Mac 访谈录音怎么转文字？本地转写、区分说话人与校对流程
用双人录音测试 VoxStudio 的说话人标签：设置选项、逐段检查归属、导出带标签的 TXT。附英文与中文实测结果、错误示例和测试限制。
作者 VoxStudio Team, 产品团队 · · 9 分钟阅读
你将完成什么
- 转写前先设置说话人选项，转写后逐段检查标签。
- 标签代表一组相似的声音，不代表姓名。给人名之前，先回听录音确认。
- 英文双人样本的每句话都归对了；中文样本多出一个标签，需要人工核对。
Mac 上能给访谈录音区分说话人吗？
可以，适用于你已经有的录音文件。VoxStudio 会把声音相近的发言归为 Speaker 1、Speaker 2 等，并给每一段标出时间范围。标签只是一组声音，不知道受访者是谁，也可能判断错。本文使用 VoxStudio 7.0.45（131）预发布版，于 2026 年 10 月 21 日在 Apple M5 MacBook Pro（32 GB 内存，macOS 27.0.1）上测试。同一测试也在 16 GB 内存的 M2 Mac（macOS 27）上完成。
测试素材是由公开语料拼接的朗读录音，不是真实访谈。英文样本有两位已知说话人 ID，VoxStudio 三次运行都把 16 句话的归属全部判对。中文样本只有两个性别标签，结果出现 3 个标签，因此我们不公布中文的准确率。
1. 使用你有权使用的录音
使用你已获得授权录制的访谈，或许可允许再用的公开数据集。访谈保持为一个文件。我们的英文样本时长 2 分 09 秒，中文样本时长 2 分 53 秒。
2. 转写前设置说话人选项
在处理选项中，把输入语言设为录音所用的语言。展开“高级设置”后，说话人数量默认为自动检测。界面提示说，预期人数会与结果比对，多出的声音仍会保留，因此这个设置不会强制合并成固定的标签数。识别人物默认为“保持说话人匿名”，除非你手动选择，否则不会附上姓名。字幕分段保持关闭，以便得到完整逐字稿。我们只测试了自动检测和匿名标签。要自动识别已登记的人物，请参阅文末来源列表中的声音库指南。
3. 英文结果：两个标签，十二段
十二个轮次的归属全部正确。有些段落包含同一人连续的两句话，例如开头第一段就包含该人的两句。引用单句时，先核对该段的时间范围。
三次运行的文字和标签逐行比对完全一致。引用前重跑一次是很便宜的检查。
4. 导出带说话人标签的 TXT，便于引用
打开“导出”，选择“转写 · 原文 · TXT”，再勾选“带说话人标签”。在这个版本中，选择 SRT 时导出面板不再提供说话人标签选项，因此不要依赖 SRT 字幕来判断谁说了什么。
5. 中文结果：两个性别标签，却出现三个说话人标签
中文样本出现了三个标签。有两段同时混入了两个参考声音，因此单个标签不能保证每句话都正确。文字也有错误：转写写成“Gauterberg 403 路”，参考文本是“Scotturb 403 路”；“但俄语也被广泛使。”则缺了“用”字。中文输出请当作初稿，对照录音逐句检查。
我们无法从参考文本判断第三个标签是错误，还是真的另有一位说话人。FLEURS 只提供性别标签，不提供说话人 ID，而且同一性别里可能有多个人。要评估中文的准确率，需要带已知说话人 ID 的录音。
6. 操作演示：从导入到导出带标签的文字
什么时候要怀疑标签
- 两人声音相近，却合成一个标签 — 声音接近、房间嘈杂或远程通话都可能把两人合并。回听发言交接的位置。
- 同一段声音被拆成两个标签 — 中文样本开头，同一参考声音的两句话得到了不同标签。合并前先用耳朵比对。
- 段落不等于轮次 — 段落依据应用的分段，不一定代表说话人切换。中文结果中有两段同时包含了两位说话人的话。
- 人名与数字 — 中文输出里的地名和人名出现错误。引用前请对照录音逐一核对。
- 短回应与打断 — 本文没有测试重叠说话。一两个字的回应和打断通常最容易出错，请逐条检查。
复现这次测试
来源与下一步
常见问题
说话人标签能告诉我是谁在说话吗？
不能。它只是把相似的声音归为一组。回听每个标签，再改成真实的人名。一两个字的回应和打断最容易出错。
你们测试过真实访谈吗？
没有。两段样本都是公开语料的朗读录音，只有两种声音，没有重叠。依赖标签之前，请用你自己的录音测试。
SRT 字幕能显示谁在说话吗？
在这个版本中，SRT 导出面板没有说话人标签选项。需要标注引用来源时，请导出带说话人标签的 TXT。
相关 Mac 功能
先用一段录音试一次
准备一段你有权使用的短录音，对照录音逐段检查说话人标签，再决定引用哪些内容。接入与试用条件请见当前价格页面。 下载 Mac 版 · 查看价格与试用（英文）
VoxStudio Team — 我们开发 VoxStudio。本指南公开实际操作、测试范围和可复现的文件；不以单一样本代表所有录音的效果。