说话人识别 免费，为您的音频添加说话者标签
如果无法分辨出是谁说了什么，那么一份对话记录就只算得上是半份记录。
ScribeGrab 会将它听到的各种声音进行归类，然后将它们整合在一起 发言人 1，发言人 2 在每一行文字的前面，自动添加，包括正文和字幕。
无需注册。每天最多可录制 10 次。 支持最长60分钟的文件，次数限制会在午夜重置。
纯文本稿和字幕就在这里。消音处理、翻译和嵌入式字幕可在完整工具中使用。
这款工具真正能为您提供什么？
它也被称为语音分段：无法识别 谁 它能识别出不同的说话者，并标注出各自的发言部分。最终生成一份可读性强的文本记录，就像剧本一样，而不是一堆杂乱的文字。
- 面试时，问题和答案清晰地分隔开来
- 适用于会议记录，可以清楚地了解谁承诺了什么。
- 适用于播客节目（有两个或三个主持人），方便制作节目笔记。
- 适用于法庭、研究或课堂录音，重点在于区分不同人的发言。
从录音到文本稿，只需点击此处。
每段语音都会被转化为“声音指纹”，一种 ECAPA-TDNN 嵌入式数据，然后将这些指纹进行聚类：彼此接近的声音会被视为同一个人。每段语音所属的类别决定了它的标签，并将该标签写入 TXT、SRT 和 VTT 文件中。
它会自动运行。无需设置或提前告知任何信息，包括房间里有多少人。
它的工作原理是怎样的？
它无法知道任何人的名字。它以前从未听过您的声音，因此会显示“说话者 1”，而不是“莎拉”：请阅读每个人说的第一句话，然后在文本编辑器中替换标签。
- 它最多可以识别 2 到 8 个说话人。如果只有一个说话人，则不需要任何标签；如果超过八个，聚类结果将不再可靠，因此它会保持沉默，而不是进行猜测。
- 为了获得可用于聚类的有效“声音指纹”，它需要每段语音持续几秒钟。如果只有一两个字的感叹词，可能会被归为相邻说话人的发言。
- 对于市面上所有工具（包括我们的工具）来说，严重的语音重叠都是一个难题。如果两个人同时说话，导致一句话无法区分，那么最终可能会被归为同一讲话者。
- 该工具是根据声音而非声道进行识别的，因此即使所有人都是用同一个麦克风录制的，也不会影响结果。
无论如何，原始文本都不会受到影响：如果无法可靠地区分不同的声音，您将获得普通的、不带标签的文本记录。
适用于以下情况：
说话者标签与所有其他内容一同上传，因此录制的通话内容可以返回时带有标签和字幕 已屏蔽脏话 如果您需要分享，请点击此处。另请参阅 转录访谈内容 和 一段 Zoom 或 Teams 录像.
如果只需要提取包含某位发言者内容的页面，而不是整个文本转换成的 PDF 文件，该怎么办？ ScanReviver 的 PDF 分割工具 只需提取您需要的页面范围。
作者：Sam Ridder，我独自在自己的硬件上开发并运行 ScribeGrab。关于我。
常见问题
我需要开启任何设置吗？
不需要。如果听到两个或多个不同的声音，标签将自动添加到文本记录和两种字幕格式中。
它会使用人们的真实姓名吗？
不会，而且没有工具可以在不知道谁是谁的情况下做到这一点。您会得到“讲话者 1”、“讲话者 2”等标签；找到每个讲话者的第一句话，然后在您的文本编辑器中替换这些标签。
它能处理多少个说话者？
最多八个。超过这个数量，语音分组的准确性就无法保证，因此它会省略标签，而不是进行不准确的猜测。
为什么我的文本记录中没有标签？
要么它只听到了一个声音，要么它听到了超过八组的声音，这意味着录音过于嘈杂或声音重叠过多，无法可靠地进行分组。但文本记录本身仍然完整。
说话者识别是免费的吗？
是的，就像这里提供的所有其他工具一样：无需注册账户，每天最多可以录制 10 次，不会添加水印，并且您的文件在处理完毕后会立即删除。
ScribeGrab 是否提供带有内置说话人识别的音频转录功能？
是的，自动说话人识别功能应用于所有包含多个声音的转录，无需单独的说话人识别软件或插件。 默认情况下启用，并且包含在免费版本中。
这里的说话人检测转录是如何工作的，是插件还是自动的？
完全自动。 一旦检测到多个声音，转录就会被分割成说话人的段落，每个段落都有标签，因此您可以直接获得带有说话人标签的转录，而无需安装插件或查找设置。
这是一个音频说话人分离工具，还是一个简单的转录工具？
两者兼备：它是一个完整的转录工具，内置了说话人分离功能，而不是一个单独的步骤或付费附加功能。
如果它错误地识别了说话人标签怎么办？
这通常发生在嘈杂的环境或两个声音非常相似的情况下。 标签由人工智能估算，因此请快速检查重叠的部分，并在文本编辑器中直接交换标签，时间戳可以轻松找到确切的位置。
说话人标签是什么格式的？
每一轮的开头都是简单的 "Speaker 1:"、"Speaker 2:"，以此类推，无论是在转录文本中还是在 SRT/VTT 字幕中，无需任何特殊软件即可读取，只需要一个文本编辑器。
我可以在线进行说话人区分，而无需安装任何东西吗？
是的，整个过程，上传、区分说话人、转录，都在浏览器中运行，利用我们的 GPU。无需安装任何东西，文件在处理完毕后立即删除。
在转录中，说话人标签是如何工作的？
模型在转录时会监听语音的变化，并在检测到不同的说话人时，将文本分割成不同的轮次，并为每个轮次添加标签，如 "Speaker 1"、"Speaker 2" 等，无需手动标记，无需单独的步骤。
说话人标签的转录是如何工作的，转录中的说话人标签实际上是什么样子的？
模型会监听语音的变化，并自动将文本分割成不同的轮次，并在转录中直接为每个轮次添加标签，如 "Speaker 1"、"Speaker 2" 等，无需手动标记。
我如何获得转录中每个声音的正确说话人标签？
这是一个自动过程，通常在清晰且声音明显的音频中准确无误；在出现交谈或声音非常相似的说话人时，请进行快速检查，并重新标记任何不准确的轮次，无需重新上传。