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。。。
This topic created in 665 days ago, the information mentioned may be changed or developed.
 |
kirieievkJan 14, 2025
1
关注!
|
 |
PerryJan 14, 2025 via iPhone
2
有很多 Podcast 生产力工具支持这样的，Perplexity 搜下试试看？
|
 |
vopinJan 14, 2025 via iPhone
3
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 |
 |
NOneKnowYeahJan 14, 2025
4
通义听悟
|
 |
gpt5Jan 14, 2025
5
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。
|
 |
JayZXuJan 14, 2025
6
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 |
 |
mfyJan 14, 2025
7
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。 |
 |
evan1Jan 14, 2025 via iPhone
8
钉钉会议可以实现，用过一两次。识别准确率估计 80%-90%左右。
|
 |
dzdhJan 14, 2025
11
阿里的语音识别 API 可。
|
 |
jiobanmaJan 14, 2025
12
阿里的通义听悟
|
 |
DaybyedreamJan 14, 2025
13
飞书那个 一直可以 讯飞妙计
|
 |
yu13nJan 14, 2025
14
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