当我在谷歌语音到文本 API 中启用说话者分类时，我会获得每个单词的说话者标签。这些标签是什么？他们的意思是什么？当我给说话者计数 2 时，我有时会得到标签 0 和 2，有时会得到 0 和 1，有时我也会得到 0,1,2，尽管我的说话者计数是 2。那么这些标签意味着什么？
您已将发言者计数设置为 2，并且您会看到发言者标签 {0, 1, 2}。
Speaker 0 是整个脚本，不是二值化输出的一部分。您可以丢弃扬声器 0，因为它只是重复整个脚本并且不提供有关二值化的唯一信息。
当发言者人数为 2 时，发言者 1 和 2 将包含整个脚本。我希望这有帮助。