Mac 上如何轉寫訪談並區分說話人？人物標籤、校對與導出

先看簡短答案

想轉寫訪談並區分發言者，應在檔案轉寫中開啓說話人分離。它為識別文字中的片段添加人物標籤，幫助你檢查問題與回答，避免把整段錄音都看成同一個人的發言。開始前準備識別與說話人資源，再回放檢查分配結果。

Alison Workspace 支持在配備 Apple silicon、M1 或更新晶片、運行 macOS 15 或更高版本的 Mac 上處理可讀取的音訊和影片檔案。你可以選擇預期人數，檢查文稿，修改段落所屬說話人，重命名標籤並導出文字。先選擇採訪者與嘉賓之間一段清楚的交流，不要用音樂或多人同時發言的片段判斷效果。

瞭解說話人標籤說明瞭什麼

語音識別回答“說了什麼”，說話人分離回答“錄音的這一段由哪個聲音說出”。文稿可能文字正確卻分錯人物，也可能人物標籤正確而句子識別錯誤。兩方面都需要檢查。

初始標籤描述的是這段錄音中的聲音，不會自動提供經過覈實的真實姓名，也不能證明另一檔案中的某個聲音屬於同一個人。聲音特徵幫助歸類語音，確認真實身份則是另外一項工作。

本文中的說話人分離指帶人物標籤的文字，不代表能夠為每位參與者導出單獨音訊，或從重疊發言中刪除某個人的聲音。選擇流程前，應確定自己需要的是可讀的對話記錄，還是彼此獨立的音軌。

從能夠回放檢查的訪談錄音開始

使用可獲得的最佳原始錄音，確保語音容易聽清。如果原檔案可以導入，不必只為減小體積再製作壓縮副本。嘉賓聲音輕、背景音樂和不同麥克風錄到的聲音，都可能增加校對工作。

先聽一小段交流，記錄實際有多少人發言，包括可能出現的開場介紹或製作人員提問。主要訪談有兩位參與者，並不證明檔案所有部分都只有兩種聲音。

已有分別錄制的參與者音訊時，保留它們作為參考。當前流程標注的是導入檔案，本文不描述將各人錄音自動合成為同步對話的功能。確認這些錄音可以由你轉寫並保留。

準備說話人分離與預期人數

說話人分離使用語音識別以外的資源。在 Alison 的檔案轉寫窗口中開啓人物選項，並按提示準備模型。只是打開設置，而資源尚不可用，並不能證明最終記錄會包含標籤。

人數菜單提供自動估計和已知的 2–6 人選項。檔案確實只有兩個人說話時，選擇 2，告訴處理流程要歸為多少種聲音。不確定時，使用自動並檢查結果。手動人數菜單的範圍，不是自動模式能夠處理多少人的實測上限。

人數只是處理依據，並非保證。出現第三種聲音，或同一個人更換麥克風、改變說話方式時，錯誤的固定人數可能導致歸類不佳。應檢查完整錄音，不能假定開頭已經包含全部發言者。

用檔案轉寫處理訪談

按實際語音選擇識別語言。需要翻譯時，另外選擇目標語言，並確認所需語言對可用。檢查原語音中的姓名與人物歸屬時，可以先關閉翻譯。

1. 把訪談音訊或影片加入轉寫隊列。
2. 檢查被接受檔案的時長，並選擇實際說出的語言。
3. 準備所需識別資源；自動語言識別需要兼容的本機模型。
4. 開啓說話人分離，並準備要求的說話人資源。
5. 有依據時選擇已知人數，否則保留自動，然後開始轉寫。
6. 打開結果，回放各參與者的片段，再接受人物標籤。

通過檔案狀態確認處理是否完成。如果結果僅為部分轉寫，應只檢查已處理內容，並解決缺失部分，再把它作為完整訪談提供。

先修正歸屬，再添加姓名

找到每種聲音中一句清楚的話並回放，確認初始標籤分別對應採訪者還是嘉賓。也要檢查後面的片段；開頭標籤正確，並不證明所有說話人變化都被正確處理。

某段分錯人物時，進入文稿編輯模式，為該段選擇正確的已有說話人。必要時另行修改文字。重命名會改變整個記錄中的該標籤，不適合只修正一個被分錯的段落。

短回答和插話尤其需要注意。一個識別片段可能跨越人物變化，時間資訊是否充分也會影響切分精度。不能假定每個簡短的“是”或重疊發言都能得到獨立且完美的標籤。

確認聲音後，重命名標籤

把通用標籤改成已確認的姓名，或“採訪者”“嘉賓”等角色。不需要個人姓名時，角色稱呼就很有用。根據訪談配套資料統一拼寫，不要依據自動識別的開場介紹猜名字。

說話人姓名設置會更新記錄和導出使用的標籤。回放一段已命名的發言，確認全局修改沒有把嘉賓姓名放到採訪者身上。一個真實聲音被分成多個標籤時，應逐一檢查對應片段，再決定是否使用同一姓名。

重命名記錄的是你的編輯判斷，並非聲紋身份認證，也不會為未來檔案建立自動身份檔案。新錄音的人物標籤仍應單獨檢查。

導出仍然便於核對的對話

需要可讀或可復用的文檔時，選擇 TXT、Markdown、PDF 或 CSV。記錄中有說話人標籤時，開啓包含說話人的選項；讀者需要返回錄音時，保留時間戳。原文、譯文或雙語導出取決於記錄中實際有的文字。

字幕流程也可使用 SRT 和 VTT，並始終包含格式要求的時間軸。分享字幕前，應檢查目標顯示效果：有用的訪談文檔和舒適的影片字幕，需要不同的排版判斷。

分享前，再聽一遍姓名、引語、數字、承諾和歸屬不確定的發言。帶說話人標籤的草稿幫助你定位這些片段，卻不會讓未經檢查的引語變得可靠。

根據標籤問題排查

沒有標籤時，檢查是否開啓了說話人分離，以及資源是否就緒。語音識別可能生成文字，而可選的人物處理階段沒有提供可用歸屬。文字識別成功與說話人標注成功，是不同狀態。

標籤不正確時，重新檢查人數設置和音訊。聲音相似、說話距離遠、麥克風音色變化、背景噪聲和重疊發言，都可能增加歸類難度。以清楚的片段作為依據，修正能夠覈實的內容；歸屬仍不確定時，保留這種不確定性，避免強行斷定。

資源就緒後，受支持的識別和說話人處理在 Mac 本機運行。保留原檔案以便檢查，並有意識地選擇文稿導出位置。下一步是一段清楚的訪談交流，以及你親自檢查過的標籤。