在SoundView AI中需开启“多说话人分离”并设声纹精度为“高”,自动标注【SPEAKER_01】等标签;再通过人物库绑定真实身份,支持批量命名、逐句指定或统一设置;导出SRT时必须勾选“包含说话人标识”,确保前缀显示“[主持人]”等角色名。
☞☞☞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☜☜☜

多人对话时怎么在SoundView AI里标说话人
处理采访、辩论或群聊类视频时,原始音频常混杂多个声源,若不明确区分说话人,SoundView AI在语音转写和后续配音中会把所有台词堆成一段流水账,导致字幕错位、翻译张冠李戴、配音音色无法按角色分配。
自动声纹聚类识别说话人
上传视频后进入「智能转写」任务页 → 点击「高级设置」→ 打开「启用多说话人分离」开关 → 确保「声纹聚类精度」设为“高”(默认为“中”,对语速快/口音近的对话易合并错误)。
系统将基于音频频谱特征自动划分说话人区块,每段输出带编号标签如【SPEAKER_01】、【SPEAKER_02】。该模型在中文场景下对男女声分离准确率超89%,但若两人同时抢话超0.3秒,或其中一人全程压低嗓音说话,系统可能误判为同一人,此时必须切手动校正。
手动绑定真实身份与声纹标签
转写完成后,在字幕编辑区左侧出现「说话人映射」面板 → 将【SPEAKER_01】拖拽至对应人物头像图标(需提前在「人物库」中上传该角色正脸照)→ 同理绑定【SPEAKER_02】等其余标签。
方法一:点击「批量命名」→ 输入预设角色名列表(如“主持人,嘉宾A,嘉宾B”),系统按时间顺序自动分配;
方法二:逐句点击字幕行 → 右侧弹出「指定说话人」下拉菜单 → 从中选择已录入的人物;
方法三:用Ctrl+A全选某一段连续台词 → 右键→「统一设为说话人」→ 指定目标角色。
注意:未绑定真实身份的声纹标签,在后续「AI配音」环节无法匹配专属音色,系统将强制使用默认女声朗读全部内容。
校验并导出带角色标记的SRT
第一步:播放预览 → 听到【SPEAKER_01】台词时,检查画面上是否同步高亮主持人区域(绿色虚线框);
第二步:点击「导出字幕」→ 格式选SRT → 勾选「包含说话人标识」→ 下载文件;
第三步:用记事本打开SRT,确认每段前缀含“[主持人]”或“[嘉宾A]”字样,而非原始的“SPEAKER_01”。
这一步不可跳过——若导出时未勾选该选项,SRT里只会保留时间轴和文本,所有角色信息丢失,后续人工校对成本翻倍。

















