2'之类的标签。
4. 观察同一个人再次发言时是否保持相同标签，以及在声音重叠或有噪音的片段中标签是否出现混乱，这样也能了解这项功能的局限性。