Detecție și diarizare speaker

Identificați și etichetați automat diferite vorbitori în transcripțiile audio și video. Știți exact cine a spus ce.

Funcționează cu audio și video disponibil public. Conținutul DRM-protectat nu este suportat.

Upgrade pentru îmbunătăţire
Transcription privată
Discutați cu transcripție
Deschide cu Pro →
Aruncă fișierul aici sau click pentru a naviga
MP3, WAV, M4A, FLAC, MP4, MKV, MOV, WebM — până la 2GB
Upgrade pentru îmbunătăţire
Transcription privată
Discutați cu transcripție
Deschide cu Pro →
Upgrade pentru îmbunătăţire
Înregistrarea: 0:00
În timp real Vosk (instant)
Îmbunătățit Whisper (exact)
Legături publice: 24h, text doar · Înscrie-te pentru audio 7d + · Pro pentru legături private

Discursul în timp real la text. AI corectează automat în timp ce vorbiți — precizia îmbunătățește cu discursul mai lung.

Testează-ţi primul microfonul.
❤️ Love STT.ai? Tell your friends!
Ţi-ai folosit transcripţiile libere.

Inregistreaza-te gratis pentru a primi 600 de minute, sau upgrade de la 5$/luna pentru mii de minute.

10 min/zi gratis 600 min gratuit cu înscriere Nici o carte de credit Cifrat
Inscrie-te gratis →

Ce este Diarizarea Speaker?

Diarizarea speakerului este procesul de partizionare a unui flux audio în segmente în conformitate cu identitatea speakerului. În termeni mai simpli, răspunde la întrebarea "Cine a vorbit când?" This is essential for multi-speaker recordings like meetings, interviews, podcasts, conference calls, and legal proceedings where knowing who said what is just as important as what was said.

STT.ai uses advanced neural speaker diarization models that can detect and label speakers in real time. The system creates speaker embeddings -- numerical representations of each voice's unique characteristics -- and clusters them to distinguish between different people. This works even when speakers have similar voices or frequently interrupt each other.

Cum funcționează detecția speaker

1. Detectarea activităţii vocale

Sistemul identifică mai întâi ce segmente de audio conțin voce versus tăcere, muzică sau zgomot de fundal.

2. Incorporarea speakerului

Fiecare segment de vorbire este transformat într-un incrustat de vorbitor -- un vector compact care capta caracteristicile vocale unice ale speakerului.

3. Clusterarea și etichetarea

Incorporările sunt agrupate la segmente grupate de la același vorbitor împreună, apoi fiecare cluster este atribuit o etichetă (Speaker 1, Speaker 2, etc.).

Cazuri de utilizare pentru detectarea speaker

Transcriere ședință
Etichetați automat fiecare participant în înregistrările de întâlnire. Generați minute cu atribuția clară a cui a spus ce.
Transcriere Podcast
Distingerea între gazdă și oaspeți în episoadele de podcast. Creați notițe de afișare cu atribuția de speaker adecvat.
Interviu Transcription
Răspunsuri separate de interviu și interviu pentru cercetare, jurnalism și documentație de angajare.
Legală & Conformitate
Creați înregistrări oficiale de depuneri, auziri și apeluri de conformitate cu identificarea clară a vorbitorilor.

Detecția speaker pe STT.ai

Speaker detection is available on all paid plans. When you transcribe audio or video with speaker detection enabled, the transcript will include speaker labels inline with the text. You can also export speaker-labeled transcripts in all supported formats including SRT, VTT, DOCX, JSON, and PDF.

Speaker 1 [00:00:01]: Welcome to the meeting, everyone. Let's start with the quarterly review. Speaker 2 [00:00:05]: Thanks. I have the numbers ready. Revenue is up 23% quarter over quarter. Speaker 1 [00:00:12]: That's great news. Can you walk us through the breakdown?

The system can detect up to 20 distinct speakers in a single recording. For best results, ensure each speaker has at least a few seconds of solo speech. Overlapping speech is handled but may reduce accuracy in heavily cross-talked segments.

Încearcă acum detectarea speaker

Încarcă o înregistrare multi-speaker și vezi speaker-ul automat etichetat.

Începe traducerea liberă

Întrebări frecvente

detecție de vorbitor rulează în browserul tău: încoace o URL, încarcă un fișier sau înregistrează de la microfonul tău STT.ai alege modelul IA și returnează transcriptionul în mai puțin de 5 minute. Exportă ca TXT, SRT, VTT, DOCX, JSON sau PDF.

Da — fiecare vizitator are 600 de minute libere pentru a începe pe STT.ai, utilizabil pentru detecție de vorbitor la fel ca orice alt flux de lucru. Planurile platite începând cu 5$/luna deblocare fișiere mai lungi, transcripții private și coada prioritară.

detecție de vorbitor se execută pe aceleași modele de IA ca restul STT.ai – cele mai bune modele ajung la precizia 95-97% pe discurs curat (3-5% Rata de eroare Word pe benchmarks).

detecție de vorbitor poate rula pe oricare dintre cele STT.ai modele + 10 – STT.ai îmbunătăţite (mai precis), Whisper Large V3 (99 de limbi), NVIDIA Canary (#1 WER pe languri suportate), Whisper Turbo (velope), Luna (ponderea luminoasă), și mai mult.

Da. Fiecare transcriere exportă ca SRT sau VTT - lucrează cu YouTube, Vimeo, TikTok, VLC, și fiecare video player major. Instrumentul de ardere-subtitles le suprapune pe video ca hardsubs.

Da. Diarizarea speakerului etichetă automat fiecare voce (Speaker 1, Speaker 2,...) și le puteți renomi în editorul integrat. Lucrează în toate modelele și limbile.

Cele mai multe detecție de vorbitor de locuri de muncă se termină în mai puţin de 5 minute. Un fișier audio de 1 oră se completează în 2-3 minute cu cele mai rapide modele noastre. Viteza depinde de modelul ales și încărcare curentă GPU.

detecție de vorbitor acceptă 20+ formate — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, și mai multe. Produsă la TXT, SRT, VTT, DOCX, JSON sau PDF.

Da. Fişierele audio transmise la detecție de vorbitor sunt prelucrate şi șterse prin defect. Pro planuri adaugă criptarea de la client - chiar dacă baza de date STT.ai este încălcată, transcripţiile sunt nelegibile fără cheia ta. Datele nu sunt folosite niciodată pentru formarea modelului fără opti-in explicit.

Da. STT.ai oferă o API REST cu Python și Node.js SDKs, plus un server MCP pentru Claude și Cursor — toate utilizabile pentru detecție de vorbitor fluxuri de lucru. Nivel API gratuit include 100 minute/luna.

Da. Fiecare transcriptare se deschide în editorul integrat unde puteți corecta cuvintele, renomați speakers, ajustați timelor orare și adaugă notițe. Toate modificările salvează automat.

Fiecare transcriere obține o URL unică împărțibilă. Exportă în DOCX sau PDF pentru e-mail. Pro planuri adaugă legăturile protejate cu parola și permanente — utile pentru munca clientului.

STT.ai se ocupă de 1.300 platforme, inclusiv YouTube, Vimeo, TikTok, SoundCloud, Zoom, Google Meet, găzduitoare de podcast, și mai multe. Transcription URL funcționează doar cu conținut disponibil public — surse protejate de DRM nu pot fi transcrise.