Luel Multi-Speaker Separation

Luel Multi-Speaker Separation 是 Luel 的多人说话人分离产品：把一段多人对话录音拆成每人一条独立音轨。产品博文：https://www.luel.ai/blog/luel-multi-speaker-separation 。目前处于封闭测试（closed beta）。

动机：播客、会议、访谈与通话通常只有混在一起的单轨；只能整体调音量，无法单独抬出某个人。该产品接收录音后，为每位说话人返回整段时长的干净单人轨。

要点：

• 训练数据来自 Luel 贡献者网络的真实对话（停顿、笑声、语速变化、远近麦），而非仅干净短片段；
• 官方在留出训练外测试通话上自报：每人都能分到自己的轨、无人被换到别人轨；独白段落在正确轨上约 99.3%；
• 硬件轻量：在普通云 GPU 上大约实时（一小时音频约一小时处理）；支持 2–4 人、最长约 90 分钟、最高 48 kHz，输出采样率与输入一致；
• 额外输出说话时间线；笑声、咳嗽等非人声可落到单独「非人」文件；
• 当前最强于轮流发言；串话、共享房间麦、更多语言等仍在后续路线图；多数测试为英语。

解决什么问题

混录对话难以单独编辑、转录、配音或做说话人级训练数据。分离后可只改一人、按人转录/配音、研究话轮，或把长时间真实对话变成可用语料。

设计与能力边界

• 强调整段一致性：同一人在整小时录音中保持同一轨，而非只在短窗内聚类；
• 自报指标来自 Luel 留出通话测试，完整结果见其模型页；
• 局限：约四分之一的长双人通话可能多出一条背景声或碎片轨，使用前应人工听轨；
• 封闭测试，需申请访问。

与 Luel Speech 的关系

同属 Luel 音频产品线，但目标不同：Speech 是低资源语言 TTS；本产品是多人对话分离。

适合谁

• 播客/会议后期、采访整理、通话质检；
• 需要按说话人切分语料的 ASR/语音数据团队。

如何上手

1. 阅读 https://www.luel.ai/blog/luel-multi-speaker-separation 与模型页结果；
2. 向 Luel 申请 closed beta，并说明音频类型（人数、时长、语言）；
3. 输入 2–4 人、建议不超过 90 分钟的录音；处理后逐轨试听，尤其注意可能的多余轨；
4. 将分离轨接到编辑、转录或数据管线，并为 Review/异常轨预留人工流程。