多人发言也能言之有「主」！腾讯云语音实时说话人分离上线

你是否也曾在这样的场景中感到无力？↓↓↓

一场线下头脑风暴会上，小陈（产品）、小李（运营）、老张（市场）、王哥（研发）......你一言我一语，讨论得热火朝天。

然而，当会议结束，负责整理纪要的小陈面对录音文件时，却陷入了一阵绝望——刚才那句话是谁说的？这个观点是王哥提的还是小李补充的？像一个声音的漩涡，全部发言纠缠在一起无法分离开。

事实上，类似的困境并非个例：在访谈、会议、客服等依赖“对话内容”的业务场景中，从销售拜访录音到客服工单沟通，从项目进度汇报到创意头脑风暴，只要涉及多人实时交互，声音混叠带来的“谁在什么时候说了什么”难题就会反复出现，导致信息沉淀效率低下。

听声辨人，言之有“主”

信息的价值，往往与它的清晰度成正比。当多人对话的精华混杂在一起，其价值可能大打折扣。

近日，腾讯云语音产品团队推出了一项全新能力——实时说话人分离，在实时语音识别的基础上，新增声纹聚类能力，可以实时对说话人角色进行分离，达到“边说边出文字边识别角色”的效果，广泛适用于会议记录、AI录音机、多人字幕等对准确性与时效性要求高的应用场景。

你可能会问，这不就是语音识别（ASR）吗？

是，也不是。

传统的语音识别（ASR）重点在于“听清说什么”，但它通常将所有人的声音混为一谈，转写出一份单一的文本。而实时说话人分离技术，核心在于解决“谁在什么时候说了什么”这一难题。

在实际场景中，传统ASR与实时说话人分离都面临复杂声学环境干扰的挑战，如背景噪音（会议室回声、户外杂音）、语音重叠（多人同时说话）、音频失真（麦克风收音差异）等，都会严重破坏声纹特征。

基于腾讯云自研算法模型和全链路技术优化，实时说话人分离支持实时场景下多人说话声音的精准分离、稳定追踪与自然断句。

01/ 高精度声纹识别

基于前沿神经网络声纹模型，通过“预训练+微调”模式提升模型的泛化能力和准确性，配合自研高效推理引擎优化计算效率，实现又快又稳的声纹特征提取。

02/ 动态自适应聚类

采用改进型在线增量聚类算法，可实时计算新语音片段与现有说话人特征的相似度，自动动态新增或合并聚类，且聚类标签稳定不篡改历史结果，确保多人交互场景下结果的连贯性。

03/ 实时特征更新抗漂移

模型能够持续学习和适应声纹变化：以秒级间隔持续更新说话人声纹特征，并实时跟随语速、语调的自然变化，可以有效避免长时间通话中因声音状态变化而引起的识别错误。

04/ 语义连贯的精准断句

将上下文语义和标点信息纳入说话人转换中，在确保说话人标注准确的同时，兼顾语义的完整性和断句的准确性。

05/ 快速响应与特征强化结合

模型在实时处理音频的同时，持续积累并强化对说话人特征的记忆，兼顾响应速度与识别准确性，提升对不同说话人的分辨能力。

接入腾讯云语音实时说话人分离能力后，我们就可以从一段多人音频里获取结构化信息：

说话者1（00:01:23）: 我们下半年应该加大目标群体的广告投放。

说话者2（00:01:27）: 我同意增加营销投入，但重点在哪些渠道？

说话者1（00:01:31）: 社交媒体是主要的流量阵地，可以筛选一些新媒体、短视频领域KOL合作。

说话者3（00:01:42）: 如何评估这里的ROI呢？有没有什么案例。

.......

看，一切变得如此清晰；技术，本该如此轻盈且有力。

开箱即用，告别混沌

目前，腾讯云语音实时说话人分离能力已上线腾讯云官网，支持API形式接入，开箱即用。

当然，这项能力不仅用于“整理会议纪要”。在AI时代，实时说话人分离技术正在重塑更多场景，帮助我们从每一段对话中挖掘真正的价值：

在访谈调研领域。过去做完一场三人焦点小组访谈，光是人工区分发言者、逐段打轴就要耗费大半天。现在，实时说话人分离可自动精准区分主持人与嘉宾声纹，实时转写对话内容并按发言人自动拆分归类，工作量被大幅压缩。这意味着，更多精力可以投入到调研本身，而非繁琐的整理。

在医疗问诊领域。门诊医生边听患者表述边敲病历是常态，人工速记难免有遗漏。实时说话人分离将医患对话按角色实时转写：患者说了什么症状、医生在哪个部分作出判断，全程留存，形成可追溯、可复查的结构化诊疗记录。

在商务拜访领域。成交的秘密藏在对话里，实时说话人分离将销售与客户的发言逐一拆解，让团队能够清晰复盘顶级销售在关键节点的应对逻辑——话术结构、节奏把控、转折时机，每一次拜访对话，都沉淀为可分析、可复制的成交样本。

随着语音技术迭代加速，实时说话人分离技术也将展现出更广阔的应用前景。当每一个声音都能被清晰地听见、被准确地归属，团队的智慧才能形成合力，客户的反馈才能转化为行动，信息的价值才能被最大化释放。

面对声音洪流，让我们一起，告别混沌，让每一次对话都言之有主，价值分明。

腾讯云语音实时说话人分离企业需求登记（也可点击文末【阅读原文】跳转）：

实时说话人分离API文档：

https://cloud.tencent.com/document/product/1093/131127

加入腾讯云ASR官方交流群↓

图片

首批最高等级认证！腾讯云慧眼通过中国信通院深度合成检测评测 | 别再说 OCR 不行了！！！| 国内首批！腾讯云慧眼荣获 PIA二星+ 认证 | 腾讯混元图像3.0上线LiblibAI，为千万创意工作者创作加速 |混元生图3.0上线腾讯云：修图指哪改哪，编辑精准可控 | 成本暴砍50%！鹅厂高工深度拆解AI编程模型Token节省技巧 | 低至1.3折起！腾讯云AI产品新春大促来了→ | 让你的🦞学会“创作”！腾讯云混元AIGC系列产品Skills上架技能社区 | 从剧本到成片一站搞定！腾讯云推出AI真人剧生成方案 | 五部门按下"AI+教育"加速键，腾讯云端AI能力如何落地每一间教室？