AI将随身摄像头录像转为文字，它能分清说话人吗？

背景：AI把动画台词安到警员头上

2026年1月，美国犹他州Heber City发生了一起令人啼笑皆非却发人深省的AI转录错误。一名警察的随身摄像头（bodycam）音频被AI软件转成文字时，软件捕捉到背景中播放的《公主与青蛙》（The Princess and the Frog）台词，却把台词错误地归到这名警察名下。结果，报告中的警察仿佛先“变成青蛙”，又“变回王子”。这并非童话，而是AI将执法记录仪视频转成文本时暴露出的“说话人归属”问题。文章由此提问：AI能否在转录中正确区分说话人？

关键挑战：谁在说话？

将bodycam音频转成文字，不只是把声音变成字词，还要解决说话人分离（speaker diarization）：判断每句话由谁说出。执法场景尤其复杂：警员与民众、嫌疑人、旁观者可能同时说话；无线电、背景电视、音乐、街道噪音和重叠发言都会干扰。AI在清晰录音中表现较好，但在这些混乱音频中，容易把不同人的话混在一起，或把背景台词、旁观者的话、嫌疑人的话错误地标为警员的话。Heber City案例正是这种错误的极端表现。一旦错误进入警方报告，可能影响调查、证据链和法庭审理。

影响与争议

文章指出，AI转录工具（如Axon的Draft One等警用报告辅助系统）正在被越来越多的执法机构采用，声称可以节省写报告的时间。但Heber City事件说明，如果警员过度信任AI输出，或部门缺乏强制复核和披露规则，错误可能被带入正式记录。被错误引用的当事人可能面临法律风险，警员也可能因AI“塞”给自己的话而陷入麻烦。支持者认为AI只是辅助，最终应由警员核对；批评者则担心，效率提升可能以准确性、正当程序和公众信任为代价。文章最后强调，在执法记录被广泛使用的今天，AI转录必须解决“分清说话人”这一关，否则技术带来的便利可能掩盖严重的司法风险。

结论

Heber City的“青蛙王子”事件看似荒诞，却揭示了AI在执法转录中的核心短板：它可以快速生成文字，却未必能可靠判断“谁在说话”。随着AI报告工具进入更多警察部门，说话人分离的准确性、人工复核的强制性以及使用透明度，将成为决定其能否被法庭和公众接受的关键。