需先确认录音是否支持说话人分离：iPhone用户检查是否开启“实时语音留言”且系统为iOS 17.4+，第三方App需订阅含“speaker diarization”权限；Pixel用户需Android 14 QPR3+并在Recorder中开启“说话人标注”；否则须用PyAnnote Audio预处理或Gemini双阶段提示强制对齐；所有自动结果必须人工逐句核对语气词重叠、抢话及口音偏移，并导出带标签的TXT。
☞☞☞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☜☜☜
你需要把一段Laper电话录音里的多人对话，准确标记出谁说了哪句话，避免张冠李戴导致信息错乱。
确认音频是否支持说话人分离
先打开录音文件所在App（如iPhone“备忘录”中的“通话录音”文件夹），点开录音→播放几秒→观察界面是否自动出现“说话人 1”“说话人 2”字样。如果完全没有标签，说明当前设备或系统未启用该功能，不能跳过这一步直接标注。
iPhone用户需确认：已开启“实时语音留言”，且录音发生在iOS 17.4及以上版本；若用的是第三方App（如Otter、Tactiq），须检查其订阅计划是否包含“speaker diarization”权限——【免费版通常不提供说话人自动区分】。
用Gemini API手动注入说话人边界
适用于已有RTTM格式切分结果，或能用PyAnnote Audio预处理的场景。
方法一：上传带时间戳的结构化文本
将PyAnnote输出的RTTM行（如SPEAKER file0 1 2.300 1.500 spk-00）转为可读段落，例如：[00:02.3–00:03.8, Speaker_A] “我们下周三能签合同吗？” → 把这段文字连同原始音频一起提交至Gemini Advanced接口，在system_instruction中写明：“请严格按所提供的时间段和说话人ID输出最终转录，不得合并、重排或改写。”
方法二：用双阶段提示强制对齐
第一步先让Gemini识别原始音频，得到无标签文本；第二步把该文本粘贴进新会话，输入提示：“以下是一段电话对话转录，请根据语义连贯性、称谓变化（如‘王经理’‘李总’）、应答逻辑（问句后紧接答句）和常见职场话术习惯，将每句话分配给最可能的说话人，并标注为A或B。不要添加原文没有的内容。”
在谷歌Recorder中开启自动标注
仅限Pixel手机用户，且系统更新至Android 14 QPR3或更高版本。
第一步：打开Recorder App → 点击右上角“≡” → 进入“设置” → 找到“说话人标注”开关并开启。
第二步：录制新通话时，界面顶部会出现彩色语音波形条，不同颜色代表不同说话人；回放时，每段识别文本左侧自动显示“说话人 1”或“说话人 2”。
第三步：长按某段文字 → 点击“编辑说话人” → 可手动更正误标（例如把“说话人 2”改为“客户张伟”）。注意：【修改仅影响当前备忘录，不会同步更新其他录音】。
人工校对与导出带标签文本
无论用哪种工具生成初稿，都必须听原音频逐句核对。重点听三类易错点：语气词重叠（如两人同时说“嗯”）、静音间隙短于0.8秒的抢话、方言口音导致的ASR识别偏移。
导出时选择“含说话人标签的TXT”格式，确保每行以“[Speaker_A]”或“[客户]”开头，换行分隔。若需插入Word或Excel，复制后粘贴时勾选“保留文本格式”，避免标签被吞掉。
