在会议记录场景中，真正让人头疼的往往不是听不清录音内容，而是回听了大量音频后，依然分不清每句话到底是谁说的。无论是责任追溯、核心观点提炼，还是会议纪要整理与归档，只要“谁说了什么”这个基础环节没有处理好，后续整理工作很容易全部返工。讯飞听见的说话人区分功能并不是依靠简单猜测，而是基于一套完整的识别闭环：先做声纹建模，再结合智能上下文辅助识别，最后通过人工校准完成收尾，三步配合下来，说话人归属通常会更加准确。

提前录入声纹，让系统“记住每个人的声音”

这一步非常关键，相当于整个会议转写和说话人识别的基础准备。如果没有提前录入声纹，系统通常只能根据音色进行大致分类，遇到语速接近、声线相似的参会者时，就很容易混淆。一旦完成声纹录入，AI会将声音拆解为20多个维度的声学特征，即使同一个人在情绪起伏较大或刻意压低声音时，系统依然能保持较高的匹配稳定性。

实际操作也很简单：打开讯飞听见PC客户端，点击左上角的【账号】，进入【说话人管理】，然后点击【新增说话人】。接着输入真实姓名或便于识别的代号，例如“财务部陈总监”“技术组小王”，再根据提示匀速朗读10秒引导文本即可完成声纹录入。

【背景噪音超标会导致声纹特征提取失败，后续所有标注都可能错位】——这一点一定要特别注意。录入环境尽量保持安静，像键盘敲击声、空调风噪、走动杂音这类干扰声，最好提前处理掉。系统支持每人录入一条声纹，最多可保存10条，覆盖大多数日常会议场景已经完全足够。对于经常参会的同事，建议在会前统一录入；如果是临时加入的人员，会后补录也可以。

录音时必须开启“区分说话人”，并选对模式

这一点很容易被忽视，但影响非常直接：如果在实时录音时没有启用“区分说话人”功能，那么系统会默认把全部内容归到“发言人1”名下，后期再想按说话人回溯拆分，基本上很难准确完成。

通常有两种方式可以实现。第一种：在网页端或客户端进入【实时录音】页面后，不要急着点击【开始录音】，先进入【设置】按钮，勾选【区分说话人】。语言选项要根据实际会议情况选择普通话或对应方言模型，比如粤语会议就选择粤语模型。设备方面，麦克风建议优先使用外接指向性设备，例如讯飞AI录音卡或罗德Wireless GO II双麦，都能更好提升会议录音与说话人识别效果。第二种：直接使用【双人会谈】模式。该模式默认开启【区分说话人】功能，而且并不局限于两个人使用，即使三人以上轮流发言，系统也能自动分配S1、S2、S3等说话人编号。

会后校准角色绑定，修正识别偏差

录音转写完成后，还需要进行最后一步精细校准。在文本页面左侧的说话人列表中，点击任意未命名的“发言人1”“发言人2”标签旁边的【编辑】图标，输入真实姓名或角色名称，例如“主持人”“客户代表”，确认即可。如果发现某一段发言内容被错误分配给了其他人，只需长按该段文字，选择【重新分配说话人】，再从列表中选中正确角色即可完成修正。

这一步的实际操作并不复杂，通过拖动即可快速调整发言归属，但务必要在导出会议记录之前完成——【导出后无法反向修改说话人标签】。这个细节如果忽略了，后续会议纪要整理、责任确认以及内容归档都可能需要重新处理。