目标：
我想在包含两个扬声器的录音中提取语音活动的片段（时间码）。最佳地，解决方案应为“ Speaker 1”或“ Speaker 2”段分配标签。
问题：
我发现了VAD（语音活动检测）和说话者识别。但是我不太确定这是我要寻找的东西，因为VAD没有提供标签（Speaker 1或2），并且“ Speaker Identification”似乎过高（因为它用于多个会话的身份验证）并且我只有几张唱片（每张唱片上〜10个都有不同的扬声器）。
问题：
我的问题有解决方案吗（自动细分）？我在搜索正确的短语（ VAD 和扬声器识别）。您能推荐一个易于实现的VAD Python库吗？