将一段长的连续录音分割成只有一个说话者在说话的块的任务 - 没有关于每个说话者的语音特征的任何先验知识 - 称为“说话者分类”。您可以在wikipedia 页面上找到研究代码的链接。

如果您有每个声音的先前录音，并且宁愿进行分类，这是一个稍微不同的问题（说话人识别或说话人识别）。此处提供了相关的软件工具（请注意，像 Sphinx 或 HTK 这样的通用语音识别包足够灵活，可以被哄骗去做）。