说话人分离Speaker diarization

转成什么 · 待核

ElevenLabs「Speaker diarization, up to 32 speakers」· Gemini「Speaker diarization (identifying different speakers)」· FunASR 生态把它与 ASR 并列

各家叫法：diarization · speaker · 说话人 · 分角色同一件事，各家名字不同。我们自己就因为按字面去搜而误判过 —— Kling 管角色参考叫 Element、LTX 叫 Ingredients，按 Character Reference 去找会一无所获，然后把「没找到」写成「官方没说」。

asr：谁实现了

ElevenLabs

ElevenLabs Scribe v2

🎯 全轨唯一给了上限数字的：最多 32 个说话人。别家只说「支持分离」。

ElevenLabs · Models官方来源核验版本 v2核验于 2026-08-15机器录入

OpenAI

Whisper large-v3

模型卡没有说话人分离。⚠️ HF 榜上 `pyannote/speaker-diarization` 下载量 938 万，那是另一个模型，通常和 Whisper 搭着用 —— 「搭配能做」不等于「它能做」。

无来源 —— 这一格是「查了没找到」，不是「我们没查」核验版本 large-v3核验于 2026-08-15机器录入

阿里巴巴

SenseVoice Small

⚠️ 不能照抄那句工具箱清单。 模型卡写的是「SenseVoice is part of the FunASR ecosystem — one industrial-grade open-source toolkit for ASR · VAD · punctuation · speaker diarization · emotion / event · LLM-ASR」—— 那是整个 FunASR 工具箱的能力，不是 SenseVoiceSmall 这一个模型的。拿它去填「说话人分离」就是把工具箱的本事记到模型头上。要填这一格，得读 SenseVoice 自己那一节。

无来源 —— 这一格是「查了没找到」，不是「我们没查」核验版本 Small核验于 2026-08-15机器录入

阿里巴巴

Qwen3-ASR 1.7B

⚠️ 整行未核：立项当天只核到仓库存在与下载量（1.7B 419 万 / 0.6B 416 万，均建于 2026-01-28），模型卡正文还没逐条读。这是「还没读」，不是「读完没找到」。

无来源 —— 这一格是「查了没找到」，不是「我们没查」核验版本 1.7B核验于 2026-08-15机器录入