Mac 上如何转写访谈并区分说话人？人物标签、校对与导出

先看简短答案

想转写访谈并区分发言者，应在文件转写中开启说话人分离。它为识别文字中的片段添加人物标签，帮助你检查问题与回答，避免把整段录音都看成同一个人的发言。开始前准备识别与说话人资源，再回放检查分配结果。

Alison Workspace 支持在配备 Apple silicon、M1 或更新芯片、运行 macOS 15 或更高版本的 Mac 上处理可读取的音频和视频文件。你可以选择预期人数，检查文稿，修改段落所属说话人，重命名标签并导出文字。先选择采访者与嘉宾之间一段清楚的交流，不要用音乐或多人同时发言的片段判断效果。

了解说话人标签说明了什么

语音识别回答“说了什么”，说话人分离回答“录音的这一段由哪个声音说出”。文稿可能文字正确却分错人物，也可能人物标签正确而句子识别错误。两方面都需要检查。

初始标签描述的是这段录音中的声音，不会自动提供经过核实的真实姓名，也不能证明另一文件中的某个声音属于同一个人。声音特征帮助归类语音，确认真实身份则是另外一项工作。

本文中的说话人分离指带人物标签的文字，不代表能够为每位参与者导出单独音频，或从重叠发言中删除某个人的声音。选择流程前，应确定自己需要的是可读的对话记录，还是彼此独立的音轨。

从能够回放检查的访谈录音开始

使用可获得的最佳原始录音，确保语音容易听清。如果原文件可以导入，不必只为减小体积再制作压缩副本。嘉宾声音轻、背景音乐和不同麦克风录到的声音，都可能增加校对工作。

先听一小段交流，记录实际有多少人发言，包括可能出现的开场介绍或制作人员提问。主要访谈有两位参与者，并不证明文件所有部分都只有两种声音。

已有分别录制的参与者音频时，保留它们作为参考。当前流程标注的是导入文件，本文不描述将各人录音自动合成为同步对话的功能。确认这些录音可以由你转写并保留。

准备说话人分离与预期人数

说话人分离使用语音识别以外的资源。在 Alison 的文件转写窗口中开启人物选项，并按提示准备模型。只是打开设置，而资源尚不可用，并不能证明最终记录会包含标签。

人数菜单提供自动估计和已知的 2–6 人选项。文件确实只有两个人说话时，选择 2，告诉处理流程要归为多少种声音。不确定时，使用自动并检查结果。手动人数菜单的范围，不是自动模式能够处理多少人的实测上限。

人数只是处理依据，并非保证。出现第三种声音，或同一个人更换麦克风、改变说话方式时，错误的固定人数可能导致归类不佳。应检查完整录音，不能假定开头已经包含全部发言者。

用文件转写处理访谈

按实际语音选择识别语言。需要翻译时，另外选择目标语言，并确认所需语言对可用。检查原语音中的姓名与人物归属时，可以先关闭翻译。

1. 把访谈音频或视频加入转写队列。
2. 检查被接受文件的时长，并选择实际说出的语言。
3. 准备所需识别资源；自动语言识别需要兼容的本地模型。
4. 开启说话人分离，并准备要求的说话人资源。
5. 有依据时选择已知人数，否则保留自动，然后开始转写。
6. 打开结果，回放各参与者的片段，再接受人物标签。

通过文件状态确认处理是否完成。如果结果仅为部分转写，应只检查已处理内容，并解决缺失部分，再把它作为完整访谈提供。

先修正归属，再添加姓名

找到每种声音中一句清楚的话并回放，确认初始标签分别对应采访者还是嘉宾。也要检查后面的片段；开头标签正确，并不证明所有说话人变化都被正确处理。

某段分错人物时，进入文稿编辑模式，为该段选择正确的已有说话人。必要时另行修改文字。重命名会改变整个记录中的该标签，不适合只修正一个被分错的段落。

短回答和插话尤其需要注意。一个识别片段可能跨越人物变化，时间信息是否充分也会影响切分精度。不能假定每个简短的“是”或重叠发言都能得到独立且完美的标签。

确认声音后，重命名标签

把通用标签改成已确认的姓名，或“采访者”“嘉宾”等角色。不需要个人姓名时，角色称呼就很有用。根据访谈配套资料统一拼写，不要依据自动识别的开场介绍猜名字。

说话人姓名设置会更新记录和导出使用的标签。回放一段已命名的发言，确认全局修改没有把嘉宾姓名放到采访者身上。一个真实声音被分成多个标签时，应逐一检查对应片段，再决定是否使用同一姓名。

重命名记录的是你的编辑判断，并非声纹身份认证，也不会为未来文件建立自动身份档案。新录音的人物标签仍应单独检查。

导出仍然便于核对的对话

需要可读或可复用的文档时，选择 TXT、Markdown、PDF 或 CSV。记录中有说话人标签时，开启包含说话人的选项；读者需要返回录音时，保留时间戳。原文、译文或双语导出取决于记录中实际有的文字。

字幕流程也可使用 SRT 和 VTT，并始终包含格式要求的时间轴。分享字幕前，应检查目标显示效果：有用的访谈文档和舒适的视频字幕，需要不同的排版判断。

分享前，再听一遍姓名、引语、数字、承诺和归属不确定的发言。带说话人标签的草稿帮助你定位这些片段，却不会让未经检查的引语变得可靠。

根据标签问题排查

没有标签时，检查是否开启了说话人分离，以及资源是否就绪。语音识别可能生成文字，而可选的人物处理阶段没有提供可用归属。文字识别成功与说话人标注成功，是不同状态。

标签不正确时，重新检查人数设置和音频。声音相似、说话距离远、麦克风音色变化、背景噪声和重叠发言，都可能增加归类难度。以清楚的片段作为依据，修正能够核实的内容；归属仍不确定时，保留这种不确定性，避免强行断定。

资源就绪后，受支持的识别和说话人处理在 Mac 本地运行。保留原文件以便检查，并有意识地选择文稿导出位置。下一步是一段清楚的访谈交流，以及你亲自检查过的标签。