# 说话人轮次检测器

标记语音频段音频中可能的声学轮次变化，并导出近似时间线。

> 标准页面: https://elysiatools.com/zh/tools/audio-speaker-turn-detector

- **分类:** Media

- **关键词:** 说话人轮次, 说话人分离, 声音变化, 音频时间线

## 概述

该确定性分析比较相邻语音窗口的频谱平衡、过零率和电平，用于剪辑与复核。它不识别人物、不执行说话人分离，也不证明每个标记都是说话人变化。

## 输入项

- **音频文件** (file): Select dialogue or interview audio
- **灵敏度** (select)
- **最短轮次（秒）** (number)
- **导出格式** (select)

## 适用场景

- 在进行双人或多人访谈录音剪辑，需要快速定位发言交替的时间点时。
- 在制作视频字幕前，需要粗略划分对话区间以提高时间轴对齐效率时。
- 需要导出音频中声音变化的声学特征时间戳数据进行二次分析时。

## 工作原理

- 上传需要分析的语音频段音频文件（支持常见音频格式）。
- 根据音频特征选择检测灵敏度（保守、均衡或灵敏），并设定最短轮次时长（0.2至30秒）。
- 系统通过确定性算法对比相邻语音窗口的频谱平衡、过零率和电平变化，识别声学特征的显著切换点。
- 根据选择的导出格式（JSON、CSV 或 SRT），生成并下载包含近似轮次时间线的数据文件。

## 使用案例

- 播客与访谈音频剪辑：快速标记主持人与嘉宾的发言交替点，辅助剪辑师快速定位并切分音频。
- 字幕制作前期准备：导出 SRT 格式的轮次标记，为后续的手动听写和字幕对齐提供基础时间轴。
- 会议记录整理：通过 CSV 或 JSON 时间线，快速了解会议中发言交替的频率和粗略时间分布。

## 常见问题

### 这个工具能识别出具体是谁在说话吗？

不能。本工具仅通过声学特征检测声音变化，不执行说话人分离，也无法识别说话人的具体身份。

### 为什么有些明显的说话人切换没有被检测到？

这可能与灵敏度设置或最短轮次时长有关。您可以尝试调高灵敏度，或缩短“最短轮次”参数以捕捉更短的发言交替。

### 支持导出哪些格式的时间线？

支持导出 JSON 时间线、CSV 时间线以及 SRT 轮次标记文件。

### 什么是“最短轮次（秒）”参数？

该参数用于设定判定为一次新发言的最小持续时间，避免将短暂的呼吸声、停顿或噪音误判为说话人轮次交替。

### 为什么导出的时间线与实际说话人切换有轻微偏差？

本工具采用基于频谱和电平的确定性分析，提供的是近似时间线，主要用于辅助剪辑与复核，无法保证百分之百的绝对精确。

## 相关工具

- [底鼓/贝斯相位对齐器](https://elysiatools.com/zh/tools/audio-kick-bass-phase-aligner): 比较底鼓与贝斯在低频段的时间/相位关系，报告偏移与极性，并导出采样级对齐后的修正轨道。
- [远程嘉宾录音救援](https://elysiatools.com/zh/tools/audio-remote-guest-rescue): 降低远程嘉宾录音中的房间混响、背景噪声、箱体感和发闷问题。
- [语音活动分割](https://elysiatools.com/zh/tools/audio-voice-activity-segmentation): 检测可能的语音频段活动，并将语音/非语音区间导出为 JSON、CSV、SRT 标记或 FFmpeg 剪切列表。
- [音频削波区域导出器](https://elysiatools.com/zh/tools/audio-clipping-region-exporter): 检测数字削波，并导出带时间码的平顶失真区域，用于去削波修复或剪辑备注。
- [插入静音](https://elysiatools.com/zh/tools/audio-insert-silence): 在指定时间插入静音
- [访谈电平匹配器](https://elysiatools.com/zh/tools/audio-interview-level-matcher): 匹配主持人/嘉宾(或任意两条人声)之间的响度,同时保留自然动态。
- [歌手音频变调器](https://elysiatools.com/zh/tools/audio-key-change-for-singers): 按目标调或半音将歌曲移调，同时保持时长和速度。
- [音频咂嘴声检测修复](https://elysiatools.com/zh/tools/audio-mouth-click-finder): 面向唇音、口水咔嗒、咂嘴声和旁白短促点击声的检测式修复。

## 示例

- [无版权FLAC音频样本](https://elysiatools.com/zh/samples/flac-samples): 用于测试与开发的 FLAC 无损音频样本集合，包含自然声音与冥想音乐
- [无版权MP3音频样本](https://elysiatools.com/zh/samples/mp3-samples): 免费使用和测试的无版权音频样本集合，包括自然声音、冥想音乐和环境音频，适用于测试和开发目的
- [无版权WAV音频样本](https://elysiatools.com/zh/samples/wav-samples): 用于测试与开发的未压缩 WAV 音频样本集合，包含自然声音与冥想音乐
- [语音学习与安全音频样例](https://elysiatools.com/zh/samples/audio-learning-safety-samples): 用于发音对比、听写预检、警报降质和隐私变声工具的确定性合成 WAV 输入。

## 相关内容

- [播客录制、剪辑与交付](https://elysiatools.com/zh/hubs/podcast-recording-editing-delivery): 修复远程嘉宾声音，清理口播瑕疵，完成剪辑、母带、广告标记、响度检查和平台交付预检。