Zarządzanie wzorcami głosu i mówcami

Biblioteka wzorców głosu to kluczowa funkcja aplikacji Owl Meeting pozwalająca „wiedzieć, kto mówi”. Dzięki wcześniejszemu nagraniu próbek głosu każdej osoby, system może automatycznie rozpoznawać i oznaczać nazwisko mówcy podczas transkrypcji plików, a nawet przypisywać najbardziej odpowiedni model rozpoznawania dla różnych osób.

Ostatnia aktualizacja: 21.04.2026 · Język dokumentacji: Polski

1. Dodawanie mówcy

1. Przejdź do „Biblioteki wzorców głosu” na lewym pasku narzędzi.
2. Kliknij „Dodaj osobę”, wpisz imię i nazwisko (wymagane) oraz uwagi (opcjonalnie).
3. Przypisz model rozpoznawania dla mówcy: po włączeniu „Trybu inteligentnego” w transkrypcji plików, system automatycznie użyje modelu wskazanego w tym miejscu do rozpoznawania głosu mówcy.
Interfejs zarządzania biblioteką wzorców głosu

2. Dodawanie próbek wzorców głosu

1. Wybierz mówcę i kliknij „Dodaj audio”.
2. Wybierz plik audio zawierający wyraźny ludzki głos wybranego mówcy.
3. Ustaw czas rozpoczęcia i zakończenia w oknie przycinania, a następnie kliknij odsłuch, aby potwierdzić.
4. Wybierz Język wzorca głosu: wybierz „Chiński” dla próbek chińskich oraz „English” dla próbek angielskich. Inne języki można wybierać na podstawie grup językowych.
5. Kliknij zapisz – system automatycznie wyodrębni cechy wzorca głosu i powiąże je z mówcą.
Dodawanie i przycinanie próbek wzorców głosu

Najlepsze praktyki przy zbieraniu próbek

• Jakość audio: wybieraj nagrania z cichym tłem i tylko głosem docelowego mówcy; unikaj segmentów, w których kilka osób mówi jednocześnie.
• Zalecany czas trwania: każdy segment próbki powinien trwać od 5 do 30 sekund. Cecha jest niewystarczająca, jeśli jest za krótka, a nie ma dodatkowych korzyści, jeśli jest zbyt długa.
• Wiele próbek: dla jednego mówcy można dodać wiele próbek. Jeśli ta sama osoba wykazuje dużą różnicę w barwie głosu w różnych scenariuszach (np. rozmowa twarzą w twarz / przez telefon), dodanie większej liczby próbek z różnych scenariuszy może poprawić współczynnik rozpoznawania.
• Zgodność języka: język wybrany podczas dodawania próbek musi być zgodny z „Językiem wzorca głosu” w ustawieniach transkrypcji plików; w przeciwnym razie dopasowanie całkowicie zawiedzie. Przestrzenie cech chińskich i angielskich modeli wzorców głosu są ze sobą niekompatybilne.

3. Codzienna konserwacja

• W dowolnym momencie możesz zmienić imię i nazwisko mówcy, uwagi oraz przypisany model.
• Przełączaj się między wyświetlaniem różnych próbek i odsłuchuj je bezpośrednio.
• Podczas usuwania próbki powiązany lokalny plik audio zostanie usunięty w tym samym czasie.

4. Jak wykorzystać wzorce głosu podczas transkrypcji

Biblioteka wzorców głosu odgrywa rolę głównie w transkrypcji plików offline. Aby wyniki transkrypcji automatycznie wyświetlały nazwę mówcy, muszą zostać spełnione jednocześnie następujące warunki:

1. Wybierz „Mówcę” jako metodę segmentacji.
2. Włącz przełącznik „Oznaczanie tożsamości”.
3. „Język wzorca głosu” w ustawieniach transkrypcji plików jest zgodny z językiem wybranym podczas dodawania próbek.

Po spełnieniu powyższych warunków tag mówcy w wyniku rozpoznawania zostanie automatycznie zastąpiony prawdziwym nazwiskiem wprowadzonym do biblioteki wzorców głosu.

5. FAQ i rozwiązywanie problemów

• P: Dlaczego wyniki rozpoznawania pokazują tylko Speaker_0, Speaker_1 zamiast imion i nazwisk?
  O: Sprawdź kolejno trzy punkty w sekcji „Jak wykorzystać wzorce głosu podczas transkrypcji”. Najczęstszą przyczyną jest zapomnienie o włączeniu „Oznaczania tożsamości” lub niezgodność języka wzorca głosu.
• P: Nazwiska są oznaczone, ale nieprawidłowo przypisane do niewłaściwych osób?
  O: Spróbuj zwiększyć „Próg dopasowania rozpoznawania” (w obszarze „Diaryzacja mówców i oznaczanie” w Ustawieniach transkrypcji plików) lub dodaj ponownie wyraźniejsze próbki wzorca głosu dla danego mówcy.
• P: Liczba automatycznie rozpoznanych osób jest nieprawidłowa?
  O: Zaleca się ręczne określenie „Liczby mówców” w ustawieniach. Jeśli korzystasz z trybu automatycznego, możesz doprecyzować „Próg klasteryzacji”, aby kontrolować wrażliwość systemu na różnice w dźwięku.