arXiv 2026年10月12日智能眼镜双人对话转写不再只靠大模型:前端先分离说话人,重叠语音下错误率更低智能眼镜双人对话的带时间戳说话人转写,在解码前先做目标说话人提取或语音分离,验证集上重叠比例越高,错误率下降越明显。智能眼镜双人对话的带时间戳说话人转写,在解码前先做目标说话人提取或语音分离,验证集上重叠比例越高,错误率下降越明显。Alibaba Group (China)Yushi Wang(第一作者)#SoulX-Transcriber#时间戳说话人归属语音识别#引导源分离#语音增强