最佳免费说话人分离工具：有哪些条件需要注意？

“免费说话人分离”听起来简单，但免费的方式有很多；算上真正付出的代价，有些远比表面上昂贵。本指南比较 2026 年真正免费获取“谁说了什么”转写文本的方式，并如实说明每种选择附带的条件。

如果你刚接触这个术语，请先看什么是说话人分离。这里重点讨论成本。

三种“免费”

每一种免费的说话人分离方案，都要你付出以下三种代价之一：

1. 你的数据：云服务免费套餐会处理，有时还会保留你上传的音频。
2. 你的时间：开源工具免费，但需要配置与维护。
3. 你的分钟数：免费套餐限制每月能转写多少分钟。

关键在于知道自己付出的究竟是哪种代价。

方案 1：云服务免费套餐，以数据和分钟数换取服务

Otter、Fireflies 等应用提供免费套餐，包含说话人标签，但限制每月转写量。

• 优点：易用、体验成熟、实时标注，无需安装。
• 缺点：即使使用免费套餐，也会将音频上传到云端；免费分钟数有上限，通常每月几百分钟；摘要和导出可能受限；还会有机器人加入通话以获取说话人姓名。

偶尔用于不太关键的会议没有问题。但这里的“免费”意味着录音保存在别人的服务器上，而且分钟数很快会用完。详见 Otter 说话人识别与私密替代方案。

方案 2：开源 WhisperX，以时间换取服务

Whisper + pyannote（WhisperX）免费且在本地运行，音频能保持私密。

• 优点：免费、本地处理保护隐私、准确、无上限。
• 缺点：需要 HuggingFace 账户、通过命令行配置，通常还需要 GPU；不能在手机上运行，并且要持续维护。

只要你愿意投入技术时间，它确实免费又私密。对大多数人来说，配置太复杂。参见无需编程的 WhisperX 替代方案。

方案 3：免费的设备本地应用，没有隐性代价

一款既免费，又将所有内容留在本地的应用，最接近没有附加条件的免费。BlackBox 在 iPhone 和 Android 上免费提供以下功能：

• 设备本地转写（设备本地转写说明），无需上传。
• 在设备上标注说话人，由你自行将标签改为对应说话人的姓名。
• 没有分钟数上限、无需账户、可离线运行，并受 Face ID 保护。

你不用付出数据（不上传）、时间（无需配置），也不用受分钟数限制。这已经非常接近真正免费的说话人分离。

免费方案对比

“免费”说话人分离需要注意什么？

信任免费工具之前，请检查：

• 会上传音频吗？如果会，录音就会离开设备，这对任何敏感内容都至关重要。
• 分钟数限制是多少？免费套餐有用量限制，几场长会议就可能耗尽一个月额度。
• 数据会被怎样使用？查看免费套餐的音频是否会被保留，或用于改进模型。
• 是否必须加入机器人？在线会议中，加入的机器人对所有人可见。
• 真的能离线工作吗？所谓“本地录音”仍常常需要上传后才能处理。

云服务免费套餐的细则

云服务免费套餐是最热门的“免费说话人分离”方式，因此要清楚自己接受了什么：

• 分钟数上限每月重置，也很容易用完；几场一小时的会议，就可能耗尽普通免费额度。
• 功能限制。摘要、导出、集成和更长保留期通常只提供给付费套餐，所以免费的带标签转写文本，只是整套工具的一部分。
• 数据使用。查看免费套餐音频是否可能被保留或用于改进服务；免费用户的数据保护往往弱于付费用户。
• 通话中的机器人。在线会议中，免费套餐仍会派出对参会者可见的记录助手加入会议。

这些并不意味着云服务免费套餐毫无用处，偶尔开不太关键的会议时仍然合适；但这里的“免费”明显由你的数据支撑，而且有意设置了用量上限。

使用开源工具的现实成本

“免费又私密”听起来理想，WhisperX 也确实两者兼具，但请如实估算时间成本。你需要注册 HuggingFace 账户、接受模型条款、安装 Python 工具链，最好还要有 GPU；之后还得随着依赖库变化进行维护。对于喜欢这些工作的开发者，投入很值得，结果也出色。对其他人，数小时的配置与维护是真实成本，而免费的设备本地应用没有这笔代价。请诚实判断哪一种“免费”适合自己的生活。参见无需编程的 WhisperX 替代方案。

没有隐性代价的免费：该找什么？

如果希望免费说话人分离不会悄悄消耗你的数据、时间或分钟数，请找符合以下条件的工具：

• 在设备上处理，因此不上传；可用飞行模式测试来验证。
• 没有分钟数上限，因为它不需要替你支付云端计算费用。
• 无需账户，也不需要开发者级配置。
• 允许导出，让转写文本成为你自己的文件。

BlackBox 在 iPhone 和 Android 上满足这四点：免费转写与说话人标注、设备本地处理、无上限、可导出，因此最接近没有隐藏代价的真正免费说话人分离。完整市场对比见最佳说话人分离应用。

免费与付费：什么时候值得付费？

有时付费才是正确选择，值得知道何时如此。如果需要团队实时协作、与现有系统深度集成、有保障的支持及服务可用性，或需要在自动工具难以处理的音频（浓重口音、多人同时说话）上达到人工级准确率，可以考虑付费工具。这些都是订阅能买到的实际功能。

但对于核心需求，也就是为自己的录音生成准确、私密、带说话人标签的转写文本，只要愿意自行重命名说话人，并让处理留在设备上，通常不必付费。要避免的是，花钱用云端工具解决一个它自己通过上传音频制造的隐私问题。如果你关心隐私，免费的设备本地应用，比任何付费云套餐都更直接地解决问题。可以为协作和集成付费；但只要把音频留在设备上就能免费获得的隐私，不必另外花钱购买。

免费方案何时合适，何时不合适？

• 偶尔、不太关键的会议 → 云服务免费套餐就够了，前提是接受上传和用量上限。
• 开发者，想要不限量且私密 → WhisperX。
• 敏感录音，或只是不想上传音频 → 免费的设备本地应用。
• 转写量很大 → 避开有上限的套餐，设备本地处理没有分钟数限制。

“免费在线说话人分离”的特别提醒

有一类网站尤其值得警惕：号称“免费在线说话人分离”，把音频文件拖进去，就能在浏览器拿到带标签的转写文本。这是所有方案里最不私密的。录音会上传到你一无所知的服务器，接受处理；视网站而定，还可能被保留、记录，甚至更糟。背后往往没有你认识的公司，没有明确的数据政策，也无法确认文件已被删除。

如果只是无关紧要的小片段，也许影响不大。但对会议、采访、私人交谈这类有实际内容的录音，将它交给匿名免费网站，是风险最大的做法。如果你不会把录音发邮件给陌生人，就不要上传到随便一个免费说话人分离网站。免费的私密替代方案，包括本地开源工具和设备本地应用，正是为了让你不必这样做。

免费，但能长期用下去吗？

还有一个角度：这项免费服务明年还在不在？云服务免费套餐可能更改条款、降低限额，或在初创公司转型、关闭时消失，而你的转写文本还在它们的管理界面里。开源 WhisperX 只要持续维护就能继续使用，但这是你的责任。能将转写文本保存为自有导出文件的免费本地应用，能让长期使用更稳妥：即使发生变化，已经生成的带标签文本仍是设备上的纯文字文件，不受服务牵制。如果要建立长期交谈档案，“免费”还应该意味着“可以自由保留”，应优先选择让数据始终归你所有的工具。

结论

免费获得说话人分离有三种方式，各有实际代价：云服务免费套餐消耗数据和分钟数，开源 WhisperX 需要配置时间，只有免费的设备本地应用同时避开这三种成本。BlackBox 在你的手机上转写并标注说话人，免费、无上限、离线、不上传，支持 iOS 和 Android。了解“免费”真正要付出什么之后，私密的设备本地方案通常最划算。