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 haoone 字幕軟體 V11 版本新增的「說話人識別」功能，詳細演示了從下載專屬模型、執行識別分割、註冊說話人到聲文庫，以及最終導出帶有說話人標籤 SRT 字幕的完整操作流程，並說明了當前版本在聲音相似或語句短小時可能存在的識別限制。

核心重點

1. 功能更新背景：回應用戶建議，新版本（V11）新增了類似 ElevenLabs 的說話人識別功能。
2. 模型下載機制：

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

1. 識別與分割流程：

• 使用轉入功能生成字幕後，切換至「段落試圖」。
• 點擊「識別說話人」，設定說話人數量（可開啟自動識別數量）。
• 開啟「匹配已註冊說話人」功能並執行，系統將段落按照說話人進行分割。

1. 準確度與限制：

• 分割通常準確，但聲音相似者或語句過短時易出現識別錯誤。
• 開發者承諾未來版本將持續優化準確率。

1. 說話人管理：

• 可點擊說話人圖標修改名稱，修改後該句子及後續同說話人句子名稱會同步更新。
• 支持將說話人註冊至「聲文庫」。
• 重要限制：不同說話人識別模型的聲文庫不通用。

1. 過濾與導出：

• 可透過「說話人選擇框」篩選顯示特定說話人的字幕（此過濾在「文稿章節試圖」亦生效）。
• 導出 SRT 時，開啟「說話人」開關，即可導出帶有說話人標籤的 SRT 字幕文件。

詳細大綱

1. 功能背景與前置準備

• 功能介紹：影片主要介紹一款字幕軟體新增的「說話人識別」功能。
• 模型下載：
• 使用者需下載「轉入模型」。
• 系統提供兩種模型選項：「通院模型」與「英語專院模型」。
• 新老用戶差異：老用戶需手動點擊下載；新用戶在下載轉入模型時，程序會自動下載「通院說話人識別模型」。

2. 識別與分割操作步驟

• 進入識別模式：使用轉入功能生成字幕後，切換至「段落試圖」。
• 執行識別：

1. 點擊「識別說話人」。
2. 設定說話人數量（可選擇開啟自動識別數量）。
3. 開啟「匹配已註冊說話人」功能。
4. 點擊執行，系統將段落按照說話人進行分割。

3. 識別準確度說明

• 一般情況：分割通常準確。
• 例外情況：
• 聲音相似者難以準確識別。
• 語句過短易識別錯誤。
• 未來展望：開發者承認目前版本存在上述問題，承諾未來版本將持續優化準確率。

4. 說話人註冊與管理

• 名稱修改：點擊說話人圖標可修改名稱。修改後，該句子及後續同說話人句子名稱會同步更新。
• 聲文庫註冊：
• 可選擇已註冊「聲文庫」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，將自動匹配聲文庫中的說話人。
• 查看名單：可在「設置」中的「說話人設置」查看已註冊名單。
• 模型限制：不同說話人識別模型的聲文庫不通用。

5. 過濾與導出功能

• 過濾顯示：
• 透過「說話人選擇框」，可篩選顯示特定說話人的字幕。
• 此過濾功能在「文稿章節試圖」亦生效。
• 常見用途：複製指定說話人的文稿。
• 顯示選項：可關閉「開始時間」與「顯示說話人」開關。
• 導出文稿：點擊「導出內容」可導出純文稿。
• 導出 SRT：
• 點擊「導出」。
• 開啟「說話人」開關。
• 即可導出帶有說話人標籤的 SRT 字幕文件。

工具 / 模型 / 名詞整理

• 軟體/平台名稱：
• haoone 字幕軟體
• Enever Labs（影片提及之對標或參考對象）
• 功能/模型名稱：
• 轉入模型
• 通院模型
• 英語專院模型
• 通院說話人識別模型
• 聲文庫
• 介面/視圖名稱：
• 段落試圖
• 文稿章節試圖
• 說話人設置
• 說話人選擇框
• 字幕編輯器
• 文件格式：
• SRT

操作流程整理

1. 下載模型：

• 老用戶：手動點擊下載「轉入模型」。
• 新用戶：下載轉入模型時自動下載「通院說話人識別模型」。

1. 執行識別：

• 生成字幕後，切換至「段落試圖」。
• 點擊「識別說話人」。
• 設定說話人數量（可開啟自動識別）。
• 開啟「匹配已註冊說話人」。
• 點擊執行，完成段落分割。

1. 管理說話人（可選）：

• 點擊說話人圖標修改名稱（後續同名說話人會同步更新）。
• 點擊「註冊說話人」加入「聲文庫」。
• 在「設置」>「說話人設置」查看名單。

1. 過濾與導出：

• 使用「說話人選擇框」篩選特定說話人（適用於「段落試圖」與「文稿章節試圖」）。
• 點擊「導出」。
• 開啟「說話人」開關。
• 導出帶有說話人標籤的 SRT 字幕文件。

值得注意的限制或風險

1. 識別準確度限制：

• 聲音相似者難以準確識別。
• 語句過短時易識別錯誤。

1. 聲文庫通用性限制：

• 不同說話人識別模型的聲文庫不通用，註冊後的說話人資訊無法跨模型使用。

1. 版本優化承諾：

• 目前版本在特定情況下（聲音相似、語句短）可能存在識別錯誤，準確率有待未來版本優化。

逐字稿辨識疑點

• 轉入模型：逐字稿多次提及「轉入模型」，疑為「轉錄模型」或特定軟體內部名稱之聽寫錯誤，需查證。
• 通院模型 / 英語專院模型：疑為「通用模型」與「英語專用模型」之聽寫錯誤，需查證。
• Enever Labs：影片標題提及 "elevenlabs"，但分段筆記中出現 "Enever Labs"，疑為辨識錯誤，需確認是否指代 ElevenLabs。
• 木軟：疑為「本軟體」或「本軟件」之聽寫錯誤，需查證。
• 藍人殺：疑為影片名稱或特定內容之聽寫錯誤，需查證。
• 號數：疑為「我們」或「軟體」之聽寫錯誤，需查證。
• 願選擇：疑為「常見選擇」或「常見願景」之聽寫錯誤，需查證。
• 重複語句：逐字稿末尾連續重複多次「點擊導出,打開說話人的SRT字幕文件了」，疑為錄音或轉錄時的重複片段。

可延伸追問

1. 「轉入模型」具體是指哪種技術模型？是否為軟體內部的特定稱呼？
2. 「通院模型」是否確實為「通用模型」？「英語專院模型」是否為「英語專用模型」？
3. 不同說話人識別模型的聲文庫不通用，具體是基於什麼技術原因？未來是否會開放互通？
4. 對於聲音相似者或語句短小的識別錯誤，是否有手動修正的機制或建議？
5. Enever Labs 與 ElevenLabs 在說話人識別功能上的具體差異或對齊細節為何？