海螺ai不支持实时多用户语音识别与说话人分离，所有通道均为单人交互架构，需用分段录音+otter.ai、whisper.cpp本地部署或万兴喵影波形标记等替代方案。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
海螺AI语音通话当前不支持实时多用户语音识别与自动说话人分离，无法在一次通话中同步区分并标注不同真人说话者。若你正组织三人以上线上会议并希望AI实时转录、标记每人发言，需绕过原生功能限制，采用分段录制+外部工具标注的组合路径。
确认海螺AI原生能力边界
这一步必须先做，避免后续操作白费力气。海螺AI所有语音通道（网页端/APP端/SDK）均仅设计为“单人对AI”交互架构，底层ASR模型未部署声纹聚类模块，也无麦克风阵列信号分离能力。即使接入USB会议麦克风或调音台，系统仍会将混合音频流当作单一说话人处理。
进入语音通话界面后，右上角齿轮设置中【无】“多人识别”“说话人分离”“会议模式”等选项。若看到类似入口，必为第三方插件或旧版UI残留，实际点击后无响应或跳转至Otter.ai合作页。
【多人同场语音输入时，海螺AI必然将所有声音合并识别为同一说话人，且无法回溯拆分】
替代方案一：分段录音+Otter.ai后处理
适用于3人以内、发言顺序清晰、无重叠对话的场景。操作链路短，准确率高，成本为Otter.ai免费账户每月300分钟额度。
第一步：关闭海螺AI语音通话，改用手机自带录音机或QuickTime（macOS）录制完整会议音频，格式选MP3或M4A，采样率保持48kHz。
第二步：访问otter.ai→上传该音频→勾选【Enable speaker identification】→语言选“Chinese (Mandarin)”→等待转录完成。
第三步：在Otter.ai编辑界面手动校正说话人区块——点击某段文字左侧色块→选择“Assign to Speaker 2”→拖动时间轴微调起止点。此步不可跳过，因自动分离在中文多人对话中错误率超40%。
第四步：导出SRT文件→用文本编辑器打开→删除时间戳行→保留“[Speaker 1]”“[Speaker 2]”前缀→将纯文本粘贴回海螺AI对话框，AI可据此上下文理解角色关系并生成摘要。
替代方案二：Whisper.cpp本地部署带说话人标签转录
方法一：使用whisper.cpp内置diarization分支（需编译支持PyTorch）
下载whisper.cpp源码→执行make BUILD_DIA=true→运行命令：./main -m models/ggml-base.bin --diarize --output-srt meeting.wav。输出SRT文件含Speaker A/Speaker B标签，但中文支持弱，需搭配中文声纹模型微调。
方法二：用pyannote.audio做声纹分割+Whisper做ASR（推荐）
安装pyannote.audio→加载预训练diarization模型→对meeting.wav执行说话人切分→按片段截取音频→逐段送入Whisper API转录→用Python脚本合并结果并添加Speaker前缀。此路径准确率最高，但需基础Python环境，首次配置耗时约45分钟。
【务必禁用Whisper的--language zh参数，改用--language auto，否则中文方言混合时声纹分割失效】
替代方案三：万兴喵影波形人工标记
适合无编程基础、追求100%可控性的用户。万兴喵影免费版已内置音频波形编辑器，可肉眼识别不同人声频谱特征（男声基频集中于85–180Hz，女声集中于165–255Hz），手动打点标注。
导入会议音频→点击“音频轨道”→开启“显示波形”→拖动时间轴观察振幅突变点→在疑似说话人切换处按Ctrl+M（Windows）或Cmd+M（macOS）打标记→右键标记→选择“添加字幕”→输入“[张经理]”或“[李工]”→批量导出为SRT。
这一步操作起来很简单，直接把文件拖进去就行。但注意：波形法对重叠发言无效，若两人同时开口，必须暂停播放听辨后再标记。
