語音技術
講者分辨
speaker diarization
定義
把一段錄音按「邊個講、幾時講」切開，並貼上講者標籤的處理。
點計
講者錯誤率（DER）=（漏偵測 ＋ 誤報 ＋ 講者混淆的時長）÷ 總語音時長 × 100%。
會議場景還要看兩件事：講者數目是否正確、標籤是否整段一致。DER 低但中途兩個標籤對調，對讀者仍然是災難 —— 整段逐字稿會變成另一個人講。
健康區間
沒有可引用的通用門檻。乾淨的雙人錄音，與多人、有回音、有重疊發言的會議室錄音，同一個系統的 DER 可以相差幾倍。
怎樣自己量 baseline： 自己量：挑三段你們真實場景的錄音（二人、四人、有回音各一），人手標註講者，計 DER 與標籤對調次數，作為固定回歸集。
4 個改進手段
- 先改善收音，再談模型：每人一個麥克風、或靠近發言者，重疊發言是最大誤差來源。
- 會議開始時請每人講一句自我介紹，給系統一個乾淨的聲紋起點。
- 輸出保留時間戳與信心度，讓使用者一眼看到哪幾段標籤可疑。
- 允許人手一鍵改標籤，並讓修正成為下一次的參考，而不是每次重來。
相關文章
資料來源
- Wikipedia — Speaker diarisation（查閱 2026-10-31）
- 港嘢 — 中英夾雜會議記錄 AI（查閱 2026-10-31）