这是一个创建于 448 天前的主题，其中的信息可能已经有所发展或是发生改变。
就是我现在有一个视频，这个视频中有三个人在对话，我想通过语音识别来分别识别出这三个人都谁说了哪句话，并且把它导出成文本标记出来。然后方便我去做翻译。。。
 | 1 kirieievk 2025 年 1 月 14 日 关注! |
 | 2 Perry 2025 年 1 月 14 日 via iPhone 有很多 Podcast 生产力工具支持这样的，Perplexity 搜下试试看？ |
 | 3 vopin 2025 年 1 月 14 日 via iPhone 同样需求，一年多前调查的时候暂时没找到一步到位的工具。whisper 虽然很厉害了但是分辩人不行，一些经典机器学习方法也不完美。 现在不知道怎样了 |
 | 4 NOneKnowYeah 2025 年 1 月 14 日 通义听悟 |
 | 5 gpt5 2025 年 1 月 14 日 我记得当年学 svm 的时候，老师给过一个例子，用 1 行 matlab 代码(非工具箱)就实现了区分不同人的声音。 |
 | 6 JayZXu 2025 年 1 月 14 日 飞书个人版的妙记 直接上传视频，会自动生成字幕而且匹配发音人 可能会识别出多个发音人，改下标注就行了 而且还能切换各种语言翻译的结果 |
 | 7 mfy 2025 年 1 月 14 日 sherpa-onnx ，FunASR 这两个都可以。测试下来，感觉 sherpa-onnx 识别的准确度稍高一些；使用上 FunASR 简单一些。 |
 | 8 evan1 PRO 钉钉会议可以实现，用过一两次。识别准确率估计 80%-90%左右。 |
 | 11 dzdh 2025 年 1 月 14 日 阿里的语音识别 API 可。 |
 | 12 jiobanma 2025 年 1 月 14 日 阿里的通义听悟 |
 | 13 Daybyedream 2025 年 1 月 14 日 飞书那个 一直可以 讯飞妙计 |
 | 14 yu13n 2025 年 1 月 14 日 我没办法给出具体的解决方案，但这种需求一般被叫做“鸡尾酒会问题”，可以用这个作为关键词去搜索一下 |
Select Language