跨錄音語者連結：同一群人反覆出現的多份錄音，是目前每次用完就丟的最大證據來源

[kiki830621]

Problem

每一份錄音都從零開始重新推斷「誰是誰」，推斷完就丟掉。

現況：轉錄一場會議 → 聲學分群 → （若有 enrollment）比對命名 → 輸出 SRT。下一場會議來時，整個過程重跑一次，完全不知道上一場已經見過這些人。

但真實的使用情境幾乎都是同一群人反覆出現：定期會議（雙週／雙月／季）、研究團隊的組會、長期訪談的同一位受訪者、課程的同一批學生。一個會議系列跑一年，同一個人的聲音可能出現在六份錄音裡 —— 而這六份之間目前沒有任何連結。

為什麼這是被浪費掉的最大一塊證據

單一場會議給你的是一個人的一份樣本，而且是在特定條件下錄的：那天他坐哪個位子、離麥多遠、感冒沒有、講話急不急。這份樣本的向量因此帶著大量與「他是誰」無關的變異。

六場會議給你的是六份樣本，來自六組不同的條件。這正是穩健語者模型需要的東西 —— 對條件取平均，留下跨條件不變的部分，那才是真正的個人特徵。

換句話說：目前系統手上其實有很好的資料，只是每次用完就扔。

而且這個累積是免費的 —— 不需要請任何人另外錄樣本，資料本來就會產生。

提議的機制

每份錄音內：分群（現況已有）
       ↓
跨錄音：把不同錄音的群連起來（同一個人在多場出現）
       ↓
人標一次：使用者在任一場標一個群 = 那個人
       ↓
標籤沿著連結傳播到所有錄音（含過去的、與未來的）

三個直接後果：

• 冷啟動消失。 不必事前錄 enrollment 樣本。第一場會議先分群，之後任何時候標一次即可回溯生效。
• 通道失配被結構性解決。 enrollment 不再是「某天某裝置錄的一段」，而是跨多場的中心，本身就涵蓋了條件變異。
• 單邊判斷變成多路鑑別。 累積下來的是一整組人的向量；比對時是「這群最像誰」，錯誤指派會被別人的向量擋掉 —— 這正是 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 #180 裡單一 enrollment 缺的東西。

出席名單是一個免費且獨立的約束

會議通常有出席名單。這給出兩個可交叉檢核的量：

• 人數：名單說 12 人出席、分群只分出 6 群 → 明確的低估訊號（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 #180 提到「把群數印出來」，有名單時甚至可以自動比對並警示）。
• 缺席：某人固定出現在第 1、2、3 場，第 4 場名單載明請假 —— 那麼第 4 場若有群被連到他，就是錯的。缺席是一個負面證據，而負面證據在這裡跟正面證據一樣有用。

這條不需要任何模型改動，只需要允許使用者提供一份與會者清單。

誠實邊界：這件事的失敗代價比單場更大

跨錄音連結比場內分群更難 —— 場內至少共享同一組通道特性，跨錄音連這個都沒有。

而錯誤的後果是放大的：一個錯誤連結會把錯的人名傳播到整個檔案庫，包含已經產出過的紀錄。單場的錯誤只汙染一份文件；跨場的錯誤會汙染全部，而且更難察覺 —— 因為「這個名字在每一場都出現」看起來反而像是可信的證據。

所以這個機制必須從一開始就帶著：

1. 傳播要人確認，不是自動生效。連結本身可以自動算，但「把這個名字套到那五場」要有一個人按下去。
2. 每個標籤要能追溯來源：它是人直接標的，還是從哪一場、經哪條連結傳過來的。
3. 可撤銷：發現一個錯誤連結時，要能把沿著它傳播出去的所有標籤一起收回，而不是逐場去找。
4. 寧可不連。 連結的門檻要比場內分群更保守 —— 漏連只是回到現狀，錯連是製造一個會自我強化的錯誤。

與 #179 / #180 的關係

三者處理同一個根本限制的三個切面 —— 單一遠場錄音對語者的可分辨度太低：

	拿什麼補	補在哪個維度
#179	同一場的多支麥克風	空間（相對音量、到達時間差）
#180	具名比對的門檻與 surface	當下（別把混合體冠名、把分群數攤開）
本 issue	跨場次的多份錄音	時間（同一個人的多次獨立取樣）

三個可以獨立進行。但合起來看，方向是一致的：與其在單一份錄音裡把模型逼到極限，不如去拿那些本來就存在、卻一直被丟掉的額外觀測。

Impact

• 對定期會議這個主要使用情境，語者辨識的品質會隨使用次數自然變好，而不是每次都退回原點。
• 使用者的投入從「每個人事前錄一段樣本」（幾乎沒人會做）降到「在某一場標一次」（順手就做了）。
• 這是純加法：沒有累積的錄音時，行為與現況完全相同。