有没有能识别多人声音的 AI 工具呢

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。。。

关注!

有很多 Podcast 生产力工具支持这样的，Perplexity 搜下试试看？

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

通义听悟

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。

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

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。

钉钉会议可以实现，用过一两次。识别准确率估计 80%-90%左右。

@evan1 是会议还是直播忘记了。 当时看到这个功能大受震撼。