AI 转写把人记错了？用双人练习校对说话人标签

一句话每个字都对，仍可能被记在另一位说话者名下。整理双人访谈时，先把“说了什么”和“谁在说”分开核对，才能避免把提问、反对意见或承诺交给错误的人。这个练习要交付一份带修改原因的转写稿，重叠且听不清的部分继续保留疑点。

适合谁：需要校对双人访谈、口述记录的创作者。准备耳机、可回放的播放器和一份保留原版的转写稿。下文的文字演练可以直接完成；若自行录制，需要两位知情同意的参与者，以及获准使用、支持说话人区分的转写工具。本文不生成真实录音，也没有产品实测。

先把 A 和 B 当作标签

Google Cloud 的官方说明把说话人区分描述为检测声音变化并赋予编号。这类编号帮助组织转写，不能单凭编号知道现实身份。工具可能把 A 编成 Speaker 2；只要全段映射一致，编号大小不影响核对。

开始时为两位参与者各留一段清楚、无重叠的参照声音，记为 A、B。真人姓名需要独立确认和授权，不能按音色猜姓名、性别、职业或熟人身份，也不能因为一句话“像负责人会说的”就修改标签。

用七段材料练习找错

以下是人为编排的对照材料和错误稿，并非任何软件输出。前六段设定为已由人工确认，最后一段设定为重叠难辨。可把前六句当台本请两人交替读，第七段同时说短句；真正录制后，必须重新回听建立对照，不能直接把台本当实际说出的内容。下列时码仅作示意。

人工对照记录（虚构）
S01｜00:00–00:04｜A：我把蓝色样本放在左边。
S02｜00:05–00:09｜B：我负责记录，不移动样本。
S03｜00:10–00:14｜A：今天只测两个盒子，先别拆封。
S04｜00:15–00:19｜B：我记下了，两个盒子都保持封口。
S05｜00:20–00:24｜A：第二轮再换位置，现在不要换。
S06｜00:25–00:29｜B：那我先拍一张照片，记录现在的位置。
S07｜00:30–00:32｜重叠：仅可辨认“等一下”，归属无法可靠判断。

待校错误稿（人为设置）
S01｜A：我把蓝色样本放在左边。
S02｜A：我负责记录，不移动样本。
S03｜A：今天只测四个盒子，先别拆封。
S04｜B：我记下了，两个盒子都保持封口。
S05｜B：第二轮再换位置，现在不要换。
S06｜B：那我先拍一张照片，记录现在的位置。
S07｜A：等一下。

先自行比较两份材料，给每段分别标记“文字问题”和“标签问题”。一段可以同时出错，也可以一项正确、另一项待定。不要用一个笼统的“准确率”把这两类错误混在一起。

让 AI 整理差异，证据由人提供

把两份材料连同下面指令发送给获准使用的 AI。实际项目如果只提供文本，工具无法回听声音；它只能整理你已经确认的听辨记录，不能把推测包装成声学判断。

请比较“人工对照记录”和“待校错误稿”，按 S 编号逐段整理。
分别写出文字是否一致、说话人标签是否一致，以及需要改什么。
只根据提供的人工对照修改，不按句意、职位、男女声音或前后轮次猜人。
保留 S 编号和已有时码；不能确定时写“待回听”，不要补出没有听清的话。
S07 是重叠未定片段，不准强分配给 A 或 B。
最后输出修订稿和修改记录。统计前六段中的文字错误段数、标签错误段数，并单列未定片段。
这些统计只是本练习的分段计数，不要宣称模型识别准确率或专业评测分数。

真实录音应先完整听一遍建立参照，再逐段检查。某段标签可疑时，回放前后几秒，与已确认的 A、B 参照段比较；不要只听孤立的一个“嗯”。若换人发生在一段中间，应按实际声音变化拆段，保留两段原位置，而不是把整段归给先开口的人。

参考答案只修该修的地方

S01｜00:00–00:04｜A：我把蓝色样本放在左边。
S02｜00:05–00:09｜B：我负责记录，不移动样本。
S03｜00:10–00:14｜A：今天只测两个盒子，先别拆封。
S04｜00:15–00:19｜B：我记下了，两个盒子都保持封口。
S05｜00:20–00:24｜A：第二轮再换位置，现在不要换。
S06｜00:25–00:29｜B：那我先拍一张照片，记录现在的位置。
S07｜00:30–00:32｜重叠，归属待定：可辨片段“等一下”；其余未确认。

修改记录：
S02：A → B；文字不变。
S03：“四个”→“两个”；标签 A 不变。
S05：B → A；文字不变。
S07：撤下确定标签 A，恢复为归属待定。
前六段：文字错误 1 段；标签错误 2 段。
另有重叠未定片段 1 段，不作为已核实段计入分母。

这组数字只说明人为设置的练习错误。它们不是词错误率，也不是按发言时长计算的说话人区分错误率；换分段方式就可能改变段数，更不能据此比较产品优劣。

在转写工具里怎样落地修订

若已有适用的 Microsoft 365 账号，可参考 Word 官方转写说明：在网页版的 Home → Dictate → Transcribe 中上传音频，完成后按时间位置回放，在 Edit transcript section 内修改文字或标签并确认。官方说明网页版需联网并使用 Edge 或 Chrome。

先确认账号确实有该入口和所需语言。官方列有普通话简体中文，并说明订阅类型、平台与上传分钟额度有限制；这不是无需订阅的通用免费服务。无需为本练习临时购买账号，没有入口就继续用本地播放器和文字对照。地区、租户及账号限制以当时实际可用功能为准。

修 S02 时只改这一段。Word 支持“Change all Speaker [x]”批量替换，但只有全篇已经确认同一编号始终对应同一人时才适合使用。局部串人若直接全局替换，会把原本正确的段落一起改坏。先保存原稿，再改副本，保留每处原因。

遇到不确定就停在证据边界

两位说话者都被合成一个标签时，先用清楚片段建立参照，再逐段复核；别把整份稿机械地按 A、B 交替分配。重新转写只能提供另一份候选，不能证明第一次必错、第二次必对。抢话、笑声或极短回应仍无法区分，就保留时段和“归属待定”，重要内容请参与者核实或重新录制。

验收与隐私：前六段的文字与标签分别通过，S07 保留未定，原稿与修订记录都能回查。真实材料上传前须确认参与者同意和组织政策；Word 官方说明录音会保存到 OneDrive 的 Transcribed Files 文件夹，修改正文不会自动移除音频。分享文字与分享声音应分别检查权限。资料查阅于 2026 年 10 月 17 日。