Skip to content

v2.2.7 — 说话者工作台:自动人数修复 + 逐行编辑 + 循环播放校对

Choose a tag to compare

@Superce1l Superce1l released this 24 Oct 11:12
· 2 commits to main since this release

STTMiniTool v2.2.7

本版聚焦「说话者工作台」:修复「人数 自动」在真实音频上恒判 1 人的问题,并给识别结果补齐说话者编辑能力(逐行切换 / 改名 / 拆分 / 合并),外加校对友好的「选中区间 + 循环播放」交互。全套改动有 98 例单元测试兜底。

👥 「人数 自动」判定修复

此前自动模式在真实音频上经常只识别出 1 个说话者(手动指定 2 人却完全正确)。定位到两层原因:声纹相似度矩阵的第一个特征值被「全局公共成分」占据(同语言 + 共享伴奏让所有窗口两两都有基础相似度),特征值间隙据此恒判 1 人;而 silhouette 校验门槛按 TTS 干净人声校准,会把带伴奏的真实双人误杀。

新算法:在层次聚类树上自深而浅搜索,先把关窗残响/间奏产生的碎群吸收进最近大群,取「所有群中心两两距离 ≥ 0.38」的最深切割作为人数;没有任何切割达标 → 整档 1 人。群心距离是全部实测样本中唯一界限分明的量(同一人被拆 ≤0.37 / 真正不同人 ≥0.39)。实测:真实男女对唱歌曲自动=2(与指定 2 人逐秒一致)、TTS 单人=1、双人=2。

🔁 逐行切换说话者

点字幕行上的说话者标签弹出菜单:现有说话者(当前项打勾)即点即换——卡片色条、波形区块、标签栏、导出前缀、合并判定全部同步;「+ 新说话者」可在自动分离并错一人时手工补救;「重命名说话者…」保留一步改名(Enter 存 / Esc 取消,四种导出同步新名)。

✂️🔗 单句拆分 + 同说话者合并

  • 拆分:剪刀进入拆分模式,点文本放置光标,点亮的 √(或 Ctrl+Enter)在光标处一分为二,切点自动吸附最近字边界;拆分模式下文字锁定。
  • 合并:「合并段落」选择模式点卡片多选,一键合并文本与时间轴;仅允许相邻且同一说话者的段落(跨说话者 / 不相邻会明确拒绝并提示)。合并按钮与操作栏并入波形面板,滚动时随面板钉顶。
  • 编辑(笔)与拆分(剪刀)两种模式互斥,进入后按钮变 √。

🎯 选中区间 · 循环播放

校对时点字幕行不再突然出声:点行改为选中该句区间(波形亮出遮罩);播放键从片段头起循环播放当前句(句尾自动回卷),停止键回到片段头,点波形仅移动播放头。

🆕 其他

  • 状态点五态:左下角状态点对齐模型下载/热切换语义——「已选≠已加载」显示琥珀「待切换」(此前转录跑旧模型状态点仍绿灯)、「模型未下载」与「尚未加载」区分、加载失败琥珀提醒;tooltip 显示实际加载/已选模型,点击直达模型页
  • 最近转录删除:历史条目 hover 显形垃圾桶按钮,确认后字幕文件移入回收站(可恢复)
  • 随包 CrispASR 核心 0.8.44
  • 测试增至 98 例:合成声纹改用真实相似度量级(旧测试「过干净」曾放过两版人数判定缺陷),新增同人子群不拆、碎群吸收等回归

升级:下载 STTMiniTool-v2.2.7-windows.zip 解压即用(单文件 exe + crispasr 核心),旧版直接覆盖解压目录即可;模型与设置互不影响。首次运行如遇 SmartScreen,点「更多信息 → 仍要运行」,或右键 exe → 属性 → 解除锁定。