如何從同一段錄音中分離兩個人的聲音

要分離同一段錄音中的兩個聲音，請優先使用原始的個別說話者音軌。如果沒有，可嘗試按說話者分離音訊，並在編輯前檢查兩個輸出。

Podcast 來賓聲音太小、訪問者打斷回答，或你只想將一個人的話用於短片。如果聲音混在同一個檔案中，下一步取決於手邊還有錄音專案、個別麥克風音軌，還是只有匯出的音訊或影片。

本指南協助你選擇方法、檢查分離結果，並將需要的聲音放回剪輯中。如果目的是去掉對話背後的音樂，請先閱讀背景音樂移除指南。

01. 依錄音情況選擇方法

這是方法選擇示意圖，不是產品截圖或效能測量結果。

情況 1：你有原始音軌

開啟原始錄音專案，單獨播放需要的人所使用的麥克風音軌。確認是否仍有其他人的聲音串入，再匯出可用音軌。這能避免從完成的混音中重建聲音。

立體聲有兩個聲道，但不一定各自對應一個人。先分別聽左右聲道，再判斷是否為獨立說話者。

情況 2：兩人輪流說話

如果只需要部分發言，時間軸編輯可能就足夠。保留目標人物的片段，降低或靜音其他片段。保留每個字的開頭與結尾，並檢查剪接處的環境聲是否突然變化。

例如，從問答製作只有來賓的短片時，只有在回答本身仍能成立的情況下才刪除問題。如果移除問題會改變意思，請保留脈絡。

情況 3：兩人同時說話

將重疊的時間範圍靜音，會同時移除兩個聲音。請改用短片段測試說話者分離，並在同一時間點將各輸出與原始音訊比較。

重要語句缺失時，可改用其他拍攝版本、索取原始麥克風音軌，或選擇沒有打斷的片段。不要因為工具輸出兩個音軌，就認為所有字都已復原。

02. 說話者標籤不等於獨立音軌

說話者分段是在逐字稿中辨識誰在何時說話。例如，Google Cloud 的說話者分段文件說明如何將說話者標籤與辨識出的字詞關聯。這本身不會產生只含一個人聲音的可下載音訊檔。

說話者音訊分離則以產生個別聲音音軌為目標。選工具前，先確認實際輸出。標有 Speaker 1、Speaker 2 的逐字稿有助於文字編輯，但原始音訊可能仍混在一起。

人聲音軌又是另一種輸出：降低背景聲後，仍可能保留兩人的聲音。詳見音樂人聲移除與影片音訊分離的差異。

03. 在 Perso Dubbing 檢查個別說話者音軌

1. 選擇有代表性的片段

納入每個人清楚的一句話，以及錄音中若有的打斷情境。保留原始檔供比較。只測試簡單的開場句，無法判斷最複雜的片段是否可用。

2. 上傳檔案

開啟 Perso Dubbing Audio Separation，使用上傳區域。處理前確認頁面目前列出的檔案要求與試用條件。

3. 找到需要的輸出

處理後檢查可用音軌。需要一個人的聲音時，選個別說話者音軌。「All Speakers (Vocals)」指所有說話者合在一起的聲音，而非單一人物。

聆聽編號音軌，確認各自代表誰。不要假設 Speaker 1 永遠是主持人，也不要認為偵測出的音軌已可直接發布。

4. 比較困難的片段

播放打斷前後的原始音訊和各說話者音軌，再檢查較安靜的句子及字尾。使用下方清單判斷結果是否適合剪輯。

5. 匯出並回到影片編輯器

匯出選單列有說話者 WAV 音訊。9 月 29 日檢查時，下載提示顯示 Starter 方案可使用音軌下載；不能將免費註冊等同於免費下載。登入後工作區的 Audio Export 會將選取的音軌合成一個檔案。要匯出單一說話者，請取消其他音軌，並確認 Selected 只顯示該說話者。製作影片時，將音訊放入編輯器、與原片對齊，再將原始混合音訊靜音，以免另一個聲音重新混入。

匯出影片前，檢查開頭和後段的同步。音訊分離與影片匯出是這個流程中的兩個步驟。

04. 使用結果前應聆聽的項目

一段清楚的音訊不能代表整段錄音都通過驗證。短訪談中，一個受損的回答可能比數分鐘清楚的聲音更重要。

05. 重疊發言需要檢查的限制

內部測試使用兩個合成聲音製作約 19 秒的錄音，第二個聲音從 6.5 秒開始。登入工作區後，結果提供兩個說話者選項、帶標籤的逐字稿，以及兩個與輸入長度近似的 WAV 檔。

然而，標示 Speaker 2 的輸出在 6.5 至 10 秒是數位靜音。因此，兩個匯出檔案的存在不能證明重疊聲音已完整復原。我們尚未完成聆聽評估或驗證聲音與音軌的對應。這只是單一合成樣本的訊號觀察，不是實際訪談的效能基準，也不是分離成功示範。

實用的做法是將需要的每一句與原音比較，尤其是互相打斷的位置。檔案保留完整時長，不代表內部沒有缺少發言。

06. 如果仍然聽到聲音重疊

請用自己的檔案評估分離結果。如果需要的話語遺失，或第二個聲音仍干擾收聽，可考慮其他片段、原始麥克風錄音，或在可行時重新錄製。不要將受損句子當成準確的發言記錄。

逐字稿或配音除了檢查聲音，也要檢查說話者歸屬。獨立音軌不代表轉錄或翻譯正確。多說話者轉錄指南介紹標籤與腳本審查。

確認原始素材可用後，再進入影片配音。音訊分離檢查與翻譯腳本檢查應分別判斷。

07. 常見問題

Q. 可以分離同時說話的兩個聲音嗎？
A. 可以對混合錄音嘗試說話者分離，但要檢查每個輸出的重疊片段。有兩個標籤不代表兩個聲音都完整清楚地保留。請保留原音來比較字詞與聲音。

Q. 人聲移除工具可以從訪談中隔離一個人嗎？
A. 先確認工具如何定義「人聲」。聲音與音樂分離的輸出，可能仍包含兩個人。需要個別處理時，請找說話者音訊輸出並逐一聆聽。逐字稿標籤並不等於分離音軌。

Q. 可以將結果下載為影片嗎？
A. 本文說明的說話者下載是 WAV 音訊。完成影片需將所選音訊放入影片編輯器、與畫面对齊，並靜音原始混合音訊。9 月 29 日確認的下載提示顯示，音軌下載在 Starter 方案提供。

用自己的錄音試試 Audio Separation。開始完整剪輯前，先比較困難的片段。