Luel 推出多人语音分离模型：一段混录对话，按人拆成独立音轨
语音数据公司 Luel 于北京时间 10 月 22 日凌晨发布 Luel Multi-Speaker Separation，可把一段多人对话录音拆成每人一条独立音轨（最高 48 kHz），另附笑声咳嗽等杂音轨和「谁在何时说话」的时间线。支持 2-4 人、单段最长 90 分钟，处理速度约等于录音时长，目前为封闭测试，需申请 API 密钥。
语音数据公司 Luel 在北京时间 10 月 22 日凌晨通过官方 X 账号和官方博客发布了 Luel Multi-Speaker Separation（多人语音分离）。它做的事情很直接：输入一段所有人声音混在一起的对话录音，输出每个人各自一条音轨。
根据官方博客和模型说明页，要点如下：
- 输出内容：每人一条与原录音等长、时间对齐的音轨（别人说话时为静音），另有一条「其他声音」轨收纳笑声、咳嗽等，外加记录谁在何时说话的时间线文件；
- 规格：支持 WAV、FLAC、MP3 输入，最高 48 kHz，按原采样率返回；不用手动设置人数，适用 2-4 人、单段最长 90 分钟；
- 速度：大约「录多久处理多久」，1 小时音频约需 1 小时，不支持实时；
- 官方测试：在训练集之外的 36 通真实通话（共 121 人，每通 3-4 人）上，官方称每个人都分到了自己的音轨、没有出现串轨，这是官方自测数据；
- 局限：官方坦言首版在轮流说话时效果最好，抢话、同一房间共用麦克风和多语言仍在改进，测试以英语为主；部分长时间双人通话会多出一条背景声或碎片音轨，建议逐轨试听后再用；
- 获取方式：目前为封闭测试，需向官方申请 API 密钥，上传文件 7 天后删除；官方未公布价格。
对创作者意味着什么： 做访谈播客、对谈类视频和直播切片的人，常见麻烦是多人共用一条录音，后期很难单独调某个人的音量、降噪或剪掉口误，字幕识别也容易把人认错。如果一条混录能拆成每人一轨，就可以像多机位录音一样分别处理，还能只给其中一位嘉宾做翻译配音。不过它目前只开放 API 封闭测试，主要面向开发者，中文效果官方没有给出数据；有需要的团队可以先申请试用，拿一期自己的中文节目实测串轨和抢话情况，再决定要不要接进剪辑流程。
信息来源：Luel 官方博客（本文为编辑整理改写）
