# 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」。
3.  **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。
4.  **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。
5.  **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。
6.  **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。
2.  **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。
3.  **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。
4.  **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。
3.  **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？