问题描述
我能够运行这段代码并获得音频文件的转录。 但它不区分说话者（结果总是显示“说话者 1”，永远无法识别“说话者 2”）。
我一直在使用的文件示例：
英文： https://transcripttests.blob.core.windows.net/testfiles/pulpfiction.mp3
法语： https://transcripttests.blob.core.windows.net/testfiles/dialogue50smono44100.wav
解决方法
感谢您报告此问题。我可以确认您的问题，即两个音频只能识别 1 个扬声器。我们正在与我们的分类科学家团队一起检查这个问题的根本原因，并将很快回复您。给您带来不便敬请谅解！
,更新：
我们最近发布了一个新版本，第一个音频（英文）应该产生 2 个扬声器。请检查并让我们知道是否有任何问题。
至于第二个音频（法语），这个更复杂，我们的科学家正在研究它。会让你保持更新。谢谢！
原文：
感谢您的耐心等待。我们知道并可以重现该问题。
对于第一个音频（英语），两个说话者都是男性并且非常相似，这就是我们的分类服务没有区分他们的一个原因。
对于第二个音频（法语），有3个来自女说话者的话语，#2和#3很短，而#1恰好被我们的系统拆分为2个短话语，所以它们都不是视为演讲者 2。
我们的科学家正在积极致力于此，但目前还没有确切的预计到达时间。一旦我们有更新，我会通知你。谢谢！