为了纪要里一句话是谁说的，我回放录音十一分钟：后来把转写标签测了八轮

周一散会我干了一件特别亏的事：拖进度条听了十一分钟录音，只为确认"周五之前给供应商答复"是小李说的还是老王说的。七个人轮着发言，声音里没有任何可点的线索。

后来我用阿里云百炼命令行里的 bl speech recognize 加了个分离开关，转写每行自带说话人标签。但标签能不能信？我拿合成的多人对话测了八轮（对话用平台预置音色合成，谁说的每句脚本里记着），记三个坑和一套用法。

坑一：三人会只分出两个标签

三人九句的对话，转写回来十行、两个标签。老王和老周的话挂在同一个标签下，小李单独一个。

这比串一句严重：串一句是某句话记错人，并标签是一整段发言记错人。纪要里写"Speaker 0 承诺印外盒"，按锚定对应到老王，承诺人就从老周变成了老王，全程没有告警。

我还试了告诉命令"有三个人"，输出和不告诉逐行相同。人数提示不生效，别指望它纠偏。

坑二：长录音会多出一个不存在的人

两人十五句、约 75 秒的录音，转写二十二行、三个标签。多出来那个标签拿了五句话，不是边角料。

纪要里会出现一个没参会的人发言五次。结合坑一看：标签数既可能少也可能多，不能当人数用，真实人数拿签到核。

坑三：一句话能被劈成两个人

八句快交替（一句一换人）转写九行。老周的"第五件，先改三个品"被停顿劈成两行，前半挂他的标签、后半挂小李的。

按行归名的纪要里，这句变成两人各说半句。两半各自读着都通顺，比串一句更难发现。碎片行要和相邻碎片配对归名，别逐行认。

能用的部分：两人对话加锚定

两人六句那轮，六句里五句标签对，串了一句短的。但两个自我介绍句（"我是老周""我是小李"）标签都对。

用法就从这里来：拿自我介绍句当锚，把标签对应到人名；承诺类、数字类、争议类句子回听抽查；转写和录音同档存着，带名字的句子能翻回时间点。十一分钟回放变成两三分钟抽查。

数字那块也要知道：中文数字全变阿拉伯数字（十五天变 15天、三月五号变 3月5号），口述电话连写成十一位数字串加转接号，形似手机号，对外公布前回核。转写还会并句加字、逗号变问号，对外引用原话别只信文本。

锚句缺失时的开场十秒

锚定用法有个前提：会上得有人自我介绍。现实里熟人间开会没人报名字，锚句就缺了。我的补法很便宜：开会前花十秒让每人说一句带名字的话，"我是老周，我先说结论"这种，专门留给转写当锚。

十秒换整场归属可锚定，比散会后十一分钟回放便宜得多。访谈和客服质检这类本来就要报姓名的场景则天然有锚，直接用。

两个不必用

单人发言的录音不必开分离，独白虽然不多给假标签，但并句加字照样发生。只要文字不要归属的（字幕、检索素材）也不必开，普通转写更干净，开关是纯增量的，不开零成本。

还有一个友好的失败值得记：拿同步模型开分离，命令本地就拦下，退出码 2，报错里点名了支持分离的异步模型。不浪费调用还指路，比那些安静的错标签体贴多了。

数字会变样，电话会变连写

同一段转写里我埋了数字哨兵：十五天、三十天、十二个月、三月五号、百分之十二，还有一句口述电话。回来全是阿拉伯数字：15天、30天、12个月、3月5号、12%，电话连写成 13800001234转6。

进表是方便，但回核录音时会发现说的和写的不一样。电话那条最要留意：口述的停顿没了，连写串形似手机号，纪要里直接抄可能误导拨号的人。我现在数字照抄转写形态，对外联系的号码一律回核一遍再发。

收尾

现在我的纪要顺序固定了：转写带标签存档；锚定句对应人名；承诺、数字、争议三类回听；其余按标签归名。三人以上的会，标签只当抽查排序用，归属结论人工下。

它替我省掉的是听，没替我省掉确认。标签是线索不是结论，它错的时候也给一个干脆的标签，不会说"这句我不确定"。

命令行从CLI 安装页装，Key 在控制台密钥管理页领。想试就拿一段自己的两人对话录音跑一次，看标签和你记得的对不对得上。所有读数在可复跑的探针脚本里，合成音频与标准答案都存了档。