話者を自動で見分けて色分けする

Zimakuの話者分離は、音声から発話区間を検出したうえで声の特徴（話者埋め込み）を抽出し、話者ごとにクラスタリングして自動的に振り分ける機能です。話者数は「自動」のままでもAIが推定しますが、対談なら2人、座談会なら4人のように事前に上限を指定することもできます。指定できるのはあくまで上限で、実際の話者数はその範囲内で自動推定されます。処理はすべて端末内で完結する「ローカル」処理でのみ利用でき、音声のみを送信する「クラウド」処理は話者分離に対応していません。

分離結果はタイムラインに話者ごとのトラックとして表示され、各トラックの色がそのままセグメントの色分けに使われます。指定した上限より少ない人数に分かれることはありますが、処理後にエディタ上で話者の統合・分割・改名がいつでもできます。

話者数の指定から色分け結果の確認までは、以下の流れで行います。

自動分離の結果が完全に一致しないときは、タイムラインの話者ヘッダー（各トラックの左側の行）から直接修正できます。

- 改名: 話者名にカーソルを合わせると鉛筆アイコンが表示されます。クリックするとその場で編集でき、Enterで確定・Escでキャンセルできます（最大32文字、日本語入力の変換中Enterには反応しません）。
- 削除: ホバー時に表示されるゴミ箱アイコンから削除できます。確認ダイアログを挟んでから、その話者と紐づく全セグメントがまとめて削除されます。
- 統合: 話者ヘッダーを右クリックすると表示されるコンテキストメニューから「上のレーンに統合」または「下のレーンに統合」を選ぶと、同一人物なのに2つに分かれてしまったトラックを1つにまとめられます（先頭・末尾の話者では該当しない方向の項目は非活性になります）。
- 並べ替え: 話者ヘッダーをドラッグすると、挿入位置が青線で示され、狙った位置にトラック順を入れ替えられます。
- 追加: 話者と話者の間にカーソルを合わせると+マークが浮かび上がり、クリックするとその位置に新規トラックを挿入できます。最下段の「話者を追加」ボタンを使えば末尾に追加することもできます。どちらも人数の上限はなく、色は4色を周期的に再利用します。

セグメント単位で話者を直したい場合は、セグメントの話者ラベルをクリックするとその場に話者一覧のドロップダウンが開き、選び直すと即座に反映されます。上位4人の話者には Ctrl+1〜4（Macは⌘+1〜4）のショートカット番号も表示され、単一選択中のセグメント（または再生中のセグメント）にキーボードだけで割り当てられます。複数のセグメントを選択している状態でこのショートカットを使うとトースト通知が出て無視されるため、複数選択時は右クリックメニューの一括変更、または字幕クリップを別の話者トラックへドラッグ&ドロップする方法（複数選択でもまとめて移動可能）を使います。

セグメントに発言がある話者のトラックヘッダーには再生アイコンが表示されます（発言のない話者にはこのボタン自体が表示されません）。クリックするとその話者のセグメントだけを順番に再生し、他の話者の区間はスキップします。波形上の対象外セグメントも暗く表示され、視覚的にどこを聞いているか分かります。同じボタン（アイコンが■に変化）でいつでも停止でき、再生中は波形ペインの上部にフォーカス中の話者名を示すバナーが表示され、そこからも解除できます。長い座談会から特定の登壇者のパートだけを聞き直したいときに便利です。