跳到正文

说话人分离

播客说话人分离:分别调整主持人与嘉宾的声音

将混合播客录音分成时间对齐的主持人和嘉宾音轨,便于调整音量、处理插话,并保留原始混音作为参照。

作者
Seply 编辑团队
发布于

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

0:00 / 0:19已选择 原始混音

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。