在线说话人分离，标注对话中的不同声音 | WhisperX
理清对话中的每次发言，核对标签后，为能够确认的说话人命名。
本网站为独立运营的非官方服务，与 WhisperX 作者及 OpenAI 无关联。
结果详情与原始输出
听原音，对照真实模型输出
以下短合成录音由真实 WhisperX 引擎处理。示例文字保留英语，便于对照原始录音核对。这些示例用于展示操作流程，并非真实场景下的准确率测试。
先核对声音，再填写姓名
此流程使用 WhisperX large-v3，并执行强制对齐。建议先找每位参与者一段较长、清楚的发言。重命名会修改整个分组的显示名；如果某段发言的说话人分配有误，需要单独修改该片段。检测到的分组数不保证等于实际参与人数。
点击时间戳，回听需要核对的片段
WhisperX 在语音识别后进行对齐，估计每个词在录音中的位置。点击可用的时间戳，即可回听上下文。部分词可能没有可靠时间。修改文字不会重新执行对齐，也不会生成新的实测时间戳；需要区分模型输出与人工修订时，请保留原始 JSON。
说话人分离：理清每段话是谁说的
说话人分离按同一段录音中的声音对发言分组。先听录音，再为能够确认的说话人填写姓名。相似声音、简短回应和重叠发言都可能导致错误。标签不能验证身份，也不能跨文件识别同一个人。
导出文字、结构化数据或字幕
TXT 适合阅读，JSON 保留结构化数据，SRT 和 VTT 可导入字幕工具。TXT 和 JSON 保留说话人信息；SRT 和 VTT 不会自动加入说话人姓名。编辑或再次下载现有结果不额外消耗分钟。字幕以独立文件导出，不会烧录进新视频。
支持哪些录音语言
免费试用支持英语。付费后可转录英语、西班牙语、法语、德语、意大利语、葡萄牙语、中文和日语。转录保留录音原本的语言，不提供翻译。切换界面语言不会增加可转录的录音语言。
三步完成转录
- 1
上传你有权处理的录音，选择录音语言，按需开启说话人标签。
- 2
核对时长和费用后开始处理，任务会保存在你的账户中。
- 3
回听、修订并下载，保留原始输出或导出核对后的版本。
文件格式与限制
支持 MP3、WAV、M4A、FLAC、OGG、MP4、MOV 和 WebM。一次性试用含 5 分钟，单个文件最多 100 MB、5 分钟；付费账户单个文件最多 500 MB、60 分钟。处理自己的文件需要登录，不支持通过外部链接获取音视频，也不支持实时录音。
文件私有，及时下载结果
结果仅对你的账户开放。试用任务保留 7 天，付费任务保留 30 天，请在任务显示的到期时间前下载。录音会交由外部推理服务处理，并非在浏览器本地运行。开始前预留所需分钟，成功交付结果后结算；失败任务会释放预留额度。
选择适合的工具
WhisperX 使用指南
常见问题
哪些格式保留说话人标签？
TXT 会在每段带标签的发言前显示说话人的显示名称。JSON 保留说话人映射、发言归属和可用时间。SRT 和 VTT 不会自动添加姓名。
能把同时说话的两个人分成独立音轨吗？
不能。本工具生成转录文字，不为每人生成独立音轨。重叠发言可能造成遗漏或错误标签。说话人分离不额外收费。
这是 WhisperX 官方网站吗？
不是。本站是独立的非官方托管服务，开源项目由 GitHub 上的 m-bain/whisperX 单独维护。
不安装软件也能处理自己的录音吗？
可以。上传及处理自己的文件需要账户。模型在外部服务上运行，你无需准备 GPU 或模型令牌。
会把录音翻译成其他语言吗？
不会。转录保留原本的语言。试用支持英语，付费后另支持西班牙语、法语、德语、意大利语、葡萄牙语、中文和日语。
编辑和再次下载还收费吗？
编辑和下载现有结果不额外消耗分钟。重新发起转录是一项新任务，需要另行确认费用。
时间戳和说话人一定准确吗？
不一定。部分词可能没有可靠时间，说话人也可能分组错误。请回听核对。修改文字不会生成新时间，标签也不验证身份。
可以粘贴 YouTube 链接吗？
不可以。请上传你有权处理的文件，本站不抓取外部媒体链接。