語音技術
講者錯誤率
diarization error rate (DER)
定義
整段錄音中，講者切分與標籤出錯的時間佔比，是講者分辨的核心指標。
點計
DER =（漏偵測時長 ＋ 誤報時長 ＋ 講者混淆時長）÷ 總語音時長 × 100%。三類錯各自計時長，不是逐句數次數。
評分時的容差窗（collar）設定會大幅改變數字：系統與標準答案相差零點幾秒內當對，還是逐毫秒計，兩種口徑可以差一倍。比較前必先講明容差，以及有沒有合併同講者的相鄰段。
健康區間
沒有可跨場景引用的公開門檻：乾淨雙人錄音，與多人、有回音、多番重疊發言的會議，同一系統的 DER 可以相差幾倍；而且 DER 低不保證標籤全程一致。
怎樣自己量 baseline： 自己量：挑三段真實會議（二人、四人、有回音各一）人手標註講者起止，用固定容差窗的同一套口徑計 DER，另記錄標籤中途對調次數，作為固定回歸集。
4 個改進手段
- 收音先行：每人一支麥克風、或收音靠近講者；重疊發言是 DER 的最大來源。
- 開場請每人自報姓名一句，給系統乾淨的聲紋起點；會議中途換位置也影響判定。
- 輸出逐句帶講者標籤與信心度，低信心段落標示給記錄員複核。
- 人手改標籤要留下紀錄並回饋下次轉寫，不要每次從零開始。
相關文章
資料來源
- Wikipedia — Speaker diarisation（講者分辨與 DER 組成）（查閱 2026-10-31）
- 港嘢 — 中英夾雜會議記錄 AI（查閱 2026-10-31）