讯飞智文可高效处理多人会议音频并实现高精度说话人分角色识别，需确保音频格式合规、信噪比达标，上传时开启“说话人分离”和“声纹聚类优化”，再通过编辑标签、合并/拆分片段完成身份校准，最终生成带角色的结构化纪要。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
会议录音转成文字后满屏“发言人1”“发言人2”，却对不上谁提了方案、谁拍了板，这种纪要根本没法发给参会人确认。讯飞智文本身不直接支持录音采集，但能高效处理已有的多人会议音频文件，并依托星火语音基座大模型SparkAudio1.0实现高精度说话人分角色识别——关键在于导入前的准备和导入后的校准动作必须到位。
确认音频来源与格式是否达标
讯飞智文仅支持导入本地音频文件（MP3/WAV/M4A），不支持实时录音或微信语音等加密格式。若原始录音来自手机自带录音机、录音笔或会议系统导出，请先检查是否为标准PCM编码WAV或CBR恒定码率MP3；变码率MP3（VBR）或带DRM保护的M4A会导致声纹特征提取失败，【转写时发言人会被强制合并为1–2人】。
用系统自带播放器打开音频，拖动进度条听3秒以上——若全程有明显底噪、电流声或某段突然音量骤降，需先用Audacity做基础降噪再导入，否则SparkAudio模型会把低信噪比片段误判为同一人低声自语。
在讯飞智文中上传并触发AI分角色识别
登录讯飞智文网页版→点击左上角「+新建」→选择「语音转文字」→拖入已校验过的音频文件→等待上传完成。
上传后页面自动进入「转写设置」页，此时必须手动勾选「开启说话人分离」和「启用声纹聚类优化」两个开关——默认状态下后者是关闭的，【不开启则全程只输出“发言人1”一个标签】。
点击「开始转写」，系统调用SparkAudio1.0模型进行双通路处理：先按声学特征聚类切分时段，再对每个片段提取共振峰与基频稳定性指标，5分钟内生成带时间戳的初稿。
校准发言人身份：从编号到真实姓名
转写完成后，全文默认以“发言人1”“发言人2”等编号呈现。此时需逐段核对：
方法一：点击任意一处“发言人1”右侧的铅笔图标→在弹出框中输入真实姓名（如“王总监”）→回车确认。该姓名将自动同步至全文所有同声纹片段，无需重复操作。
方法二：若发现同一人被拆成“发言人2”和“发言人4”两段（常见于发言中途接电话或离席），长按“发言人2”文本→选择「合并至发言人4」→系统重新聚合声纹向量并刷新全文标签。
注意：修改姓名后，讯飞智文会将该声纹特征自动存入个人声纹库，下次上传含此人语音的文件时，无需手动标注即可直出姓名——这步操作不可逆，一旦录错名字，后续所有会议都会沿用错误标签。
第一步：滚动到会议开头，找到第一个开口的人，点击其标签旁的编辑按钮；第二步：输入正确姓名并保存；第三步：向下快速扫视，遇到明显归属错误的片段（比如技术部同事的声音出现在销售负责人名下），立即点「拆分」并重命名；第四步：全部校准后，点击右上角「生成纪要」，AI将按角色自动归纳观点、任务与结论。
