多人访谈或圆桌视频需要保留每句话的说话人、区分译音，并允许审核成片。Bonframe 提供从源转写、译文审核到配音与口型检查的桌面流程；HeyGen 和 Vozo 目前也宣传多人处理，比较时应确认具体产品与执行模式。
资料核对于 2026 年 10 月 25 日。 本页是工作流与官方资料对比，不是同素材质量评测；能力可能随产品、引擎、安装版本或套餐变化。
先区分四种“人数”
整条视频中不同声音的数量、一个镜头里可见的人脸数、同时开口的人数，以及被选择执行口型的人脸数，是不同指标。八位嘉宾轮流出镜，与八个人同框抢话，难度并不相同。
语音识别、目标语言配音和人脸声音映射也属于不同阶段，不能把某种口型模式的条件当成整条视频的翻译上限。
Bonframe：在自己的工作站审核多人对话
Bonframe 根据带说话人标签的对白与声音参考组织流程。先检查源转写和人物分配，再审核目标语言台词、生成声音，最后检查导出。Mac 或 Windows 用户可以从选定素材开始，逐个审核语言版本。
先用代表性片段检查主持人回到画面后是否仍用正确音色、嘉宾短回答是否被合并，以及译音能否适配原镜头。原声检查步骤见保留原声指南。
实际人物覆盖取决于识别路径与配置，应在全片处理前验证。本页不把多人工作流等同无限人数自动分离，也不承诺任意多人同时说话都能得到相同效果。
HeyGen：不能把双主持播客当作翻译上限
当前官方视频翻译指南区分 Speed 与面向更复杂对话的 Precision；其官方翻译集成说明也列出了多人场景和说话人数设置。
官方 Video Podcast 文档中的双主持限制针对虚拟播客生成，不能直接写成现有访谈视频翻译最多两人。选型时应确认适用的翻译引擎与审核方式。
Vozo：把翻译、声音与口型对象分别核对
Vozo 当前口型产品页介绍多人场景及选择口型人脸的流程；Translate & Dub 帮助中心则分别介绍转写、说话人审核、改声音与口型。
本次检查的页面没有建立“整条视频翻译最多六位说话人”的统一限制。人脸选择数量、旧版本说明和同时运行任务数不能混作同一指标。
用同一段真实对话判断
各产品使用相同源语言与目标语言，选择包含主持人回归、多位嘉宾轮流发言、切镜和实际重叠人声的短片段。以下是建议的验收项，并非本页已经完成的实测成绩：
- 短回答、画外音与回归人物是否分配到正确说话人。
- 译音是否保持人物区分，人物再次开口时是否发生换声。
- 姓名、术语与原意是否准确，而不只是句子通顺。
- 停顿、时序与背景音乐能否适配镜头和人物切换。
- 使用口型时，是否只处理了正确的人脸。
- 审核者能否在确认导出前纠正关键错误。
需要较大演员阵容时，直接验证实际需要的人数与场景。两人通过不证明六人或八人通过；有一个可设置的人数参数也不等于已经证明成片质量。
如何选择？
如果希望在桌面端审核素材、对白和译音，并将文件夹 ASR与剪辑、翻译衔接，可以先用 Bonframe 做代表性样片。希望使用在线工具时，也可将 HeyGen 与 Vozo 的对应流程放到同一片段比较。
关键是实际人物、声音和镜头能否可靠交付。“支持多人”只是测试入口，不是质量分数或无限人数保证。
Bonframe 可以处理超过两位参与者吗？
使用多人流程时，先确认所选识别路径保留了所有需要的人物标签，再逐人审核声音参考和成片。超过已验证配置的项目，应先完成代表性短片测试，再处理全片。
2026 年的人数限制应该怎么比较？
记录具体产品、引擎、套餐、核对日期，以及数字指的是声音、人脸还是并发任务，再结合代表性原片和审核后的输出判断。后续有适用范围明确的文档或可复现结果时，将继续更新本页。