diarize 具名標籤 over-match：分群數低估 + 對混合體冠名，會把別人的發言記在註冊者頭上

[kiki830621]

Problem

在一場 84 分鐘、1770 個 cue 的多人會議上開 --diarize，context 目錄底下只有一位已註冊的聲紋樣本。結果：

標籤	cue 數	佔比
Speaker 1	803	45%
具名（那位已註冊者）	655	37%
Speaker 2	242	14%
Speaker 3	53	3%
Speaker 5	5	—
Speaker 4	2	—

抽驗那 655 個具名 cue，發現它吞掉了至少兩位別人：

• 主持人宣布「請主席致詞」的下一個 cue 起，整段主席致詞被標成那位註冊者。
• 主持人說「來，院長請」的下一個 cue 起，一位受邀專家長達百餘 cue 的法律論述，同樣被標成那位註冊者。

這兩處的交棒語句就在前一個 cue、語意上毫無歧義，但標籤照錯。

這不是「標籤不夠準」，是主動製造錯誤資訊

沒有標籤時，下游知道自己不知道，會去找別的依據。有一個錯的人名時，下游會相信它 —— 因為具名標籤看起來就是「系統已經辨識出來了」。

實際後果：這份逐字稿的用途是產出跨機構的正式會議紀錄。若照標籤歸屬，主席的致詞與受邀專家的法律意見都會被記在第三個人頭上。這種錯誤一旦進了正式紀錄就會被引用、被轉述，且沒有任何自動機制會發現它 —— 只有當場在的人讀到才可能察覺。

Actual：兩層失效疊在一起

第一層 —— 分群數嚴重低估。 這場會議實際發言者至少八九位，管線只分出 6 群。也就是說在具名比對發生之前，聲學分群就已經把多位講者併在一起了。

第二層 —— 對「已經是混合體」的群做具名比對。 那一群裡有註冊者的一份，相似度過了閾值，於是整群被冠名 —— 包含另外兩個人。

兩層的錯誤方向相同、互相放大：分群越保守（群數越少），每一群越可能是混合體；混合體越大，越容易命中某個 enrollment。而唯一會 surface 的訊號是「有幾群」，但那個數字沒有被印出來。

Expected

至少要讓錯誤可被看見。三個層次，由易到難：

1. 把分群結果攤開：印出「分出 N 群 / 有 M 個 enrollment」。使用者知道自己會議有幾個人，N=6 對一場十幾人的會議是一眼可辨的警訊。這一項幾乎零成本，卻是目前完全缺失的。
2. 具名要有下限，寧可不命名：每群給出比對相似度；低於門檻就維持 SPEAKER_N，不要冠名。並考慮「群內相似度離散度」—— 混合體的離散度會明顯偏高，那正是「這群不該被命名」的訊號。
3. 單一 enrollment 要特別保守：只有一個註冊者時，比對退化成「像不像這唯一的人」的單邊判斷，沒有其他向量能把錯誤指派擋掉。這種情況應該提高門檻或直接不命名，而不是照常比對。

為什麼這件事值得做好（不只是修 bug）

能把「誰說的」做對，是這個工具真正稀缺的能力。 純文字轉錄已經是紅海 —— 多的是又快又準的選擇。但會議、訪談、口述歷史這些場景，真正的瓶頸從來不是字有沒有打對，而是這句話是誰說的：

• 會議紀錄要按發言人歸屬決議與承諾
• 訪談研究要區分受訪者與訪員
• 多方協調要追溯「這個條件是哪一方提出的」

而這正是目前所有工具都做得很勉強的一段。把聲紋這條線做紮實，比再擠 0.1% 的 CER 有價值得多 —— 後者是在紅海裡挪動小數點，前者是在補一個沒人補好的缺口。

具體可以往下走的方向：

• 多人註冊：從單邊判斷變成多路鑑別，錯誤指派會被其他人的向量擋掉。這是投入產出比最高的一項。
• 就地註冊（semi-supervised）：會議本身就含所有人的聲音。讓使用者聽幾段代表性 cue、標上名字，反過來當成這場會議的 enrollment，比事前另外錄樣本實際得多，也自動解決通道失配。
• 分群數的先驗：使用者常常知道與會人數。允許給一個範圍或期望值，比讓演算法從零猜穩得多。
• 通道失配：enrollment 若與會議在不同裝置／空間錄製，向量本身就偏移。至少要能偵測並警示。

與 #179 的關係

#179（多來源錄音交叉驗證）與本 issue 指向同一個根本限制：單一遠場麥克風把語者間的可分辨度壓縮掉了。多支麥克風擺在不同位置，同一個人在兩份錄音中的相對音量與到達時間差構成空間線索，那是單一來源在原理上拿不到的資訊，而它恰好對語者分離特別有效。

兩張可以獨立進行，但若要從根本改善分群品質，空間線索 + 多人註冊是同一件事的兩半。

Impact

• 具名標籤目前不能用於任何需要正確歸屬的場合，而那正是開 --diarize 的人想要的東西。
• 影響範圍不限於錯的那幾群：既然沒有任何 surface 訊號，使用者無從判斷這次的標籤能不能信。
• 上游 skill（把逐字稿整理成正式紀錄的那類）必須被明確告知「不要採信 diarization 的具名標籤」，否則錯誤會直接流進正式文件。