如何给每行字幕标注说话人？Reddit 用户求解 15 人语音识别方案
dtdisapointingresult · reddit · 2026-09-23
一位 Reddit 用户正在做英文剧集字幕项目，需要为每行带时间戳的字幕标注说话人身份：约 15 位主要角色加上偶尔出现的群演，希望识别失败的角色标记为 Unknown #1/2/3 以便后续手工修正。
他愿意为每位主角提供声音样本（如 Alice.wav、Bob.wav），但不希望做更繁琐的预处理，且不限工具形态（Comfy 节点或独立工具均可）。帖子在征集适合的语音识别/说话人分离模型与工具建议。
「多模态」频道最新
- AI 短片《Pinot Noir》获赞：讲述幸存者的故事 — gen_ericai · 2026-09-23
- Artificial Analysis 推出 9 语言 TTS 竞技场:Inworld 夺中文第一 — ArtificialAnlys · 2026-09-23
- Suno Studio 内置压缩器插件上线，官方科普动态范围控制 — suno · 2026-09-23
- Midjourney + nano banana 组合出图，博主晒 AI 人像作品 — gizakdag · 2026-09-23
- Qwen Image 2.1 Turbo 现身 Hugging Face,上线速度惊人 — External_Quarter · 2026-09-23
- GPT-6 Astra 写出零和声错误的四声部巴赫风格乐曲 — 141_1337 · 2026-09-23