声纹与说话人管理

声纹库是 Owl Meeting 实现"知道谁在说话"的核心功能。通过预先录入每个人的声音样本，系统在文件转写时可以自动识别并标注发言人姓名，还能为不同的人指定最合适的识别模型。

最后更新：2026-04-21 · 文档语言：简体中文

1. 新增说话人

1. 进入左侧工具栏的 [声纹库]。
2. 点击 [添加人员]，填写姓名（必填）和备注（可选）。
3. 为该说话人 指定识别模型：当开启文件转写中的 [智能模式] 时，系统会自动使用此处指定的模型来识别该说话人的语音。
声纹库管理界面

2. 添加声纹样本

1. 选中一个说话人，点击 [添加音频]。
2. 选择一段包含该说话人清晰人声的音频文件。
3. 在裁剪窗口中设置开始/结束时间，可点击试听确认。
4. 选择 [声纹语言] ：中文样本选 [中文]，英文样本选 [英文]。其他语言可根据语系选择最接近的一个。
5. 点击保存，系统会自动提取声纹特征并关联到该说话人。
声纹样本添加与裁剪

样本采集最佳实践

• 音频质量：选择背景安静、只有目标说话人声音的片段，避免多人同时说话的段落。
• 时长建议：每段样本 5~30 秒即可。过短特征不够，过长无额外收益。
• 多段样本：一个说话人可以添加多段样本。如果同一个人在不同场景（如面对面/电话）下音色差异较大，添加多段不同场景的样本可以提高识别率。
• 语言匹配：添加样本时选择的语言，必须与文件转写设置中的 [声纹语言] 一致，否则匹配会完全失效。中英文声纹模型的特征空间互不兼容。

3. 日常维护

• 可随时修改说话人的姓名、备注和指定模型。
• 可切换查看不同样本并直接试听。
• 删除样本时会同时清理对应的本地音频文件。

4. 声纹库如何在转写中生效

声纹库主要在 离线文件转写 中发挥作用。要让转写结果自动显示说话人姓名，需要同时满足以下条件：

1. 分段方式选择 [说话人] 。
2. 开启 [身份标记] 开关。
3. 文件转写设置中的 [声纹语言] 与添加样本时选择的语言一致。

满足以上条件后，识别结果中的说话人标签将自动替换为声纹库中录入的真实姓名。

5. 常见问题排查

• Q: 识别结果只显示 Speaker_0、Speaker_1，没有名字？
  A: 请逐一检查上方"声纹生效条件"中的三项设置。最常见的原因是忘记开启 [身份标记] 或声纹语言不匹配。
• Q: 名字标注出来了，但张冠李戴？
  A: 尝试提高 [识别匹配阈值]（在文件转写设置的 [说话人分离与标记] 区域），或者为对应说话人重新添加更清晰的声纹样本。
• Q: 自动识别出的人数不对？
  A: 推荐在设置中手动指定 [说话人数量] 。如果使用自动模式，可微调 [聚类阈值] 来控制系统对声音差异的敏感度。