Meet妙记的说话人标签稳不稳，主要取决于录音文件里各人的声音有没有在音轨或声道上分开。线上会议如果各端音频在录制阶段就独立成轨，标签就有明确的输入依据；线下会议如果几个人共用一支麦克风，声音在进入文件之前就混在一起，后面只能靠声纹去猜。所以顺序是：先按线上、线下两种布置把音源分开，导入后再用说话人数量、左右声道对应关系做验证，达不到预期就如实记录为音源限制。
线上会议优先确认录制是否支持按参会者分轨，只有一路合成音频时，远端多人会被当作同一个输入，标签稳定性受限；线下会议按人数分麦，让相邻发言人不共用同一支麦克风，或用双声道把两组人分到左右轨。导入 Meet妙记 后，先比对识别出的说话人数与现场人数，再听左右声道确认标签是否按声道分开；任一步不达预期先记录为音源限制，再用同一段会议换摆法复测。
| 场景 | 布置目标 | 常见做法 | 导入后的判断依据 | 主要局限 |
|---|---|---|---|---|
| 线上会议 | 各端声音独立成轨 | 开启会议软件的分轨录制、各参会者独立音频文件 | 导出目录出现多个音频文件，或容器内有多条音轨 | 软件只提供混轨录制时，远端多人无法按人分开 |
| 线下会议 | 相邻发言人不共用输入 | 两人一麦、每人一麦、桌面全向麦 | 识别出的说话人数接近现场人数，左右声道各自对应一组人 | 全向麦把全场收成一路，标签只能依赖声纹 |
线上会议确认各端音频是否独立
开会前先在会议软件的录制设置里找“分轨录制”“分别录制每位参会者”“单独音频文件”这类选项，通常在本地录制或云录制的高级设置中。勾选后录一轮短会，导出看结果：得到多个音频文件，或一个容器里有多条音轨，说明各端声音是分开的，远端多人有机会被分到不同标签。
如果导出只有一路合成音频，例如单个音频文件或一条立体声轨，那远端多人的声音在会议侧已经混在一起，本地无法再按人拆开。这种情况应记录为限制：写清会议软件名称、录制方式（本地还是云端）、导出的音频文件数量，后续对标签误差的预期要放低，只能依赖声纹区分。
导入前可以用 ffprobe 确认音轨和声道数量，在录音所在目录执行：
ffprobe -v error -show_entries stream=index,codec_type,channels -of default=nw=1 meeting.mp4输出里只有一条 audio、channels=2，一般是左右声道混音；出现多条 audio stream，才可能是各端独立音轨。channels=2 本身不代表分轨，需要结合导出文件数量和会议软件的说明一起判断。
线下会议按人数分配麦克风
线下会最容易踩的坑是多人围着一支麦说话，声音进文件时已经是一路，说话人标签只能靠声纹猜。布置时按人数选摆法，核心目标是让相邻发言人的声音不共用同一个输入。
- 两人一麦：适合人数少、座位固定、发言基本按顺序的小型会议。话筒放在两人中间，两人间距拉开到各自拾音范围的主轴内，尽量避免同时开口。
- 每人一麦：适合人数较多、发言交叉频繁、需要明确区分谁说了什么的会议。前提是调音台或录音接口的数量够，并注意相邻麦克风的距离，减少串音。
- 桌面全向麦：适合小型圆桌、人数不多、发言不密集的场景。摆一台省事，但全场声音会收成一路，人物区分主要依赖声纹，人数一多标签就容易合并。
拿不准选哪种时，可以先按“相邻发言人不共用输入”这个原则排一版座位和麦克风，再进第 5 步复测。麦克风的指向性和摆放高度差异较大，建议结合场地实测再定。
录音导入后先看说话人数量
录音导入 Meet妙记 后，先不要逐句改错字，第一步是看转写结果里识别出了几个说话人。把这个数量和现场实际人数对齐：现场 5 个人，转写里只出现 2 到 3 个标签，通常说明音源分离度不够，或者有人说话太少被合并；转写里出现明显多于现场人数的标签，则可能是同一人被拆成多个。
建议按下面几项做一次记录，复测时可以直接对照：
- 会议名称、录音文件名、录制时间。
- 现场实际发言人数，全程未发言的人可单独备注。
- 转写识别出的说话人标签数量，以及大致对应关系。
- 差异描述：哪几个标签疑似同一人，哪个人完全没有独立标签。
差异本身就是判断依据。差得多，先回去检查第 1、2 节的音源布置，而不是在转写页面里反复手动改名。
双声道录音检查左右轨对应关系
线下用两支麦克风分别接左右声道，或者线上会议的分轨音频有左右两路时，需要确认转写有没有按声道分开，而不是把左右轨当成同一个人。做法是用耳机只听左声道，让左侧的人说话；再只听右声道，让右侧的人说话。
- 左右声道各自对应一组人，转写里应出现两组不同的说话人标签，说明声道被当成了独立输入。
- 左右两个人在转写里仍归到同一个标签，说明系统没有按声道区分，应记录为限制，后续不再指望靠双声道拆人。
不确定录音是不是真双声道时，可以先拆成单声道文件分别导入验证，在录音目录执行：
ffmpeg -i meeting.wav -af 'pan=mono|c0=c0' left.wav
ffmpeg -i meeting.wav -af 'pan=mono|c0=c1' right.wav分别把 left.wav 和 right.wav 导入 Meet妙记，看两边的说话人标签是否不同。两边标签一致，说明原来的区分主要来自声纹，而不是声道。
用同一段会议复测两种摆法
换摆法之后，用同一段会议内容复测，才能比较标签稳定性。步骤大致如下：
- 挑一段 5 到 10 分钟、多人轮流发言、有少量交叉对话的片段，内容和长度固定。
- 按摆法 A 录一遍，导入 Meet妙记，逐条数出错标数量，例如把甲的话标成乙、同一人被拆成两个标签，各记一次。
- 换摆法 B，让同一批人用相近的语速和座位复录同一段内容；不方便复录时，选内容类型相近的另一段，并在记录里注明。
- 同样导入后数错标数量和标签跳变次数，两次结果放在一起对照。
- 哪一版标签更贴合实际发言顺序，就采用哪一版；差异不明显时，优先选施工简单、可重复执行的摆法。
复测只比较两次录音之间的相对差异，具体错标数量会随内容、口音和场地变化，不建议把它当成固定指标。如果两种摆法都差，通常说明音源本身没有分开，需要回到线上分轨或线下分麦重新布置。