影片筆記：说话人识别详细使用教程—haoone 字幕软件 V11 上新，对齐 elevenlabs 的说话人识别功能

一句話總結

本影片介紹了 haoone 字幕軟體 V11 版本新增的「說話人識別」功能，該功能參考了 Energy Labs 的設計，支援下載特定模型（如通院模型、英語專院模型）以自動分割字幕段落、註冊說話人至聲文庫，並提供基於說話人的字幕過濾與 SRT 導出功能，同時提醒用戶注意聲音相似或語句過短時的識別準確度問題。

核心重點

1. 功能背景：回應用戶建議，V11 版本新增了類似 Energy Labs 的說話人識別功能，旨在將字幕按說話人進行分割。
2. 模型下載機制：

• 用戶需手動下載說話人識別模型。
• 提供「通院模型」與「英語專院模型」兩種選擇。
• 新用戶在點擊下載轉入模型時，程序會自動下載「通院說話人識別模型」。

1. 識別操作流程：

• 生成字幕後切換至段落視圖，點擊「識別說話人」。
• 可設定說話人數量，並開啟「自動識別數量」或「匹配已註冊說話人」功能。
• 識別完成後，段落會按說話人分割。

1. 準確性與限制：

• 系統能大致準確識別（如以「藍人殺」7個說話人為例）。
• 常見錯誤情境包括：聲音相似者難以識別、語句較短時易識別錯誤。
• 號數表示未來版本將持續優化準確率。

1. 說話人管理與聲文庫：

• 可修改說話人名稱，修改後該句及後續該說話人的名稱會同步更新。
• 可將說話人「註冊」至聲文庫，識別時若開啟匹配開關，將匹配聲文庫中的說話人。
• 重要限制：不同的說話人識別模型，其聲文庫不通用。

1. 字幕過濾與導出：

• 可透過說話人選擇框過濾顯示不同說話人的字幕（此過濾在文稿章節視圖亦生效）。
• 常見用途為複製指定說話人的文稿。
• 可關閉「顯示開始時間」與「顯示說話人」開關以簡化顯示。
• 導出帶有說話人的 SRT 文件：點擊導出並打開說話人開關即可。

詳細大綱

1. 功能背景與更新

• 回應用戶建議，新增類似 Energy Labs 的說話人識別功能。
• 新版本已整合此功能，可將字幕按說話人進行分割。

2. 模型下載與準備

• 需先下載說話人識別模型。
• 提供兩種模型：通院模型、英語專院模型。
• 老用戶需手動點擊下載；新用戶在點擊下載轉入模型時，程序會自動下載通院說話人識別模型。

3. 識別操作流程

• 使用轉入功能生成字幕後，切換至段落視圖。
• 點擊「識別說話人」，設定說話人數量（可開啟自動識別數量）。
• 預設開啟「匹配已註冊說話人」功能，可查看已註冊列表。
• 執行識別後，段落會按說話人分割完成。

4. 識別準確性與限制

• 以藍人殺影片（7個說話人）為例，從第一號玩家開始發言，分割大致準確。
• 常見錯誤情境：聲音相似者難以準確識別、語句較短時易識別錯誤。
• 號數表示未來版本將持續優化準確率。

5. 說話人註冊與管理

• 點擊說話人圖標可修改名稱，修改後該句及後續該說話人的名稱會同步更新。
• 可選擇已註冊聲文的說話人，點擊「註冊說話人」將其加入聲文庫。
• 識別時若開啟匹配開關，將匹配聲文庫中的說話人。
• 可在設置中找到說話人設置查看已註冊名單。
• 注意：不同的說話人識別模型，其聲文庫不通用。

6. 字幕過濾與導出

• 完成識別後，可再次識別該視頻或同類視頻以提高準確度。
• 透過說話人選擇框，可過濾顯示不同說話人的字幕（此過濾在文稿章節視圖亦生效）。
• 常見用途：複製指定說話人的文稿。
• 可關閉「顯示開始時間」與「顯示說話人」開關以簡化顯示。
• 點擊「導出字幕」可導出文稿。
• 導出帶有說話人的 SRT 文件：點擊導出並打開說話人開關即可。

工具 / 模型 / 名詞整理

• Energy Labs：影片中提及作為功能參考對象的軟體或服務。
• 通院模型：說話人識別模型之一，新用戶自動下載的模型。
• 英語專院模型：說話人識別模型之一。
• 轉入模型：程序自動下載的模型，新用戶點擊下載時觸發。
• 聲文庫：用於註冊和匹配說話人的資料庫。
• SRT：字幕文件格式，支援導出帶有說話人標記的文件。
• 藍人殺：影片中用於演示識別準確度的視頻名稱。
• 步圖：逐字稿中出現的詞彙，意指分割字幕的依據或視圖，具體含義不明。
• 號數：逐字稿中提及與準確率優化相關的詞彙，具體指代不明。
• 願途：逐字稿中提及的詞彙，意指「用途」，但原文如此。

操作流程整理

1. 下載模型：

• 老用戶：手動點擊下載說話人識別模型（通院模型或英語專院模型）。
• 新用戶：點擊下載轉入模型，程序自動下載通院說話人識別模型。

1. 生成與識別字幕：

• 使用轉入功能生成字幕。
• 切換至段落視圖。
• 點擊「識別說話人」。
• 設定說話人數量（可選擇開啟自動識別數量）。
• 確認開啟「匹配已註冊說話人」功能（預設開啟）。
• 執行識別，段落按說話人分割。

1. 管理說話人：

• 點擊說話人圖標修改名稱（同步更新該句及後續該說話人名稱）。
• 選擇已註冊聲文的說話人，點擊「註冊說話人」加入聲文庫。
• 在設置中查看說話人設置及已註冊名單。

1. 過濾與導出：

• 透過說話人選擇框過濾顯示不同說話人的字幕（文稿章節視圖亦生效）。
• （可選）關閉「顯示開始時間」與「顯示說話人」開關以簡化顯示。
• 點擊「導出字幕」，打開說話人開關，導出帶有說話人的 SRT 文件。

值得注意的限制或風險

1. 聲文庫不通用：不同的說話人識別模型，其聲文庫不通用，註冊的說話人無法跨模型使用。
2. 識別準確度限制：

• 聲音相似者難以準確識別。
• 語句較短時易識別錯誤。

1. 未來優化：號數表示未來版本將持續優化準確率，暗示當前版本可能存在不完美之處。

逐字稿辨識疑點

• 步圖：逐字稿中出現「將字幕按照步圖說話人完成分割」，疑為「步圖」為聽寫錯誤，可能意指「步驟」或特定視圖名稱，但無法確認。
• 轉入模型：逐字稿多次提及「下載轉入模型」、「程序會自動下載通院說話人識別模型」，其中「轉入」一詞在語境中稍顯突兀，疑為「轉錄」或特定模型名稱的聽誤，需查證。
• 通院模型 / 英語專院模型：逐字稿中明確提及「通院」與「英語專院」，疑為「通用」與「英語專用」的聽誤，但依規則保留原樣。
• 藍人殺：逐字稿中提及「這是一個藍人殺的視頻」，疑為特定影片名稱或聽誤（如「藍人秀」或其他），需查證。
• 號數：逐字稿中提及「號數會在未來的版本中持續優化準確率」，疑為「準確率」或「識別率」的聽誤，但依規則保留原樣。
• 願途：逐字稿中提及「常見的願途是用戶要複製出指定說話人的文稿」，疑為「用途」的聽誤，但依規則保留原樣。

可延伸追問

1. 「通院模型」與「英語專院模型」的具體區別是什麼？是否僅限於語言差異？
2. 「轉入模型」是否為軟體內的特定功能名稱，還是聽誤？
3. 「藍人殺」具體是指哪部影片或哪種類型的內容？
4. 若識別錯誤，手動修正的具體操作步驟為何？
5. 聲文庫的數據是否會隨軟體更新而保留？