在对话中的情感识别任务中，近期的研究利用了注意力机制来探索对话内部和不同说话者之间的言语关系，以建模他们之间的情感互动。然而，诸如说话者的个性特征等属性尚未得到充分研究，并且在应用于其他任务或与多种模型架构兼容方面存在挑战。因此，本研究引入了一种名为BiosERC的新框架，该框架探讨了对话中说话者的特征。通过使用大型语言模型（LLMs），我们提取了对话中说话者的“传记信息”作为补充知识注入模型，以对每个言语进行情感标签分类。我们的方法在三个著名的基准数据集上取得了最先进的（SOTA）结果：IEMOCAP、MELD和EmoryNLP，证明了我们模型的有效性和泛化能力，并展示了其适应各种对话分析任务的潜力。我们的源代码可在https://github.com/yingjie7/BiosERC 获取。