使用 Scribis 即時辨識不同講者：Nemotron-3 Diarization 教學
學習如何在 Scribis 搭配 NVIDIA Nemotron-3 Diarization 模型，在錄音與即時語音轉文字的過程中即時分辨講者，並透過時間軸快速跳轉播放。
在會議、訪談、Podcast 或多人對話中，只有即時語音轉文字往往還不夠。如果逐字稿裡所有人的發言都混在一起，事後仍然需要花時間判斷「這句話是誰說的」。
Scribis 可以搭配 NVIDIA Nemotron-3 Diarization，在錄音與即時轉錄的同時辨識不同講者，並使用不同顏色的 Speaker 標籤顯示目前是誰在說話。
本篇會學到什麼
在這篇教學中，你將學會：
- 下載 Nemotron-3 Diarization 模型
- 啟用即時語音轉文字與 Progressive Updates
- 在錄音過程中即時顯示不同講者標籤
- 在 Project Workspace 使用時間軸快速跳轉到指定講者的發言片段
Scribis 支援 macOS 與 Windows。本文畫面以 macOS 示範，但講者辨識功能並不限於 Mac。
什麼是 Speaker Diarization？
Speaker Diarization，也就是「講者分離／講者辨識」，主要解決的是：
誰在什麼時間說話？
一般的語音轉文字只會把音訊轉成文字。例如：
Welcome back to the deep dive. Oh yeah. I have to ask...
但經過 Speaker Diarization 後，Scribis 可以進一步整理成：
Speaker 1
Welcome back to the deep dive...
Speaker 2
Oh yeah.
Speaker 1
I have to ask...
這對於多人會議、訪談與 Podcast 特別有幫助。
詳細操作步驟
Step 1：下載 Nemotron-3 Diarization
首先開啟 Scribis 的設定。前往：
Models → Separate Speakers
找到 NVIDIA Nemotron-3 Diarization 並下載模型。
Nemotron-3 Diarization 模型大小約為 107 MB，不需要下載數 GB 的大型模型，就可以在本地端加入 Speaker Diarization 功能。下載完成後，Scribis 就能使用這個模型分析錄音中的不同講者。
Step 2：開啟浮動錄音列
接下來開啟 Scribis 上方的 Floating Recording Bar。
這個浮動錄音列可以讓你在使用其他 App、播放影片或進行會議時，直接控制 Scribis 的錄音與轉錄。你可以從這裡：
- 開始錄音
- 暫停錄音
- 結束錄音
- 查看目前錄音時間
- 查看即時音訊狀態
Step 3：開啟 Transcription 與 Progressive Updates
在開始錄音之前，確認偏好設定中已經啟用：
- Transcription
- Progressive Updates
其中 Transcription 負責將收到的語音即時轉換成文字。而 Progressive Updates 則可以讓逐字稿在語音轉錄過程中持續更新，而不是等整段音訊處理完成後才一次顯示。
當這兩個功能同時啟用時，你就能看到接近即時更新的逐字稿內容。
Step 4：開始錄音
設定完成後，點擊錄音按鈕。接著播放你想要轉錄的外部音訊，或直接開始進行：
- 會議
- 訪談
- Podcast
- 課程
- 記者會
- 多人討論
Scribis 會持續接收音訊並進行語音轉文字。
Step 5：即時顯示不同講者
當 Scribis 偵測到不同講者時，逐字稿不只會顯示文字，也會加入不同的 Speaker 標籤。例如：
Speaker 1
Welcome back to the deep dive. You know, I had a bit of a moment this morning...
Speaker 2
Oh yeah.
Speaker 1
A full verse chorus, the whole thing just sort of landed in my head...
Speaker 2
I hate to ruin the magic for you right at the start...
不同講者會使用不同顏色的標籤顯示，因此即使是在轉錄進行中，也能快速看出目前是誰正在說話。
這也是 Speaker Diarization 與一般 Live Captions 最大的差別：一般即時字幕只負責 Audio → Text，加入 Diarization 後則變成 Audio → Text → Speaker。因此不只知道「說了什麼」，也能知道「誰說了什麼」。
Step 6：錄音完成後開啟 Project Workspace
錄音完成後，可以進入 Scribis 的 Project Workspace。
即時產生的逐字稿、時間資訊與 Speaker 資料會保留在專案中，方便後續整理。除了閱讀完整逐字稿之外，也可以搭配時間軸快速檢查不同講者的發言。
Step 7：從時間軸快速找到講者片段
Speaker Diarization 不只是讓逐字稿多一個 Speaker 標籤。Scribis 也會將講者資訊呈現在時間軸中。
只要點擊某一個 Speaker Interval，就可以直接跳到該段音訊。例如你想重新確認 Speaker 2 的某一段發言，不需要從頭播放整段錄音，直接：
點擊 Speaker 區段 → 跳轉時間點 → 播放
就能快速聽到對應內容。對於長時間的會議、Podcast 或訪談，這會比手動拖動時間軸方便很多。
完整工作流程
Models → Separate Speakers (Nemotron-3 Diarization)
↓
Open Floating Recording Bar
↓
Enable Transcription & Progressive Updates
↓
Start Recording
↓
Real-time Speaker Labels
↓
Open Project Workspace
↓
Click Speaker Interval on Timeline to Jump & Play
概念補充與常見問題 (FAQ)
為什麼使用 Nemotron-3 Diarization？
Scribis 將 Nemotron-3 Diarization 作為一個輕量化的 Speaker Diarization 選項。它的主要優勢是模型體積小，約只有 107 MB，因此適合直接整合到本機工作流程中，不需要為了講者辨識額外載入非常龐大的模型。
對 Scribis 來說，它特別適合用於：
- 即時字幕
- 會議記錄
- Podcast
- 訪談
- 多人錄音
- 課程
- YouTube 或影音內容轉錄
Nemotron-3 的講者辨識可以在本機執行，因此 Speaker Diarization 本身不需要將音訊送到 Scribis 的伺服器處理。實際的語音轉文字流程則會依照你在 Scribis 中選擇的 ASR 模型或服務而有所不同。
即時字幕與 Speaker Diarization 的差別
如果只是一般的即時語音轉文字，你看到的可能是：
Hello everyone. Hi, thanks for having me. Let's start with today's topic.
但你不知道究竟是哪個人說了哪一句。加入 Speaker Diarization 之後：
Speaker 1
Hello everyone.
Speaker 2
Hi, thanks for having me.
Speaker 1
Let's start with today's topic.
對於只有一個人的錄音，差異可能不大。但只要是兩人以上的對話，Speaker Diarization 就會開始變得非常實用。
適合哪些使用情境？
- 會議記錄： 多人開會時，可以快速知道每一段內容分別由誰發言。
- Podcast： 雙人或多人 Podcast 可以在轉錄階段直接建立 Speaker 結構。
- 訪談： 訪談者與受訪者的內容可以自動區隔，不需要事後手動重新整理逐字稿。
- 課程與討論： 老師、學生或不同參與者的發言可以使用 Speaker 標籤分開。
- 影音內容： 播放外部影片或音訊時，也可以透過 Scribis 同時建立即時字幕與講者資訊。
總結
使用 Scribis 搭配 Nemotron-3 Diarization，只需要幾個步驟：
- 前往 Models → Separate Speakers
- 下載 Nemotron-3 Diarization
- 開啟 Floating Recording Bar
- 啟用 Transcription
- 啟用 Progressive Updates
- 開始錄音
- 即時查看 Speaker 1、Speaker 2 等講者標籤
- 錄音完成後透過時間軸快速跳轉不同 Speaker 區段
這讓 Scribis 的即時轉錄不再只是「現在說了什麼？」，而是進一步知道「誰，在什麼時間，說了什麼？」。對於會議、訪談、Podcast 與任何多人錄音工作流程來說，這會讓後續整理逐字稿與查找內容簡單許多。