技术
Speaker Diarization
说话人分离，指从一段多人对话音频中自动判断“谁在什么时间说话”，并切分出各说话人的语音片段。
详细解释
该技术起源于语音识别与说话人识别研究，通常结合语音活动检测、说话人嵌入提取和聚类或端到端神经网络，将音频按说话人分段并标注身份。它广泛用于会议转写、客服质检、庭审记录等场景，常与ASR串联以生成带说话人标签的文本。
别名与相关写法
speaker diarization
说话人分离，指从一段多人对话音频中自动判断“谁在什么时间说话”，并切分出各说话人的语音片段。
该技术起源于语音识别与说话人识别研究，通常结合语音活动检测、说话人嵌入提取和聚类或端到端神经网络，将音频按说话人分段并标注身份。它广泛用于会议转写、客服质检、庭审记录等场景，常与ASR串联以生成带说话人标签的文本。