问答 · 说话人标签
转写稿里的说话人为什么标错了?
说话人标错,主要出在几个人同时说话、电话或免提录音、两个人声音很像,以及「嗯」「对」这种很短的回应上。通常字是对的,只是换人那一刻的标签偏了。在编辑器里改:每个说话人改一次名,单独调整个别行的说话人,把被切开的句子合并回上一行。
用你自己的文件试试
每天免费 3 个文件,每个最长 30 分钟。带说话人标签、时间戳,可导出 Word、SRT 和 NVivo 格式。
把音频或视频拖到这里
MP3、MP4、M4A、WAV、MOV、WEBM、OGG · 最长 5 小时
说话人是怎么分出来的
说话人分离是按「声音听起来像不像同一个人」把音频分组,再给每组一个标签,比如「说话人 1」。它并不知道谁是谁,只知道两段声音像不像。
我们这里一个语音识别模型专门负责把字听准,另一个专门负责分说话人,两者逐词合并。所以即使换人的边界偏了一点,文字本身仍然准确。
你实际会碰到的错误
一句话被切成两段,最后几个字分给了下一个人。原因是对方还没说完,另一个人就开口了。
别人说话时插进来的一声「嗯哼」「对」,被单独标成一行。整洁模式会去掉大部分这类短回应,逐字模式会保留。
三个人被合成两个人,常见于年龄、音高相近的两个人共用一个麦克风。
详细说明
抢话是头号原因
两个人同时说话时,没有一个干净的切换点,标签提前或延后一两个字很正常。
电话和免提录音
电话线路会削掉让声音有区别的高频和低频,两个人在电话里听起来比当面更像。
声音相近
同性别、同年龄段的两个人用同一个麦克风,是最难分的情况。分开麦克风比事后任何处理都管用。
回答太短
一个字的回答声音太少,认不出是谁,常常并到前一行或后一行。
能分轨就分轨
如果录音设备或通话软件能把每个人单独录成一轨,分离会清楚得多。
操作步骤
给说话人改名
点说话人名称,输入真名或角色,比如「采访者」。所有这个标签的行都会更新。
调整单行
某一行其实是另一个人说的,只改这一行的说话人。
合并被切开的句子
一句话在换人处被切成两段,就把后半段合并到上一行。
在交界处听一遍
点那一行从那里播放,抢话的地方调到 0.75 倍速。
常见错误
- 为了改几个标签把整个文件重新转一遍。在编辑器里改只要几分钟。
- 一行一行地改「说话人 1」。改一次名,全文都会跟着变。
- 小组访谈只在大桌子中间放一部手机。手机要靠近说话声音小的人。
- 要公开引用的话,直接相信换人处的标签。点那一行听一遍。
大家还会问
能指定有几个说话人吗?
不能,人数是自动识别的。如果两个人被合成了一个标签,在编辑器里修改那些行的说话人即可,下拉列表里有一个新的空白说话人可选。
为什么同一个人有两个标签?
通常是这个人的声音变了:离麦克风远了、切到免提了,或者环境噪音变了。把这些行改到同一个标签,或者给两个标签起同一个名字,导出时就显示为一个人。
改过的名字会带到导出文件里吗?
会。DOCX、PDF、NVivo 和 MAXQDA 导出的每一段都用你改过的名字。
整洁模式会把说话人错误藏起来吗?
整洁模式会去掉嗯、呃、短暂的重复,以及别人说话时插进来的短「嗯哼」「好」。这能清掉很多零碎的错标行,但不会改变整句话归谁。