amazon-web-services - aws 转录说话人识别不准确。如何改进它？如果无法改进，还有哪些其他最佳选择？

Question

我要转录的视频是：https ://www.youtube.com/watch?v=nxkkXTbl3_4

视频中有 3 位独特的演讲者。我正在转录多个视频，每个视频的扬声器范围为 2-5。

这是我的转录代码：

aws transcribe start-transcription-job \
     --region $AWS_REGION \
     --cli-input-json file://$JSON_FILE

JSON文件是：

'{TranscriptionJobName: $key0, 
LanguageCode: 'en-US', 
MediaFormat: 'mp3', 
Media: {MediaFileUri: $key3}, 
OutputBucketName: "ceos-videos/transcripts/raw", 
Settings: { ShowSpeakerLabels:true, MaxSpeakerLabels:5}}')

转录很好，说话人识别仅对大约 50% 的视频有效。 如何提高说话人识别的准确率？