播客说话人分离会把一份混合对话录音,拆成每位说话人各自的、时间对齐的 WAV 音轨。 如果手里只有单声道或立体声混音,却需要单独调整主持人、嘉宾或某次插话,这个流程会比较有用。如果已经有干净的独立麦克风录音,应优先使用原始分轨。
哪些情况适合使用
以下情况可以考虑说话人分离:
- 远程录制平台只提供了混合录音。
- 嘉宾的声音始终比主持人轻。
- 需要局部调整插话或简短应答的音量。
- 某位参与者的录音带有明显的房间串音。
- 视频剪辑需要单独控制对话,但没有保留下多轨音频。
如果每支麦克风已有干净且同步的本地音轨,就不必再分离。原始独立录音通常比重建音轨保留了更可靠的细节。
剪辑师会拿到什么
| 输入素材 | Seply 的输出或设置 | 剪辑用途 |
|---|---|---|
| 一份播客混合录音 | 每位检测到的说话人各一条 WAV | 将所有文件放在时间轴的同一起点 |
| 已知两人参与的节目 | 标准模式可设为 2 人;高级模式自动检测 | 分别检查两个人的声音,再平衡音量 |
| 人数不确定、有人临时加入的讨论 | 自动检测得到的音轨 | 试听时确认说话人并添加标签 |
| 原始视频文件 | 提取或上传其中的音频进行处理 | 将分离 WAV 放回视频时间轴 |
Seply 的输出与原录音保持时间对齐。建议同时导入原始混音,放在静音的参考轨道上。
Seply 公开示例
对比原始混音与各说话人音轨
19 秒 · 两位说话人
这是 Seply 首页使用的同一组公开示例,只展示一段录音的结果,不代表通用准确率。
从试用到完整节目的处理顺序
1. 先检查一段有代表性的短片段
处理整期节目之前,先检查约一分钟的素材,包含正常轮流对话、一次插话和噪声最明显的部分。20 积分最多可用于约 2 分钟的标准模式处理,通常足够做一次有代表性的试验。
2. 使用损伤较少的混合录音
如果有尚未混入背景音乐的对话导出文件,优先使用它,而不是配乐很响的母带。上传获授权的源文件;人数固定时,在标准模式中设置已知人数,并查看积分预估。高级模式自动检测人数。标准模式每开始 1 分钟扣除 10 积分,最低 10 积分;高级模式每开始 1 分钟扣除 60 积分,最低 60 积分,且需要先完成一次购买。计费前,服务端会将测得时长四舍五入到整秒,请以处理前显示的预估为准。购买选项见价格页面。
3. 标记音轨并抽查内容
先听开头、中间和结尾,再逐一检查标记出的同时说话片段。确认同一个人的声音没有在不同音轨之间错位,重要语句也没有缺失。
4. 放回对话上下文中剪辑
先调整片段增益,再考虑压缩。只在受影响的语句处降低插话音量,不要因为另一人正在说话,就把整条音轨强行关断。少量自然串音有时比突兀的静音更顺耳。
5. 交付前保留原始素材
保留原始混音和工程文件。Seply 会将已完成任务的原始媒体和说话人音轨私密保存 30 天,提前删除则会结束访问。请在此期限内下载 WAV 文件。
分离不能解决哪些问题
说话人分离也不会生成节目简介或字幕。需要文字时,请使用带说话人日志的语音转文字。说话人分离与说话人日志指南介绍了两者的区别。
如何作出实际选择
能向录制方索取独立原音轨时,先获取原始分轨。如果只剩混合文件,可以通过分离获得更多编辑空间,再以尽量少的调整让对话更清楚。剪插话之前,先阅读多人同时说话的处理指南;文件准备与试听细节见分离操作指南。
只需要主持人或嘉宾一方的声音?单人声音提取指南介绍了如何确认正确说话人并下载其音轨。
格式与限制
- 支持的输入格式
- 标准模式:WAV, MP3, M4A, AAC, FLAC, MP4, MOV.
高级模式: WAV, MP3, M4A, AAC, FLAC, MP4, MOV。MP4 和 MOV 内必须是 AAC 或 PCM 音频。 - 输出
- 每位检测到的说话人各一条时间对齐的 WAV 音轨
- 上传限制
- 文件不超过 1 GB;高级模式时长不超过 90 分钟
- 计费步长
- 标准模式:每开始 1 分钟使用 10 积分,最低 10 积分。高级模式:每开始 1 分钟使用 60 积分,最低 60 积分。
计费前,服务端会将计算出的时长四舍五入到整秒。 处理前请核对积分预估。高级模式需要先完成一次购买;试用积分可用于标准模式。
私密处理
上传文件和结果仅对登录账户开放。
结果可访问 30 天
已完成任务的原始媒体和结果私密保存 30 天,提前删除则结束访问。
安全交付结果
完成后的文件会通过你的登录账户私密提供,供你试听和下载。
只上传你拥有或已获得处理授权的录音。