# Nhận diện người nói khi phiên âm để biết ai nói đoạn nào

> Nhận diện người nói khi phiên âm link, file: diarize=true thêm Speaker 1, Speaker 2 trong JSON, TXT, SRT, VTT, không phụ phí.

Canonical: https://transcript1.com/vi/features/nhan-dien-nguoi-noi-phien-am
Language: vi
Last updated: 2026-10-19

Nhận diện người nói khi phiên âm giúp bạn theo dõi các lượt trao đổi trong phỏng vấn hoặc bản ghi cuộc họp. Thêm diarize: true để mỗi đoạn có nhãn Speaker 1, Speaker 2… Bạn biết đoạn nào thuộc cùng một giọng, nhưng vẫn cần tự xác định tên người nói.

- Nhãn Speaker 1, Speaker 2 trên từng đoạn
- Giữ nhãn trong JSON, văn bản, SRT và VTT
- Dùng cho link video được hỗ trợ và file tải lên

## Phân biệt các giọng trước khi sắp xếp cuộc trò chuyện

### Bật ngay lúc tạo job

diarize mặc định là false. Đặt true trong POST /v1/transcriptions hoặc truyền diarize cho công cụ transcribe qua MCP.

### Phân biệt giọng từ âm thanh

Tính năng này cần AI xử lý âm thanh. Khi source=auto và diarize=true, API bỏ qua phụ đề có sẵn của nền tảng.

### Nhãn đi cùng từng câu

JSON có transcript.speakers và trường speaker trên từng segment. Văn bản và SRT thêm tiền tố Speaker 1:; VTT dùng thẻ giọng nói.

### Có thể đọc nhãn ở mức từng từ

Thêm include=words khi lấy JSON để đọc mốc thời gian từng từ và người nói tương ứng.

### Không âm thầm bỏ tùy chọn

source=captions không dùng cùng diarize=true. API trả 422 invalid_request thay vì tự bỏ một trong hai tùy chọn.

## Bật nhận diện người nói trong file ghi âm

Đặt diarize: true trong body JSON. Nếu tải file bằng multipart, gửi diarize làm một form field. Xem [tùy chọn diarize](https://transcript1.com/vi/docs/sources-and-options#diarize) để chọn source phù hợp.

Bật tùy chọn này cho phỏng vấn, tọa đàm hoặc cuộc trò chuyện giữa người dẫn và khách mời. Một ghi chú chỉ có một người nói thường không cần. Nhãn giúp phân biệt lượt nói, không tìm tên người, nhận ra tài khoản hay xác thực giọng nói.

Bạn cần chọn diarize ngay khi tạo job vì nó thay đổi cách xử lý âm thanh, không giống việc đổi định dạng tải về sau đó. Với source=auto, API chuyển thẳng sang AI thay vì lấy phụ đề. File tải lên luôn dùng AI, nên không phụ thuộc nền tảng có phụ đề hay không.

### Tải file kèm tùy chọn diarize

```
curl -X POST "https://api.transcript1.com/v1/transcriptions?wait=60" \
  -H "Authorization: Bearer $TRANSCRIPT1_API_KEY" \
  -F file=@panel.m4a \
  -F diarize=true
```

## Đọc nhãn người nói từ từng segment

transcript.speakers liệt kê các nhãn; trường speaker trong mỗi segment cho biết giọng nào nói đoạn đó. transcript_source là speech_to_text vì phụ đề không có thông tin người nói. [Cấu trúc phản hồi API](https://transcript1.com/vi/docs/api-reference#the-transcription-object) giúp bạn đưa các trường này vào ứng dụng.

Nghe lại bản ghi rồi mới gán Speaker 1, Speaker 2 cho người tham gia. Lưu bảng đối chiếu trong ứng dụng hoặc bản xuất đã chỉnh sửa. Speaker 1 của bản ghi khác có thể là người khác; nhãn chỉ có ý nghĩa trong từng transcript.

Dùng trường speaker để hiển thị hội thoại, hoặc include=words nếu cần mốc thời gian chi tiết hơn. Dù thay cách trình bày, hãy giữ thời điểm bắt đầu và kết thúc để người đọc quay lại âm thanh gốc. JSON dưới đây chỉ minh họa cấu trúc, không phải lời của một cuộc tọa đàm cụ thể.

### JSON rút gọn với nhãn người nói

```
{
  "status": "completed",
  "transcript_source": "speech_to_text",
  "transcript": {
    "speakers": ["Speaker 1", "Speaker 2"],
    "segments": [
      { "start": 0, "end": 3.4, "speaker": "Speaker 1", "language": "en", "text": "Good morning." },
      { "start": 3.4, "end": 7.9, "speaker": "Speaker 2", "language": "en", "text": "Thanks for having me." }
    ]
  }
}
```

## Giữ nhãn người nói trong file phụ đề

format=srt thêm Speaker 1: trước câu; format=vtt dùng thẻ giọng nói. Với format=text, mỗi segment là một dòng có nhãn. So sánh [SRT và WebVTT](https://transcript1.com/vi/features/tao-file-srt) trước khi chọn cho trình phát của bạn.

Hãy mở thử file trong trình phát hoặc phần mềm dựng video bạn sẽ dùng. Mỗi nơi có thể hiển thị thẻ giọng nói và tiền tố khác nhau. Nhãn hữu ích trong bản ghi nghiên cứu chưa chắc nên xuất hiện trên mọi dòng phụ đề; bạn có thể chỉnh cách hiển thị trong file hoặc ứng dụng.

Tiếng nhạc, micro đặt xa và người nói chồng lên nhau đều có thể làm sai cả lời lẫn ranh giới người nói. Kiểm tra những chỗ nhãn đổi bất ngờ. Với lần ghi tiếp theo, micro riêng và nói lần lượt sẽ giúp hơn việc cố sửa âm thanh sau đó.

### format=vtt

```
WEBVTT

00:00:00.000 --> 00:00:03.400
<v Speaker 1>Good morning.

00:00:03.400 --> 00:00:07.900
<v Speaker 2>Thanks for having me.
```

## Nghe lại trước khi gắn tên vào trích dẫn

Chọn một lượt trao đổi rõ ở đầu bản ghi, xác định giọng rồi ghi lại nhãn tương ứng. Kiểm tra thêm các đoạn về sau. Nếu nghe vẫn không rõ ai nói, giữ ghi chú chưa xác định thay vì suy đoán tên theo nội dung.

Với [phỏng vấn nghiên cứu](https://transcript1.com/vi/use-cases/go-bang-phong-van), dùng cùng quy tắc đối chiếu người tham gia cho các buổi. Trước khi đăng trích dẫn có tên từ một buổi tọa đàm, xác nhận bằng bản ghi và thông tin bạn có.

Nhận diện người nói ở đây không phải nhận diện sinh trắc học. Không dùng nhãn để xác thực người gọi hoặc kết luận hai bản ghi có cùng một người. Một người đổi micro có thể nghe khác đi; đoạn nói chồng cũng không phải lúc nào tách được rõ từng giọng.

| Khi nghe lại thấy… | Nên làm gì? |
| --- | --- |
| Nhãn đổi giữa lượt nói của một người | Nghe cả trước và sau điểm đổi, rồi sửa nhãn trong bản làm việc nếu cần. |
| Nhiều người nói cùng lúc | Kiểm tra cả lời lẫn người nói; ghi rõ phần nào không nghe chắc. |
| Cùng nhãn xuất hiện ở bản ghi khác | Đối chiếu lại người tham gia riêng cho bản ghi đó. |

## Câu hỏi thường gặp

### Transcript có ghi tên thật của người nói không?

Không. Bạn nhận nhãn Speaker 1, Speaker 2… transcript1 không biết tên thật. Hãy nghe lại rồi tự gán tên trong ứng dụng hoặc bản chỉnh sửa của bạn.

### Phụ đề YouTube có sẵn nhãn người nói không?

Không. Nếu source=auto và diarize=true, API dùng AI xử lý âm thanh thay vì lấy phụ đề. Ghép source=captions với diarize=true sẽ bị từ chối.

### Bật nhận diện người nói có tốn thêm credit không?

Không. Vẫn tính 1 credit cho mỗi phút bản ghi, làm tròn lên từng phút, dù có bật diarize hay không.

## Đọc thêm

- [Phỏng vấn nghiên cứu](https://transcript1.com/vi/use-cases/go-bang-phong-van)
- [Mốc thời gian, SRT, VTT](https://transcript1.com/vi/features/tao-file-srt)
- [Link video và tùy chọn (tài liệu)](https://transcript1.com/vi/docs/sources-and-options)