Elysia Tools
导航
Media
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。
详情
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。
执行
填写表单、运行工具，并在同一页面查看结果。
案例
相关内容
等待运行
工具使用指南
说话人轮次检测器是一款专为音频剪辑与复核设计的工具，通过分析相邻语音窗口的频谱平衡、过零率和电平，自动标记音频中可能出现的声学轮次变化，并支持导出 JSON、CSV 或 SRT 格式的近似时间线。
背景
需要处理一段长达一小时的双人访谈播客音频，手动寻找两人对话的交替点非常耗时。
问题
快速获取两人发言交替的近似时间点，以便在音频编辑软件中快速切分音轨。
如何使用
上传播客音频文件，将灵敏度设置为“均衡”，最短轮次设为 1.0 秒，导出格式选择“CSV 时间线”。
{
"audioFile": "interview_podcast.mp3",
"sensitivity": "balanced",
"minimumTurnSeconds": 1.0,
"exportFormat": "csv"
}结果
获得一份 CSV 文件，清晰列出了每次声音发生明显变化的时间戳，帮助剪辑师快速定位发言切换点。
背景
录制了一段双人对话的科普视频，需要为视频制作字幕，但手动打时间轴效率低下。
问题
自动划分对话区间，生成初步的字幕时间轴框架。
如何使用
上传视频的音频轨，将灵敏度设为“灵敏”，最短轮次设为 0.8 秒，导出格式选择“SRT 轮次标记”。
{
"audioFile": "dialogue_audio.wav",
"sensitivity": "sensitive",
"minimumTurnSeconds": 0.8,
"exportFormat": "srt"
}结果
导出包含粗略时间轴的 SRT 文件，导入字幕软件后只需填入文本即可，大幅缩短了字幕制作时间。
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。
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 JSON 时间线、CSV 时间线以及 SRT 轮次标记文件。
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。
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。