@hsiehchenwei/mcp-gemini-transcriber 1.0.0

package/server.mjs

@@ -0,0 +1,1954 @@
+#!/usr/bin/env node
+/**
+ * MCP Gemini Transcriber Server (Node.js)
+ * 音訊轉逐字稿 MCP 工具，基於成功的 transcribe_gemini.mjs 腳本
+ */
+
+import { McpServer } from '@modelcontextprotocol/sdk/server/mcp.js';
+import { StdioServerTransport } from '@modelcontextprotocol/sdk/server/stdio.js';
+import { z } from 'zod';
+import { GoogleGenAI, createUserContent, createPartFromUri } from '@google/genai';
+import { execSync, spawn } from 'child_process';
+import { createHash } from 'crypto';
+import { promises as fs } from 'fs';
+import { tmpdir } from 'os';
+import path from 'path';
+import { config } from 'dotenv';
+
+// 載入環境變數
+config();
+
+// 取得工作區根目錄
+const WORKSPACE_ROOT = process.env.CURSOR_WORKSPACE_ROOT || process.env.WORKSPACE_ROOT || process.cwd();
+
+/**
+ * 解析路徑（支援相對路徑）
+ */
+function resolvePath(inputPath) {
+  if (path.isAbsolute(inputPath)) {
+    return inputPath;
+  }
+  return path.resolve(WORKSPACE_ROOT, inputPath);
+}
+
+// 設定常數
+const SEGMENT_DURATION = 300;   // 每段 5 分鐘（300 秒）
+const OVERLAP_SECONDS = 10;     // 重疊 10 秒（一句話約 3-10 秒）
+const MAX_WORKERS = 25;         // 快速模式最大平行數
+const MAX_RETRIES = 2;          // 最大重試次數
+const RETRY_BASE_DELAY = 2000;  // 重試基礎延遲（毫秒）
+const MIN_TIMEOUT = 30000;
+const MAX_TIMEOUT = 180000;
+const MODEL_NAME = 'gemini-3-flash-preview';
+
+// 支援的檔案格式
+const SUPPORTED_AUDIO_FORMATS = ['.mp3', '.m4a', '.wav', '.webm', '.ogg', '.flac', '.aiff', '.aac'];
+const SUPPORTED_IMAGE_FORMATS = ['.png', '.jpg', '.jpeg', '.webp', '.heic', '.heif'];
+
+/**
+ * 計算動態 timeout
+ */
+function calculateTimeout(durationSeconds) {
+  return Math.max(MIN_TIMEOUT, Math.min(MAX_TIMEOUT, durationSeconds * 1000));
+}
+
+/**
+ * 帶 timeout 的 Promise
+ */
+function withTimeout(promise, ms, message = 'Operation timed out') {
+  return Promise.race([
+    promise,
+    new Promise((_, reject) => setTimeout(() => reject(new Error(message)), ms))
+  ]);
+}
+
+/**
+ * 取得音檔長度（秒）
+ */
+async function getAudioDuration(audioPath) {
+  try {
+    const result = execSync(
+      `ffprobe -v quiet -show_entries format=duration -of json "${audioPath}"`,
+      { encoding: 'utf8' }
+    );
+    const data = JSON.parse(result);
+    return parseFloat(data.format.duration);
+  } catch {
+    return 0;
+  }
+}
+
+/**
+ * 分割音檔為多段（快速模式，無 overlap）
+ */
+async function splitAudioFast(audioPath) {
+  const duration = await getAudioDuration(audioPath);
+
+  if (duration <= SEGMENT_DURATION * 1.5) {
+    return [{ index: 0, path: audioPath, offset: 0, duration, isOriginal: true }];
+  }
+
+  const tempDir = path.join(tmpdir(), `audio_segments_${Date.now()}`);
+  await fs.mkdir(tempDir, { recursive: true });
+
+  const numSegments = Math.ceil(duration / SEGMENT_DURATION);
+  console.error(`📐 [快速模式] 音檔 ${(duration / 60).toFixed(1)} 分鐘，分割為 ${numSegments} 段...`);
+
+  const ext = path.extname(audioPath);
+  const splitPromises = [];
+
+  for (let i = 0; i < numSegments; i++) {
+    const startTime = i * SEGMENT_DURATION;
+    const segmentPath = path.join(tempDir, `segment_${String(i).padStart(3, '0')}${ext}`);
+    const segmentDuration = Math.min(SEGMENT_DURATION, duration - startTime);
+
+    splitPromises.push(
+      new Promise((resolve, reject) => {
+        const ffmpeg = spawn('ffmpeg', [
+          '-y', '-i', audioPath,
+          '-ss', String(startTime),
+          '-t', String(segmentDuration),
+          '-c', 'copy',
+          segmentPath
+        ], { stdio: 'pipe' });
+
+        ffmpeg.on('close', (code) => {
+          if (code === 0) {
+            resolve({ index: i, path: segmentPath, offset: startTime, duration: segmentDuration });
+          } else {
+            reject(new Error(`FFmpeg failed for segment ${i}`));
+          }
+        });
+        ffmpeg.on('error', reject);
+      })
+    );
+  }
+
+  const results = await Promise.all(splitPromises);
+  console.error(`✅ 分割完成：${results.length} 段`);
+  return results.sort((a, b) => a.index - b.index);
+}
+
+/**
+ * 分割音檔為多段（平行模式，5 秒 overlap）
+ */
+async function splitAudioParallel(audioPath) {
+  const duration = await getAudioDuration(audioPath);
+  const PARALLEL_OVERLAP = 5; // 平行模式使用 5 秒 overlap
+
+  if (duration <= SEGMENT_DURATION * 1.5) {
+    return [{ index: 0, path: audioPath, offset: 0, duration, isOriginal: true }];
+  }
+
+  const tempDir = path.join(tmpdir(), `audio_segments_${Date.now()}`);
+  await fs.mkdir(tempDir, { recursive: true });
+
+  const stepDuration = SEGMENT_DURATION - PARALLEL_OVERLAP;
+  const numSegments = Math.ceil((duration - PARALLEL_OVERLAP) / stepDuration);
+  console.error(`📐 [平行模式] 音檔 ${(duration / 60).toFixed(1)} 分鐘，分割為 ${numSegments} 段（overlap ${PARALLEL_OVERLAP}s）...`);
+
+  const ext = path.extname(audioPath);
+  const splitPromises = [];
+
+  for (let i = 0; i < numSegments; i++) {
+    const startTime = i * stepDuration;
+    const segmentPath = path.join(tempDir, `segment_${String(i).padStart(3, '0')}${ext}`);
+    const segmentDuration = Math.min(SEGMENT_DURATION, duration - startTime);
+
+    splitPromises.push(
+      new Promise((resolve, reject) => {
+        const ffmpeg = spawn('ffmpeg', [
+          '-y', '-i', audioPath,
+          '-ss', String(startTime),
+          '-t', String(segmentDuration),
+          '-c', 'copy',
+          segmentPath
+        ], { stdio: 'pipe' });
+
+        ffmpeg.on('close', (code) => {
+          if (code === 0) {
+            resolve({ 
+              index: i, 
+              path: segmentPath, 
+              offset: startTime, 
+              duration: segmentDuration,
+              hasOverlap: i > 0
+            });
+          } else {
+            reject(new Error(`FFmpeg failed for segment ${i}`));
+          }
+        });
+        ffmpeg.on('error', reject);
+      })
+    );
+  }
+
+  const results = await Promise.all(splitPromises);
+  console.error(`✅ 分割完成：${results.length} 段`);
+  return results.sort((a, b) => a.index - b.index);
+}
+
+/**
+ * 分割音檔為多段（語者識別模式，含 overlap）
+ */
+async function splitAudioSpeaker(audioPath) {
+  const duration = await getAudioDuration(audioPath);
+
+  if (duration <= SEGMENT_DURATION * 1.5) {
+    return [{ index: 0, path: audioPath, offset: 0, duration, isOriginal: true }];
+  }
+
+  const tempDir = path.join(tmpdir(), `audio_segments_${Date.now()}`);
+  await fs.mkdir(tempDir, { recursive: true });
+
+  const stepDuration = SEGMENT_DURATION - OVERLAP_SECONDS;
+  const numSegments = Math.ceil((duration - OVERLAP_SECONDS) / stepDuration);
+  console.error(`📐 [語者識別模式] 音檔 ${(duration / 60).toFixed(1)} 分鐘，分割為 ${numSegments} 段（overlap ${OVERLAP_SECONDS}s）...`);
+
+  const ext = path.extname(audioPath);
+  const splitPromises = [];
+
+  for (let i = 0; i < numSegments; i++) {
+    const startTime = i * stepDuration;
+    const segmentPath = path.join(tempDir, `segment_${String(i).padStart(3, '0')}${ext}`);
+    const segmentDuration = Math.min(SEGMENT_DURATION, duration - startTime);
+
+    splitPromises.push(
+      new Promise((resolve, reject) => {
+        const ffmpeg = spawn('ffmpeg', [
+          '-y', '-i', audioPath,
+          '-ss', String(startTime),
+          '-t', String(segmentDuration),
+          '-c', 'copy',
+          segmentPath
+        ], { stdio: 'pipe' });
+
+        ffmpeg.on('close', (code) => {
+          if (code === 0) {
+            resolve({ 
+              index: i, 
+              path: segmentPath, 
+              offset: startTime, 
+              duration: segmentDuration,
+              hasOverlap: i > 0
+            });
+          } else {
+            reject(new Error(`FFmpeg failed for segment ${i}`));
+          }
+        });
+        ffmpeg.on('error', reject);
+      })
+    );
+  }
+
+  const results = await Promise.all(splitPromises);
+  console.error(`✅ 分割完成：${results.length} 段`);
+  return results.sort((a, b) => a.index - b.index);
+}
+
+/**
+ * 調整時間戳記（統一為 [MM:SS] 格式，超過 60 分鐘才用 [HH:MM:SS]）
+ */
+function adjustTimestamps(transcript, offsetSeconds) {
+  return transcript.replace(/\[(\d{1,2}:\d{2}(?::\d{2})?)\]/g, (match, timeStr) => {
+    const parts = timeStr.split(':').map(Number);
+    let h, m, s;
+
+    if (parts.length === 3) {
+      [h, m, s] = parts;
+    } else {
+      [m, s] = parts;
+      h = 0;
+    }
+
+    const totalSeconds = h * 3600 + m * 60 + s + offsetSeconds;
+    const newH = Math.floor(totalSeconds / 3600);
+    const newM = Math.floor((totalSeconds % 3600) / 60);
+    const newS = totalSeconds % 60;
+
+    // 統一格式：小於 60 分鐘用 [MM:SS]，否則用 [HH:MM:SS]
+    if (newH === 0) {
+      return `[${String(newM).padStart(2, '0')}:${String(newS).padStart(2, '0')}]`;
+    } else {
+      return `[${String(newH).padStart(2, '0')}:${String(newM).padStart(2, '0')}:${String(newS).padStart(2, '0')}]`;
+    }
+  });
+}
+
+/**
+ * 標準化時間戳格式（將 [00:MM:SS] 轉為 [MM:SS]）
+ */
+function normalizeTimestamps(transcript) {
+  return transcript.replace(/\[00:(\d{2}:\d{2})\]/g, '[$1]');
+}
+
+/**
+ * 合併重疊區域文字（改進版去重）
+ * 使用多重策略比對，找到最佳接續點
+ */
+function mergeOverlapText(existingText, newText) {
+  if (!existingText) return newText;
+  if (!newText) return existingText;
+
+  const existingLines = existingText.trim().split('\n').filter(l => l.trim());
+  const newLines = newText.trim().split('\n').filter(l => l.trim());
+
+  // 清理文字用於比對（移除時間戳和語者標籤）
+  const cleanLine = (line) => {
+    return line
+      .replace(/\[\d{1,2}:\d{2}(:\d{2})?\]/g, '')  // 移除時間戳
+      .replace(/\*\*[^*]+\*\*[：:]/g, '')           // 移除 **語者**：
+      .replace(/^[^：:]+[：:]/g, '')                // 移除 語者：
+      .trim();
+  };
+
+  // 計算兩個字串的相似度（Jaccard）
+  const similarity = (a, b) => {
+    if (!a || !b) return 0;
+    const setA = new Set(a.split(''));
+    const setB = new Set(b.split(''));
+    const intersection = new Set([...setA].filter(x => setB.has(x)));
+    const union = new Set([...setA, ...setB]);
+    return intersection.size / union.size;
+  };
+
+  // 取得既有文字最後 25 行的清理版本
+  const existingTail = existingLines.slice(-25);
+  const existingCleanTail = existingTail.map(cleanLine).filter(l => l.length >= 5);
+
+  // 檢查新文字前 20 行，找到最佳接續點
+  let bestMergeIndex = 0;
+  let bestScore = 0;
+
+  const checkLines = Math.min(20, newLines.length);
+  
+  for (let i = 0; i < checkLines; i++) {
+    const newClean = cleanLine(newLines[i]);
+    if (newClean.length < 5) continue;
+
+    for (const existClean of existingCleanTail) {
+      // 策略 1：完全包含
+      if (newClean.includes(existClean) || existClean.includes(newClean)) {
+        if (i + 1 > bestMergeIndex) {
+          bestMergeIndex = i + 1;
+          bestScore = 1.0;
+        }
+        continue;
+      }
+
+      // 策略 2：前綴相同（至少 10 個字）
+      const minLen = Math.min(newClean.length, existClean.length, 20);
+      if (minLen >= 10 && newClean.slice(0, minLen) === existClean.slice(0, minLen)) {
+        if (i + 1 > bestMergeIndex) {
+          bestMergeIndex = i + 1;
+          bestScore = 0.9;
+        }
+        continue;
+      }
+
+      // 策略 3：高相似度（> 0.7）
+      const sim = similarity(newClean, existClean);
+      if (sim > 0.7 && sim > bestScore) {
+        bestMergeIndex = i + 1;
+        bestScore = sim;
+      }
+    }
+  }
+
+  // 如果找到重疊，從接續點開始合併
+  if (bestMergeIndex > 0) {
+    console.error(`   🔗 去重：跳過新段落前 ${bestMergeIndex} 行（相似度 ${(bestScore * 100).toFixed(0)}%）`);
+  }
+  
+  const mergedNew = newLines.slice(bestMergeIndex).join('\n');
+  
+  // 確保不會產生空白合併
+  if (!mergedNew.trim()) {
+    return existingText.trim();
+  }
+  
+  return existingText.trim() + '\n\n' + mergedNew;
+}
+
+/**
+ * 提取語者清單
+ */
+function extractSpeakers(transcript) {
+  const speakers = new Set();
+  // 匹配各種語者格式
+  const patterns = [
+    /\*\*([^*]+)\*\*[：:]/g,           // **語者**：
+    /\[([^\]]+)\][：:]/g,              // [語者]：
+    /^([^：:\[\*\n]{1,20})[：:]/gm,    // 語者：（行首）
+  ];
+
+  for (const pattern of patterns) {
+    let match;
+    while ((match = pattern.exec(transcript)) !== null) {
+      const speaker = match[1].trim();
+      if (speaker && !speaker.match(/^\d{1,2}:\d{2}/)) {  // 排除時間戳
+        speakers.add(speaker);
+      }
+    }
+  }
+  return Array.from(speakers);
+}
+
+/**
+ * 使用 Gemini API 統一語者名稱
+ */
+async function normalizeSpeakers(ai, transcript, model) {
+  const speakers = extractSpeakers(transcript);
+  if (speakers.length <= 1) return transcript;
+
+  console.error(`🔄 統一語者名稱（發現 ${speakers.length} 個語者標籤）...`);
+
+  // 分析語者對應關係
+  const analysisPrompt = `分析以下逐字稿中的語者標籤，找出指向同一個人的不同標籤。
+
+發現的語者標籤：${speakers.join(', ')}
+
+逐字稿片段（用於判斷脈絡）：
+${transcript.slice(0, 15000)}
+
+請輸出 JSON 格式的語者對應表，將所有標籤統一為最合適的名稱。
+規則：
+1. 只有在對話中【明確提到】的姓名才能使用
+2. 如果沒有提到姓名，保持原始標籤（如「男1」「女1」）
+3. 不要憑空創造姓名
+
+只輸出 JSON，格式如：
+{"舊標籤1": "新標籤1", "舊標籤2": "新標籤2", ...}`;
+
+  try {
+    const response = await ai.models.generateContent({
+      model: model,
+      contents: createUserContent([analysisPrompt]),
+      config: { maxOutputTokens: 1024, temperature: 0.1 }
+    });
+
+    // 解析 JSON
+    const text = response.text;
+    const jsonMatch = text.match(/\{[\s\S]*\}/);
+    if (!jsonMatch) {
+      console.error('   ⚠️ 無法解析語者對應表，保持原樣');
+      return transcript;
+    }
+
+    const mapping = JSON.parse(jsonMatch[0]);
+    console.error(`   📋 語者對應表：${JSON.stringify(mapping)}`);
+
+    // 執行替換
+    let result = transcript;
+    for (const [oldName, newName] of Object.entries(mapping)) {
+      if (oldName === newName) continue;
+      // 替換各種格式
+      result = result.replace(new RegExp(`\\*\\*${escapeRegex(oldName)}\\*\\*([：:])`, 'g'), `**${newName}**$1`);
+      result = result.replace(new RegExp(`\\[${escapeRegex(oldName)}\\]([：:])`, 'g'), `[${newName}]$1`);
+      result = result.replace(new RegExp(`^${escapeRegex(oldName)}([：:])`, 'gm'), `${newName}$1`);
+    }
+
+    console.error('   ✅ 語者名稱已統一');
+    return result;
+
+  } catch (error) {
+    console.error(`   ⚠️ 語者統一失敗：${error.message}，保持原樣`);
+    return transcript;
+  }
+}
+
+/**
+ * 跳脫正則特殊字元
+ */
+function escapeRegex(str) {
+  return str.replace(/[.*+?^${}()|[\]\\]/g, '\\$&');
+}
+
+/**
+ * 快速模式：簡單轉錄單一片段（不做語者識別）
+ */
+async function transcribeSingleSegmentFast(ai, segment, model, maxRetries = MAX_RETRIES) {
+  const { index, path: segmentPath, offset, duration = SEGMENT_DURATION } = segment;
+  let uploadedFile = null;
+  const segmentTimeout = calculateTimeout(duration);
+
+  const prompt = `你是專業語音轉錄員。【完整】轉錄這段音訊。
+
+規則：
+1. 完整轉錄，不可省略任何內容
+2. 時間戳格式：[MM:SS]
+3. 語者標籤：使用中性標籤 **語者 A**：、**語者 B**：、**語者 C**： 等
+   - 根據聲音特徵區分不同的人（音色、語調、說話方式）
+   - 不要預設性別，讓後續分析判斷
+4. 保留語氣詞（嗯、啊、欸、對）
+5. 使用繁體中文
+6. 直接輸出逐字稿，不要前言
+
+開始：`;
+
+  for (let attempt = 0; attempt < maxRetries; attempt++) {
+    try {
+      uploadedFile = await withTimeout(
+        ai.files.upload({ file: segmentPath, config: { mimeType: 'audio/mpeg' } }),
+        segmentTimeout,
+        `上傳超時 (${segmentTimeout/1000}s)`
+      );
+
+      const response = await withTimeout(
+        ai.models.generateContent({
+          model: model,
+          contents: createUserContent([
+            createPartFromUri(uploadedFile.uri, uploadedFile.mimeType),
+            prompt
+          ]),
+          config: { maxOutputTokens: 65536, temperature: 0.1 }
+        }),
+        segmentTimeout,
+        `轉錄超時 (${segmentTimeout/1000}s)`
+      );
+
+      ai.files.delete({ name: uploadedFile.name }).catch(() => {});
+
+      let transcript = response.text;
+
+      if (offset > 0) {
+        transcript = adjustTimestamps(transcript, offset);
+      }
+      // 統一時間戳格式
+      transcript = normalizeTimestamps(transcript);
+
+      return { index, transcript, success: true };
+
+    } catch (error) {
+      if (uploadedFile) {
+        ai.files.delete({ name: uploadedFile.name }).catch(() => {});
+        uploadedFile = null;
+      }
+
+      if (attempt < maxRetries - 1) {
+        const delay = RETRY_BASE_DELAY * Math.pow(2, attempt);
+        console.error(`   ⚠️ 第 ${index + 1} 段重試 (${attempt + 1}/${maxRetries})...`);
+        await new Promise(r => setTimeout(r, delay));
+        continue;
+      }
+      
+      return { index, transcript: '[此段無法轉錄]', success: false, error: error.message };
+    }
+  }
+}
+
+/**
+ * 語者識別模式：單一 API 呼叫同時轉錄 + 語者識別
+ * 回傳格式包含逐字稿和語者資訊，減少 API 呼叫次數
+ */
+async function transcribeSingleSegmentSpeaker(ai, segment, model, speakerProfiles = {}, previousEnding = '', maxRetries = MAX_RETRIES) {
+  const { index, path: segmentPath, offset, duration = SEGMENT_DURATION } = segment;
+  let uploadedFile = null;
+  const segmentTimeout = calculateTimeout(duration);
+
+  // 構建已知語者資訊
+  const speakerList = Object.entries(speakerProfiles)
+    .map(([id, info]) => `${id}（${info.gender || '?'}，${info.name || id}）`)
+    .join('、');
+
+  // 單一 prompt：同時要求轉錄 + 情緒分析 + 語者資訊
+  let prompt = `你是專業語音轉錄員。請【完整】轉錄這段音訊，並識別語者和分析情緒。
+
+【輸出格式要求】：
+1. 先輸出逐字稿，格式：[MM:SS] **語者標籤**：內容
+2. 語者標籤規則：
+   - 用性別+編號：**男1**、**女1**、**男2** 等
+   - 只有對話中【明確提到】的姓名才能使用，不要憑空創造
+   - 全程保持標籤一致，不要改變
+3. 時間戳格式統一用 [MM:SS]，不要用 [HH:MM:SS]
+4. 完成逐字稿後，用 ===EMOTION=== 分隔，分析這段音訊的情緒：
+   - 整體氛圍（輕鬆/認真/熱烈/沉思等）+ 強度(1-10)
+   - 2-3 個關鍵情緒時刻：[MM:SS] 語者X：「具體語句」→ 情緒：XXX
+   - 語者情緒特徵簡述（每位語者的情緒狀態和說話風格）
+5. 最後用 ===SPEAKERS=== 分隔，輸出語者資訊 JSON
+
+`;
+
+  if (speakerList) {
+    prompt += `【已識別的語者】：${speakerList}
+請延續使用這些標籤，保持一致性。如發現新語者，新增編號。
+
+`;
+  }
+
+  if (previousEnding) {
+    prompt += `【前段結尾】（用於銜接）：
+${previousEnding.slice(-400)}
+
+`;
+  }
+
+  prompt += `【輸出範例】：
+[00:00] **男1**：今天我們來討論這本書。
+[00:05] **女1**：對，我覺得作者的觀點很有趣。
+[00:12] **男1**：嗯，特別是第三章。
+
+===SPEAKERS===
+{
+  "男1": {"name": "男1", "gender": "男", "role": "?", "traits": "?"},
+  "女1": {"name": "女1", "gender": "女", "role": "?", "traits": "?"}
+}
+
+開始轉錄：`;
+
+  for (let attempt = 0; attempt < maxRetries; attempt++) {
+    try {
+      uploadedFile = await withTimeout(
+        ai.files.upload({ file: segmentPath, config: { mimeType: 'audio/mpeg' } }),
+        segmentTimeout,
+        `上傳超時 (${segmentTimeout/1000}s)`
+      );
+
+      const response = await withTimeout(
+        ai.models.generateContent({
+          model: model,
+          contents: createUserContent([
+            createPartFromUri(uploadedFile.uri, uploadedFile.mimeType),
+            prompt
+          ]),
+          config: { maxOutputTokens: 65536, temperature: 0.1 }
+        }),
+        segmentTimeout,
+        `轉錄超時 (${segmentTimeout/1000}s)`
+      );
+
+      ai.files.delete({ name: uploadedFile.name }).catch(() => {});
+
+      const fullText = response.text;
+      
+      // 解析回傳：分離逐字稿、情緒和語者資訊
+      let transcript = fullText;
+      let emotion = '';
+      let newSpeakerProfiles = {};
+
+      const emotionSplit = fullText.split('===EMOTION===');
+      if (emotionSplit.length >= 2) {
+        transcript = emotionSplit[0].trim();
+        const rest = emotionSplit[1];
+        
+        const speakerSplit = rest.split('===SPEAKERS===');
+        if (speakerSplit.length >= 2) {
+          emotion = speakerSplit[0].trim();
+          const jsonPart = speakerSplit[1].trim();
+          const jsonMatch = jsonPart.match(/\{[\s\S]*\}/);
+          if (jsonMatch) {
+            try {
+              newSpeakerProfiles = JSON.parse(jsonMatch[0]);
+              console.error(`   📋 識別 ${Object.keys(newSpeakerProfiles).length} 位語者`);
+            } catch {
+              console.error(`   ⚠️ 語者 JSON 解析失敗`);
+            }
+          }
+        } else {
+          emotion = rest.trim();
+        }
+      } else {
+        // 沒有情緒分析，只有語者資訊
+        const speakerSplit = fullText.split('===SPEAKERS===');
+        if (speakerSplit.length >= 2) {
+          transcript = speakerSplit[0].trim();
+          const jsonPart = speakerSplit[1].trim();
+          const jsonMatch = jsonPart.match(/\{[\s\S]*\}/);
+          if (jsonMatch) {
+            try {
+              newSpeakerProfiles = JSON.parse(jsonMatch[0]);
+              console.error(`   📋 識別 ${Object.keys(newSpeakerProfiles).length} 位語者`);
+            } catch {
+              console.error(`   ⚠️ 語者 JSON 解析失敗`);
+            }
+          }
+        }
+      }
+
+      // 調整時間戳並標準化格式
+      if (offset > 0) {
+        transcript = adjustTimestamps(transcript, offset);
+        // 也調整情緒分析中的時間戳
+        if (emotion) {
+          emotion = adjustTimestamps(emotion, offset);
+        }
+      }
+      // 統一時間戳格式（將 [00:MM:SS] 轉為 [MM:SS]）
+      transcript = normalizeTimestamps(transcript);
+      if (emotion) {
+        emotion = normalizeTimestamps(emotion);
+      }
+
+      return { 
+        index, 
+        transcript, 
+        emotion,  // 新增
+        success: true, 
+        speakerProfiles: newSpeakerProfiles 
+      };
+
+    } catch (error) {
+      if (uploadedFile) {
+        ai.files.delete({ name: uploadedFile.name }).catch(() => {});
+        uploadedFile = null;
+      }
+
+      if (attempt < maxRetries - 1) {
+        const delay = RETRY_BASE_DELAY * Math.pow(2, attempt);
+        console.error(`   ⚠️ 第 ${index + 1} 段重試 (${attempt + 1}/${maxRetries})...`);
+        await new Promise(r => setTimeout(r, delay));
+        continue;
+      }
+      
+      return { index, transcript: '[此段無法轉錄]', success: false, error: error.message, speakerProfiles: {} };
+    }
+  }
+}
+
+/**
+ * 提取情緒分析中的關鍵資訊（簡化版）
+ */
+function extractEmotionBrief(emotionText) {
+  const lines = emotionText.split('\n');
+  let brief = '';
+  
+  // 提取整體氛圍和強度
+  for (const line of lines) {
+    if (line.includes('整體氛圍') || line.includes('整體')) {
+      const match = line.match(/整體[^：:]*[：:]([^，,]+)/);
+      if (match) brief += match[1].trim() + '，';
+    }
+    if (line.includes('強度') && line.match(/(\d+)/)) {
+      const match = line.match(/(\d+)/);
+      if (match) brief += `強度 ${match[1]}/10`;
+      break;
+    }
+  }
+  
+  return brief || '情緒分析';
+}
+
+/**
+ * 在逐字稿中找到插入情緒標記的位置
+ */
+function findInsertPosition(transcript, targetOffset) {
+  // 將目標時間轉為 [MM:SS] 格式
+  const targetTime = formatTime(targetOffset);
+  const targetTimePattern = new RegExp(`\\[${targetTime.replace(':', '\\:')}\\]`);
+  
+  // 尋找最接近的時間戳位置
+  const lines = transcript.split('\n');
+  for (let i = 0; i < lines.length; i++) {
+    if (targetTimePattern.test(lines[i])) {
+      // 找到該行的起始位置
+      let pos = 0;
+      for (let j = 0; j < i; j++) {
+        pos += lines[j].length + 1;  // +1 for newline
+      }
+      return pos;
+    }
+  }
+  
+  // 如果找不到精確匹配，找最接近的時間戳
+  const timePattern = /\[(\d{2}):(\d{2})\]/g;
+  let bestPos = -1;
+  let bestDiff = Infinity;
+  
+  let match;
+  while ((match = timePattern.exec(transcript)) !== null) {
+    const mins = parseInt(match[1]);
+    const secs = parseInt(match[2]);
+    const timeInSeconds = mins * 60 + secs;
+    const diff = Math.abs(timeInSeconds - targetOffset);
+    
+    if (diff < bestDiff) {
+      bestDiff = diff;
+      bestPos = match.index;
+    }
+  }
+  
+  return bestPos > -1 ? bestPos : 0;
+}
+
+/**
+ * 平行模式：平行轉錄所有段落
+ */
+async function transcribeSegmentsParallel(ai, segments, model, tempDir) {
+  const segmentsDir = path.join(tempDir, 'segments');
+  await fs.mkdir(segmentsDir, { recursive: true });
+
+  console.error(`🚀 [平行模式] 平行轉錄 ${segments.length} 段（最多 ${MAX_WORKERS} 並行）...`);
+  
+  const results = [];
+  const segmentData = [];
+
+  // 批次平行處理
+  for (let i = 0; i < segments.length; i += MAX_WORKERS) {
+    const batch = segments.slice(i, i + MAX_WORKERS);
+    const batchPromises = batch.map(async (segment) => {
+      // 平行模式不需要 previousEnding，因為是同時處理
+      const result = await transcribeSingleSegmentSpeaker(ai, segment, model, {}, '');
+      
+      if (result.success) {
+        // 儲存到 temp 目錄
+        const segFile = path.join(segmentsDir, `seg_${String(segment.index + 1).padStart(3, '0')}.md`);
+        const segContent = `# 段落 ${segment.index + 1}
+
+## 語者資訊
+
+${Object.entries(result.speakerProfiles).map(([id, info]) => 
+  `- **${info.name || id}**：${[info.gender, info.role, info.traits].filter(Boolean).join('，')}`
+).join('\n') || '（未識別）'}
+
+## 逐字稿
+
+${result.transcript}
+`;
+        await fs.writeFile(segFile, segContent, 'utf8');
+        console.error(`   ✅ 第 ${segment.index + 1}/${segments.length} 段完成，已儲存`);
+      } else {
+        console.error(`   ⚠️ 第 ${segment.index + 1}/${segments.length} 段失敗`);
+      }
+
+      return result;
+    });
+
+    const batchResults = await Promise.all(batchPromises);
+    results.push(...batchResults);
+  }
+
+  // 按 index 排序並建立 segmentData
+  results.sort((a, b) => a.index - b.index);
+  
+  for (const result of results) {
+    if (result.success) {
+      segmentData.push({
+        index: result.index,
+        transcript: result.transcript,
+        speakerProfiles: result.speakerProfiles
+      });
+    }
+  }
+
+  console.error(`✅ 平行轉錄完成：${segmentData.length}/${segments.length} 段成功`);
+  return segmentData;
+}
+
+/**
+ * 合併語者資訊（保留所有語者，更新已知語者的資訊）
+ */
+function mergeSpeakerProfiles(existing, newProfiles) {
+  const merged = { ...existing };
+  
+  for (const [id, info] of Object.entries(newProfiles)) {
+    if (merged[id]) {
+      // 更新已有語者：如果新資訊更具體則採用
+      if (info.name && info.name !== id && (!merged[id].name || merged[id].name === id)) {
+        merged[id].name = info.name;
+      }
+      if (info.role && !merged[id].role) {
+        merged[id].role = info.role;
+      }
+      if (info.traits && !merged[id].traits) {
+        merged[id].traits = info.traits;
+      }
+    } else {
+      // 新語者
+      merged[id] = info;
+    }
+  }
+  
+  return merged;
+}
+
+/**
+ * 平行模式：金字塔式合併
+ */
+async function pyramidMerge(ai, segments, model, tempDir) {
+  if (segments.length === 0) {
+    return { transcript: '', speakerProfiles: {} };
+  }
+  if (segments.length === 1) {
+    return segments[0];
+  }
+
+  let currentSegments = [...segments];
+  let round = 1;
+
+  while (currentSegments.length > 1) {
+    const roundDir = path.join(tempDir, `round_${round}`);
+    await fs.mkdir(roundDir, { recursive: true });
+
+    console.error(`   🔄 第 ${round} 輪合併：${currentSegments.length} 段 → ${Math.ceil(currentSegments.length / 2)} 段`);
+
+    const merged = [];
+    
+    // 兩兩合併
+    for (let i = 0; i < currentSegments.length; i += 2) {
+      if (i + 1 < currentSegments.length) {
+        // 合併兩段
+        const result = await mergeTwoSegments(ai, currentSegments[i], currentSegments[i + 1], model);
+        merged.push(result);
+
+        // 儲存本輪合併結果
+        const mergedFile = path.join(roundDir, `merged_${String(Math.floor(i / 2) + 1).padStart(3, '0')}.md`);
+        const mergedContent = `# 合併結果 ${Math.floor(i / 2) + 1}（第 ${round} 輪）
+
+## 語者資訊
+
+${Object.entries(result.speakerProfiles).map(([id, info]) => 
+  `- **${info.name || id}**：${[info.gender, info.role, info.traits].filter(Boolean).join('，')}`
+).join('\n') || '（未識別）'}
+
+## 逐字稿
+
+${result.transcript}
+`;
+        await fs.writeFile(mergedFile, mergedContent, 'utf8');
+        console.error(`      ✅ 合併 ${i + 1} + ${i + 2}`);
+      } else {
+        // 奇數個，最後一個直接帶入下輪
+        merged.push(currentSegments[i]);
+        console.error(`      ⏭️  段落 ${i + 1} 直接帶入下輪`);
+      }
+    }
+
+    currentSegments = merged;
+    round++;
+  }
+
+  console.error(`✅ 金字塔合併完成，共 ${round - 1} 輪`);
+  return currentSegments[0];
+}
+
+/**
+ * 平行模式：兩兩合併段落（API 呼叫，含重試和錯誤處理）
+ */
+async function mergeTwoSegments(ai, segA, segB, model, maxRetries = 2) {
+  // 檢查內容長度（Gemini API 輸入限制約 1M tokens，約 4M 字元）
+  const MAX_INPUT_LENGTH = 3000000; // 約 3M 字元，保留安全邊際
+  const segALen = segA.transcript.length;
+  const segBLen = segB.transcript.length;
+  const totalLen = segALen + segBLen;
+
+  // 如果內容過大，截斷到合理長度（保留開頭和結尾）
+  let transcriptA = segA.transcript;
+  let transcriptB = segB.transcript;
+  
+  if (totalLen > MAX_INPUT_LENGTH) {
+    const maxEach = Math.floor(MAX_INPUT_LENGTH / 2);
+    if (segALen > maxEach) {
+      // 保留開頭和結尾
+      const keepStart = Math.floor(maxEach * 0.4);
+      const keepEnd = Math.floor(maxEach * 0.6);
+      transcriptA = segA.transcript.slice(0, keepStart) + 
+        '\n\n[...中間內容省略...]\n\n' + 
+        segA.transcript.slice(-keepEnd);
+      console.error(`   ⚠️ 第一段過長（${segALen} 字元），截斷為 ${transcriptA.length} 字元`);
+    }
+    if (segBLen > maxEach) {
+      const keepStart = Math.floor(maxEach * 0.4);
+      const keepEnd = Math.floor(maxEach * 0.6);
+      transcriptB = segB.transcript.slice(0, keepStart) + 
+        '\n\n[...中間內容省略...]\n\n' + 
+        segB.transcript.slice(-keepEnd);
+      console.error(`   ⚠️ 第二段過長（${segBLen} 字元），截斷為 ${transcriptB.length} 字元`);
+    }
+  }
+
+  const prompt = `請合併以下兩段逐字稿，並統一語者標籤。
+
+【第一段逐字稿】：
+${transcriptA}
+
+【第一段語者資訊】：
+${JSON.stringify(segA.speakerProfiles, null, 2)}
+
+【第二段逐字稿】：
+${transcriptB}
+
+【第二段語者資訊】：
+${JSON.stringify(segB.speakerProfiles, null, 2)}
+
+【合併要求】：
+1. 合併兩段逐字稿，去除重複的 overlap 部分（約 5 秒重疊）
+2. 統一語者標籤：
+   - 如果兩段都有相同的語者（如「男1」），保持標籤一致
+   - 如果兩段對同一人使用不同標籤（如第一段「男1」，第二段「語者A」），統一為最合適的標籤
+   - 只有對話中【明確提到】的姓名才能使用，不要憑空創造
+3. 保持時間戳順序正確
+4. 時間戳格式統一用 [MM:SS]
+
+【輸出格式】：
+先輸出合併後的逐字稿，然後用 ===SPEAKERS=== 分隔，輸出統一的語者資訊 JSON。
+
+合併後的逐字稿：`;
+
+  // 計算動態 timeout（根據內容長度）
+  const estimatedTimeout = Math.max(60000, Math.min(300000, totalLen / 10)); // 60s - 300s
+
+  for (let attempt = 0; attempt < maxRetries; attempt++) {
+    try {
+      const response = await withTimeout(
+        ai.models.generateContent({
+          model: model,
+          contents: createUserContent([prompt]),
+          config: { maxOutputTokens: 65536, temperature: 0.1 }
+        }),
+        estimatedTimeout,
+        `合併 API 超時（${Math.round(estimatedTimeout/1000)}s）`
+      );
+
+      const fullText = response.text;
+      
+      // 解析回傳
+      let mergedTranscript = fullText;
+      let mergedSpeakers = {};
+
+      const speakerSplit = fullText.split('===SPEAKERS===');
+      if (speakerSplit.length >= 2) {
+        mergedTranscript = speakerSplit[0].trim();
+        const jsonPart = speakerSplit[1].trim();
+        const jsonMatch = jsonPart.match(/\{[\s\S]*\}/);
+        if (jsonMatch) {
+          try {
+            mergedSpeakers = JSON.parse(jsonMatch[0]);
+          } catch {
+            // 如果解析失敗，合併兩段的語者資訊
+            mergedSpeakers = mergeSpeakerProfiles(segA.speakerProfiles, segB.speakerProfiles);
+          }
+        }
+      } else {
+        // 如果沒有語者資訊，合併兩段的語者資訊
+        mergedSpeakers = mergeSpeakerProfiles(segA.speakerProfiles, segB.speakerProfiles);
+      }
+
+      // 標準化時間戳
+      mergedTranscript = normalizeTimestamps(mergedTranscript);
+
+      return {
+        transcript: mergedTranscript,
+        speakerProfiles: mergedSpeakers
+      };
+    } catch (error) {
+      const errorDetails = {
+        message: error.message,
+        type: error.constructor.name,
+        attempt: attempt + 1,
+        totalLen: totalLen,
+        segALen: segALen,
+        segBLen: segBLen
+      };
+      
+      console.error(`   ⚠️ 合併失敗（嘗試 ${attempt + 1}/${maxRetries}）：${error.message}`);
+      console.error(`      詳細資訊：${JSON.stringify(errorDetails)}`);
+
+      if (attempt < maxRetries - 1) {
+        const delay = RETRY_BASE_DELAY * Math.pow(2, attempt);
+        console.error(`      等待 ${(delay/1000).toFixed(1)}s 後重試...`);
+        await new Promise(r => setTimeout(r, delay));
+        continue;
+      }
+
+      // 所有重試都失敗，使用簡單合併
+      console.error(`   ⚠️ 所有重試失敗，使用簡單合併（無 API 統一語者標籤）`);
+      const simpleMerged = mergeOverlapText(segA.transcript, segB.transcript);
+      return {
+        transcript: simpleMerged,
+        speakerProfiles: mergeSpeakerProfiles(segA.speakerProfiles, segB.speakerProfiles)
+      };
+    }
+  }
+}
+
+/**
+ * 即時寫入檔案（每段處理完成後更新）
+ */
+async function saveIncrementalResult(outPath, transcript, speakerProfiles, metadata) {
+  const speakerSection = Object.entries(speakerProfiles)
+    .map(([id, info]) => {
+      const name = info.name || id;
+      const details = [info.gender, info.role, info.traits].filter(Boolean).join('，');
+      return `- **${name}**：${details || '待識別'}`;
+    })
+    .join('\n');
+
+  const content = `---
+id: transcript-${metadata.timestamp}
+title: ${metadata.title}
+recorded_at: ${new Date().toISOString()}
+duration: ${metadata.duration}
+audio_file: ${metadata.audioPath}
+segments_completed: ${metadata.completed}/${metadata.total}
+mode: speaker
+---
+
+# ${metadata.title}
+
+## 語者資訊
+
+${speakerSection || '（識別中...）'}
+
+## 逐字稿
+
+${transcript}
+`;
+
+  await fs.writeFile(outPath, content, 'utf8');
+}
+
+/**
+ * 快速模式：平行轉錄，直接合併
+ */
+async function transcribeAudioFast(audioPath, outputPath, model, ai, durationMin) {
+  const segments = await splitAudioFast(audioPath);
+  let tempDir = null;
+
+  if (segments.length > 1 && !segments[0].isOriginal) {
+    tempDir = path.dirname(segments[0].path);
+  }
+
+  let transcript;
+
+  if (segments.length === 1) {
+    console.error('⬆️  上傳中...');
+    const uploadedFile = await ai.files.upload({
+      file: audioPath,
+      config: { mimeType: 'audio/mpeg' }
+    });
+    console.error('✅ 上傳完成');
+
+    const response = await ai.models.generateContent({
+      model: model,
+      contents: createUserContent([
+        createPartFromUri(uploadedFile.uri, uploadedFile.mimeType),
+        '你是專業語音轉錄員。【完整】轉錄這段音訊。\n' +
+        '規則：完整轉錄不省略、標註時間戳[MM:SS]、區分發言者、保留語氣詞、繁體中文、直接輸出。\n' +
+        '開始：'
+      ]),
+      config: { maxOutputTokens: 65536, temperature: 0.1 }
+    });
+
+    transcript = response.text;
+    try { await ai.files.delete({ name: uploadedFile.name }); } catch {}
+
+  } else {
+    // 平行處理
+    console.error(`🚀 [快速模式] 平行轉錄 ${segments.length} 段（最多 ${MAX_WORKERS} 並行）...`);
+    const results = new Map();
+
+    for (let i = 0; i < segments.length; i += MAX_WORKERS) {
+      const batch = segments.slice(i, i + MAX_WORKERS);
+      const batchPromises = batch.map(seg => transcribeSingleSegmentFast(ai, seg, model));
+      const batchResults = await Promise.all(batchPromises);
+      
+      for (const r of batchResults) {
+        results.set(r.index, r.transcript);
+        console.error(`   ✅ 第 ${r.index + 1}/${segments.length} 段完成`);
+      }
+    }
+
+    // 按順序合併
+    const sortedIndices = Array.from(results.keys()).sort((a, b) => a - b);
+    transcript = sortedIndices.map(i => results.get(i)).join('\n\n');
+  }
+
+  // 清理暫存
+  if (tempDir) {
+    await fs.rm(tempDir, { recursive: true, force: true });
+  }
+
+  // 儲存結果
+  const outPath = outputPath || audioPath.replace(/\.[^/.]+$/, '.md');
+  const formattedTimestamp = new Date().toISOString().slice(0, 19).replace(/:/g, '-');
+
+  const content = `---
+id: transcript-${formattedTimestamp}
+title: ${path.basename(audioPath)}
+recorded_at: ${new Date().toISOString()}
+duration: ${Math.round(durationMin)} 分鐘
+audio_file: ${audioPath}
+segments: ${segments.length}
+mode: fast
+model: ${model}
+---
+
+# ${path.basename(audioPath, path.extname(audioPath))}
+
+## 逐字稿
+
+${transcript}
+`;
+
+  await fs.writeFile(outPath, content, 'utf8');
+  console.error(`📄 [快速模式] 逐字稿已儲存: ${outPath}`);
+
+  return {
+    outputPath: outPath,
+    duration: `${Math.round(durationMin)} 分鐘`,
+    segments: segments.length,
+    summary: '（快速模式不產生摘要）',
+    keywords: ''
+  };
+}
+
+/**
+ * 語者識別模式：逐段處理，單一 API 呼叫同時取得逐字稿 + 語者資訊
+ */
+async function transcribeAudioSpeaker(audioPath, outputPath, model, ai, durationMin) {
+  const segments = await splitAudioSpeaker(audioPath);
+  let tempDir = null;
+
+  if (segments.length > 1 && !segments[0].isOriginal) {
+    tempDir = path.dirname(segments[0].path);
+  }
+
+  const outPath = outputPath || audioPath.replace(/\.[^/.]+$/, '.md');
+  const formattedTimestamp = new Date().toISOString().slice(0, 19).replace(/:/g, '-');
+  const metadata = {
+    timestamp: formattedTimestamp,
+    title: path.basename(audioPath, path.extname(audioPath)),
+    duration: `${Math.round(durationMin)} 分鐘`,
+    audioPath: audioPath,
+    completed: 0,
+    total: segments.length
+  };
+
+  let fullTranscript = '';
+  let speakerProfiles = {};
+  let emotionResults = [];  // 收集每段的情緒分析
+
+  console.error(`🎯 [語者識別模式] 逐段轉錄 ${segments.length} 段（單一 API 呼叫）...`);
+
+  for (const segment of segments) {
+    console.error(`   📝 處理第 ${segment.index + 1}/${segments.length} 段...`);
+
+    // 取前段結尾作為上下文
+    const previousEnding = fullTranscript.slice(-500);
+
+    // 單一 API 呼叫：同時取得逐字稿 + 情緒分析 + 語者資訊
+    const result = await transcribeSingleSegmentSpeaker(
+      ai, segment, model, speakerProfiles, previousEnding
+    );
+
+    if (!result.success) {
+      console.error(`   ⚠️ 第 ${segment.index + 1} 段失敗，跳過`);
+      continue;
+    }
+
+    // 收集情緒分析結果
+    if (result.emotion) {
+      emotionResults.push({
+        index: segment.index,
+        time: Math.floor(segment.offset / 60),
+        emotion: result.emotion,
+        offset: segment.offset
+      });
+    }
+
+    // 合併語者資訊
+    if (result.speakerProfiles && Object.keys(result.speakerProfiles).length > 0) {
+      speakerProfiles = mergeSpeakerProfiles(speakerProfiles, result.speakerProfiles);
+    }
+
+    // 合併逐字稿（處理 overlap 去重）
+    if (segment.hasOverlap && fullTranscript) {
+      fullTranscript = mergeOverlapText(fullTranscript, result.transcript);
+    } else {
+      fullTranscript = fullTranscript ? fullTranscript + '\n\n' + result.transcript : result.transcript;
+    }
+
+    // 即時寫入檔案
+    metadata.completed = segment.index + 1;
+    await saveIncrementalResult(outPath, fullTranscript, speakerProfiles, metadata);
+    console.error(`   ✅ 第 ${segment.index + 1}/${segments.length} 段完成，已寫入檔案`);
+  }
+
+  // 清理暫存
+  if (tempDir) {
+    await fs.rm(tempDir, { recursive: true, force: true });
+  }
+
+  // 產生最終摘要
+  console.error('📝 產生摘要...');
+  const summaryResponse = await ai.models.generateContent({
+    model: model,
+    contents: createUserContent([
+      `根據以下逐字稿，產生 3-5 點重點摘要（繁體中文）：\n\n${fullTranscript.slice(0, 30000)}`
+    ]),
+    config: { maxOutputTokens: 2048, temperature: 0.3 }
+  });
+  const summary = summaryResponse.text;
+
+  // 生成簡短情緒摘要（一段文字，包含經典句子）
+  let emotionSummary = '';
+  if (emotionResults.length > 0) {
+    console.error('💭 產生情緒摘要...');
+    try {
+      const emotionSummaryPrompt = `根據以下逐字稿和情緒分析結果，用一段文字（200-300字）描述整個對談的情緒流動：
+
+1. 整體氛圍和情緒變化過程
+2. 2-3 句經典語句（格式：[MM:SS] 語者X：「...」）
+3. 關鍵情緒轉折點和高潮時刻
+
+逐字稿片段：
+${fullTranscript.slice(0, 20000)}
+
+情緒分析結果：
+${emotionResults.map(r => `[${r.time}分鐘] ${r.emotion.slice(0, 200)}`).join('\n\n')}
+
+請用流暢的繁體中文寫成一段文字，不要使用列表或表格。`;
+
+      const emotionSummaryResponse = await ai.models.generateContent({
+        model: model,
+        contents: createUserContent([emotionSummaryPrompt]),
+        config: { maxOutputTokens: 1024, temperature: 0.3 }
+      });
+      emotionSummary = emotionSummaryResponse.text;
+      console.error('   ✅ 情緒摘要完成');
+    } catch (error) {
+      console.error(`   ⚠️ 情緒摘要生成失敗：${error.message}`);
+    }
+  }
+
+  // 在逐字稿中插入情緒轉折標記
+  let transcriptWithEmotions = fullTranscript;
+  if (emotionResults.length > 0) {
+    console.error('📍 在逐字稿中插入情緒轉折標記...');
+    const sortedEmotions = emotionResults.sort((a, b) => a.index - b.index);
+    
+    // 從後往前插入，避免位置偏移
+    for (let i = sortedEmotions.length - 1; i >= 0; i--) {
+      const emotion = sortedEmotions[i];
+      const timeStr = formatTime(emotion.offset);
+      const emotionBrief = extractEmotionBrief(emotion.emotion);
+      
+      // 找到插入位置（根據時間戳）
+      const insertPos = findInsertPosition(transcriptWithEmotions, emotion.offset);
+      
+      if (insertPos > -1) {
+        const marker = `\n\n---\n**📍 [${timeStr}] 情緒轉折**：${emotionBrief}\n---\n\n`;
+        transcriptWithEmotions = 
+          transcriptWithEmotions.slice(0, insertPos) + 
+          marker + 
+          transcriptWithEmotions.slice(insertPos);
+      }
+    }
+    console.error(`   ✅ 已插入 ${sortedEmotions.length} 個情緒標記`);
+  }
+
+  // 替換語者標籤為辨識出的名字/身份
+  console.error('🏷️ 替換語者標籤...');
+  let finalTranscript = transcriptWithEmotions;
+  let replacementCount = 0;
+  
+  // 按標籤長度降序排序（避免部分替換問題，例如「男1」和「男10」）
+  const sortedProfiles = Object.entries(speakerProfiles)
+    .sort((a, b) => b[0].length - a[0].length);
+  
+  for (const [id, info] of sortedProfiles) {
+    // 優先使用 name，否則用 id
+    const displayName = info.name && info.name !== id ? info.name : null;
+    
+    if (displayName) {
+      // 替換各種格式的語者標籤
+      const patterns = [
+        new RegExp(`\\*\\*${escapeRegex(id)}\\*\\*([：:])`, 'g'),
+        new RegExp(`\\[${escapeRegex(id)}\\]([：:])`, 'g'),
+      ];
+      
+      for (const pattern of patterns) {
+        const before = finalTranscript;
+        finalTranscript = finalTranscript.replace(pattern, `**${displayName}**$1`);
+        if (finalTranscript !== before) {
+          replacementCount++;
+        }
+      }
+    }
+  }
+  
+  if (replacementCount > 0) {
+    console.error(`   ✅ 已替換 ${replacementCount} 處語者標籤`);
+  }
+
+  // 寫入最終檔案
+  const speakerSection = Object.entries(speakerProfiles)
+    .map(([id, info]) => {
+      const name = info.name || id;
+      const details = [info.gender, info.role, info.traits].filter(Boolean).join('，');
+      return `- **${name}**：${details || '待識別'}`;
+    })
+    .join('\n');
+
+  const finalContent = `---
+id: transcript-${formattedTimestamp}
+title: ${metadata.title}
+recorded_at: ${new Date().toISOString()}
+duration: ${metadata.duration}
+audio_file: ${audioPath}
+segments: ${segments.length}
+mode: speaker
+model: ${model}
+---
+
+# ${metadata.title}
+
+## 摘要
+
+${summary}
+
+${emotionSummary ? `## 情緒流動\n\n${emotionSummary}\n` : ''}## 語者資訊
+
+${speakerSection || '（未識別）'}
+
+## 逐字稿
+
+${finalTranscript}
+`;
+
+  await fs.writeFile(outPath, finalContent, 'utf8');
+  console.error(`📄 [語者識別模式] 逐字稿已儲存: ${outPath}`);
+
+  return {
+    outputPath: outPath,
+    duration: metadata.duration,
+    segments: segments.length,
+    summary,
+    keywords: '',
+    speakerProfiles
+  };
+}
+
+/**
+ * 平行模式：主函數
+ */
+async function transcribeAudioParallel(audioPath, outputPath, model, ai, durationMin) {
+  // 建立 temp 目錄
+  const tempDir = path.join(tmpdir(), `parallel_${Date.now()}`);
+  await fs.mkdir(tempDir, { recursive: true });
+
+  try {
+    // 1. 切割音檔
+    const segments = await splitAudioParallel(audioPath);
+    let audioTempDir = null;
+
+    if (segments.length > 1 && !segments[0].isOriginal) {
+      audioTempDir = path.dirname(segments[0].path);
+    }
+
+    // 2. 平行轉錄所有段落
+    const segmentData = await transcribeSegmentsParallel(ai, segments, model, tempDir);
+
+    if (segmentData.length === 0) {
+      throw new Error('所有段落轉錄失敗');
+    }
+
+    // 3. 金字塔合併
+    console.error(`🔺 [平行模式] 開始金字塔合併...`);
+    const finalResult = await pyramidMerge(ai, segmentData, model, tempDir);
+
+    // 4. 儲存最終結果到 temp 目錄
+    const finalTempFile = path.join(tempDir, 'final.md');
+    const finalContent = `# 最終合併結果
+
+## 語者資訊
+
+${Object.entries(finalResult.speakerProfiles).map(([id, info]) => {
+  const name = info.name || id;
+  const details = [info.gender, info.role, info.traits].filter(Boolean).join('，');
+  return `- **${name}**：${details || '待識別'}`;
+}).join('\n') || '（未識別）'}
+
+## 逐字稿
+
+${finalResult.transcript}
+`;
+    await fs.writeFile(finalTempFile, finalContent, 'utf8');
+
+    // 5. 產生摘要
+    console.error('📝 產生摘要...');
+    const summaryResponse = await ai.models.generateContent({
+      model: model,
+      contents: createUserContent([
+        `根據以下逐字稿，產生 3-5 點重點摘要（繁體中文）：\n\n${finalResult.transcript.slice(0, 30000)}`
+      ]),
+      config: { maxOutputTokens: 2048, temperature: 0.3 }
+    });
+    const summary = summaryResponse.text;
+
+    // 6. 儲存最終結果
+    const outPath = outputPath || audioPath.replace(/\.[^/.]+$/, '.md');
+    const formattedTimestamp = new Date().toISOString().slice(0, 19).replace(/:/g, '-');
+
+    const speakerSection = Object.entries(finalResult.speakerProfiles)
+      .map(([id, info]) => {
+        const name = info.name || id;
+        const details = [info.gender, info.role, info.traits].filter(Boolean).join('，');
+        return `- **${name}**：${details || '待識別'}`;
+      })
+      .join('\n');
+
+    const content = `---
+id: transcript-${formattedTimestamp}
+title: ${path.basename(audioPath, path.extname(audioPath))}
+recorded_at: ${new Date().toISOString()}
+duration: ${Math.round(durationMin)} 分鐘
+audio_file: ${audioPath}
+segments: ${segments.length}
+mode: parallel
+temp_dir: ${tempDir}
+model: ${model}
+---
+
+# ${path.basename(audioPath, path.extname(audioPath))}
+
+## 摘要
+
+${summary}
+
+## 語者資訊
+
+${speakerSection || '（未識別）'}
+
+## 逐字稿
+
+${finalResult.transcript}
+`;
+
+    await fs.writeFile(outPath, content, 'utf8');
+    console.error(`📄 [平行模式] 逐字稿已儲存: ${outPath}`);
+    console.error(`📁 中間結果目錄: ${tempDir}`);
+
+    // 清理音檔分段暫存
+    if (audioTempDir) {
+      await fs.rm(audioTempDir, { recursive: true, force: true });
+    }
+
+    return {
+      outputPath: outPath,
+      duration: `${Math.round(durationMin)} 分鐘`,
+      segments: segments.length,
+      summary,
+      keywords: '',
+      speakerProfiles: finalResult.speakerProfiles,
+      tempDir: tempDir
+    };
+  } catch (error) {
+    // 發生錯誤時保留 temp 目錄供除錯
+    console.error(`❌ [平行模式] 處理失敗：${error.message}`);
+    console.error(`📁 除錯目錄保留：${tempDir}`);
+    throw error;
+  }
+}
+
+
+/**
+ * 主要轉錄函數（根據 mode 調用不同模式）
+ */
+async function transcribeAudio(audioPath, outputPath = null, model = MODEL_NAME, mode = null) {
+  const apiKey = process.env.GEMINI_API_KEY;
+  if (!apiKey) {
+    throw new Error('GEMINI_API_KEY 未設定');
+  }
+
+  // 如果沒有指定 mode，從環境變數或使用預設值
+  if (!mode) {
+    mode = process.env.DEFAULT_MODE || 'fast';
+  }
+  
+  // 驗證 mode 是否有效
+  if (mode !== 'fast' && mode !== 'speaker') {
+    console.error(`⚠️ 無效的模式 "${mode}"，使用預設值 "fast"`);
+    mode = 'fast';
+  }
+
+  const ai = new GoogleGenAI({ apiKey });
+
+  const stats = await fs.stat(audioPath);
+  const fileSizeMB = stats.size / (1024 * 1024);
+  const duration = await getAudioDuration(audioPath);
+  const durationMin = duration > 0 ? duration / 60 : fileSizeMB * 2;
+
+  console.error(`📁 處理檔案: ${path.basename(audioPath)} (${fileSizeMB.toFixed(1)} MB, ${durationMin.toFixed(1)} 分鐘)`);
+  
+  const modeNames = {
+    'fast': '快速模式',
+    'speaker': '語者識別模式'
+  };
+  console.error(`🔧 模式: ${modeNames[mode] || '快速模式'}`);
+
+  let result;
+  if (mode === 'fast') {
+    result = await transcribeAudioFast(audioPath, outputPath, model, ai, durationMin);
+  } else {
+    result = await transcribeAudioSpeaker(audioPath, outputPath, model, ai, durationMin);
+  }
+  
+  // 在返回值中添加 mode
+  return { ...result, mode };
+}
+
+/**
+ * 描述圖片
+ */
+async function describeImage(imagePath, outputPath = null, detailLevel = 'detailed') {
+  const apiKey = process.env.GEMINI_API_KEY;
+  if (!apiKey) {
+    throw new Error('GEMINI_API_KEY 未設定');
+  }
+
+  const ai = new GoogleGenAI({ apiKey });
+
+  const detailPrompts = {
+    simple: '請用繁體中文簡單描述這張圖片的主要內容（50字以內）。',
+    normal: '請用繁體中文描述這張圖片，包括主要物體、場景、顏色和構圖。',
+    detailed: `請用繁體中文非常詳細地描述這張圖片，包括：
+1. **主體描述**：圖片中的主要物體或人物
+2. **場景環境**：背景、地點、氛圍
+3. **視覺元素**：顏色、光線、構圖
+4. **細節觀察**：任何值得注意的細節
+5. **整體印象**：圖片傳達的情緒或訊息`
+  };
+
+  const prompt = detailPrompts[detailLevel] || detailPrompts.detailed;
+
+  const uploadedFile = await ai.files.upload({
+    file: imagePath,
+    config: { mimeType: 'image/jpeg' }
+  });
+
+  const response = await ai.models.generateContent({
+    model: MODEL_NAME,
+    contents: createUserContent([
+      createPartFromUri(uploadedFile.uri, uploadedFile.mimeType),
+      prompt
+    ]),
+    config: { maxOutputTokens: 4096, temperature: 0.7 }
+  });
+
+  try { await ai.files.delete({ name: uploadedFile.name }); } catch { /* ignore */ }
+
+  const description = response.text;
+  const outPath = outputPath || imagePath.replace(/\.[^/.]+$/, '.md');
+
+  const content = `# 圖片描述
+
+## 檔案資訊
+- **圖片檔案**: ${path.basename(imagePath)}
+- **處理時間**: ${new Date().toISOString()}
+- **詳細程度**: ${detailLevel}
+
+---
+
+## 描述內容
+
+${description}
+`;
+
+  await fs.writeFile(outPath, content, 'utf8');
+
+  return { outputPath: outPath, description };
+}
+
+// 建立 MCP Server
+const server = new McpServer({
+  name: 'gemini-transcriber',
+  version: '1.0.0'
+});
+
+// 註冊工具：音訊轉錄
+server.tool(
+  'transcribe_audio',
+  '將音訊檔案轉為逐字稿。支援兩種模式：fast（快速模式，預設）、speaker（語者識別+情緒分析）。預設模式可透過環境變數 DEFAULT_MODE 設定。',
+  {
+    audio_path: z.string().describe('音訊檔案路徑（必填）'),
+    output_path: z.string().optional().describe('輸出檔案路徑（選填）'),
+    model: z.string().optional().describe('使用的模型（預設: gemini-3-flash-preview）'),
+    mode: z.enum(['fast', 'speaker']).optional().describe('模式：fast（快速，預設）或 speaker（語者識別+情緒分析）。如未指定，使用環境變數 DEFAULT_MODE 或預設 fast')
+  },
+  async ({ audio_path, output_path, model, mode }) => {
+    try {
+      const resolvedAudioPath = resolvePath(audio_path);
+      const resolvedOutputPath = output_path ? resolvePath(output_path) : null;
+
+      try {
+        await fs.access(resolvedAudioPath);
+      } catch {
+        return { content: [{ type: 'text', text: `❌ 找不到音訊檔案: ${resolvedAudioPath}` }] };
+      }
+
+      const ext = path.extname(resolvedAudioPath).toLowerCase();
+      if (!SUPPORTED_AUDIO_FORMATS.includes(ext)) {
+        return { content: [{ type: 'text', text: `❌ 不支援的音訊格式: ${ext}\n支援格式: ${SUPPORTED_AUDIO_FORMATS.join(', ')}` }] };
+      }
+
+      // 如果沒有指定 mode，讓 transcribeAudio 使用環境變數或預設值
+      const result = await transcribeAudio(resolvedAudioPath, resolvedOutputPath, model || MODEL_NAME, mode || undefined);
+
+      // 根據模式顯示不同結果（從結果中取得實際使用的模式）
+      const actualMode = result.mode || (mode || process.env.DEFAULT_MODE || 'fast');
+      if (actualMode === 'fast') {
+        return {
+          content: [{
+            type: 'text',
+            text: `✅ [快速模式] 音訊轉錄完成！
+
+📁 **輸出檔案**: ${result.outputPath}
+⏱️ **總時長**: ${result.duration}
+📊 **處理區塊**: ${result.segments} 個`
+          }]
+        };
+      } else if (selectedMode === 'hybrid') {
+        const speakerInfo = result.speakerProfiles ? 
+          Object.entries(result.speakerProfiles)
+            .map(([name, info]) => `- **${name}**（${[info.gender, info.role].filter(Boolean).join('，') || '?'}）`)
+            .join('\n') : '';
+
+        return {
+          content: [{
+            type: 'text',
+            text: `✅ [Hybrid 模式] 音訊轉錄完成！
+
+📁 **輸出檔案**: ${result.outputPath}
+⏱️ **總時長**: ${result.duration}
+📊 **處理區塊**: ${result.segments} 個
+
+## 語者資訊
+${speakerInfo || '（未識別）'}
+
+## 摘要
+${result.summary}`
+          }]
+        };
+      } else {
+        const speakerInfo = result.speakerProfiles ? 
+          Object.entries(result.speakerProfiles)
+            .map(([id, info]) => `- ${info.name || id}（${info.role || '?'}）`)
+            .join('\n') : '';
+
+        return {
+          content: [{
+            type: 'text',
+            text: `✅ [語者識別模式] 音訊轉錄完成！
+
+📁 **輸出檔案**: ${result.outputPath}
+⏱️ **總時長**: ${result.duration}
+📊 **處理區塊**: ${result.segments} 個
+
+## 語者資訊
+${speakerInfo || '（未識別）'}
+
+## 摘要
+${result.summary}`
+          }]
+        };
+      }
+    } catch (error) {
+      return { content: [{ type: 'text', text: `❌ 轉錄失敗: ${error.message}` }] };
+    }
+  }
+);
+
+// 註冊工具：圖片描述
+server.tool(
+  'describe_image',
+  '描述圖片內容。支援 png/jpg/jpeg/webp 等格式。',
+  {
+    image_path: z.string().describe('圖片檔案路徑（必填）'),
+    output_path: z.string().optional().describe('輸出檔案路徑（選填）'),
+    detail_level: z.enum(['simple', 'normal', 'detailed']).optional().describe('詳細程度（預設: detailed）')
+  },
+  async ({ image_path, output_path, detail_level }) => {
+    try {
+      // 解析路徑（支援相對路徑）
+      const resolvedImagePath = resolvePath(image_path);
+      const resolvedOutputPath = output_path ? resolvePath(output_path) : null;
+
+      try {
+        await fs.access(resolvedImagePath);
+      } catch {
+        return { content: [{ type: 'text', text: `❌ 找不到圖片檔案: ${resolvedImagePath}` }] };
+      }
+
+      const ext = path.extname(resolvedImagePath).toLowerCase();
+      if (!SUPPORTED_IMAGE_FORMATS.includes(ext)) {
+        return { content: [{ type: 'text', text: `❌ 不支援的圖片格式: ${ext}` }] };
+      }
+
+      const result = await describeImage(resolvedImagePath, resolvedOutputPath, detail_level || 'detailed');
+
+      return {
+        content: [{
+          type: 'text',
+          text: `✅ 圖片描述完成！
+
+📁 **輸出檔案**: ${result.outputPath}
+
+---
+
+${result.description}`
+        }]
+      };
+    } catch (error) {
+      return { content: [{ type: 'text', text: `❌ 描述失敗: ${error.message}` }] };
+    }
+  }
+);
+
+// 註冊工具：語者分析
+server.tool(
+  'analyze_speaker',
+  '分析音頻中特定時間點的語者資訊（性別、年齡、聲音特徵等）。可指定時間戳或文字內容來定位。',
+  {
+    audio_path: z.string().describe('音訊檔案路徑（必填）'),
+    timestamp: z.string().optional().describe('時間戳，格式 MM:SS 或 HH:MM:SS（如 01:18）'),
+    duration: z.number().optional().describe('分析的時長（秒），預設 30 秒'),
+    question: z.string().optional().describe('自訂問題（如：講這句話的人是男生還是女生？）')
+  },
+  async ({ audio_path, timestamp, duration = 30, question }) => {
+    try {
+      const apiKey = process.env.GEMINI_API_KEY;
+      if (!apiKey) {
+        return { content: [{ type: 'text', text: '❌ GEMINI_API_KEY 未設定' }] };
+      }
+
+      const ai = new GoogleGenAI({ apiKey });
+      const resolvedAudioPath = resolvePath(audio_path);
+
+      try {
+        await fs.access(resolvedAudioPath);
+      } catch {
+        return { content: [{ type: 'text', text: `❌ 找不到音訊檔案: ${resolvedAudioPath}` }] };
+      }
+
+      // 解析時間戳
+      let startSeconds = 0;
+      if (timestamp) {
+        const parts = timestamp.split(':').map(Number);
+        if (parts.length === 2) {
+          startSeconds = parts[0] * 60 + parts[1];
+        } else if (parts.length === 3) {
+          startSeconds = parts[0] * 3600 + parts[1] * 60 + parts[2];
+        }
+      }
+
+      // 切割音頻片段
+      const tempDir = await fs.mkdtemp(path.join(os.tmpdir(), 'speaker-analysis-'));
+      const segmentPath = path.join(tempDir, 'segment.mp3');
+
+      await new Promise((resolve, reject) => {
+        const args = [
+          '-y', '-i', resolvedAudioPath,
+          '-ss', String(startSeconds),
+          '-t', String(duration),
+          '-acodec', 'libmp3lame', '-ab', '64k', '-ar', '16000', '-ac', '1',
+          segmentPath
+        ];
+        const ffmpeg = spawn('ffmpeg', args);
+        ffmpeg.on('close', code => code === 0 ? resolve() : reject(new Error(`ffmpeg 錯誤: ${code}`)));
+        ffmpeg.on('error', reject);
+      });
+
+      // 上傳並分析
+      const uploadedFile = await ai.files.upload({
+        file: segmentPath,
+        config: { mimeType: 'audio/mpeg' }
+      });
+
+      const defaultQuestion = `分析這段音頻中說話的人：
+
+1. 性別（男/女）
+2. 年齡範圍（如：20-30歲、30-40歲）
+3. 聲音特徵（音調高低、說話速度、口音等）
+4. 性格推測（根據說話方式推斷）
+5. 情緒狀態（平靜、興奮、猶豫等）
+
+請詳細描述這位語者的特徵。`;
+
+      const response = await ai.models.generateContent({
+        model: MODEL_NAME,
+        contents: createUserContent([
+          createPartFromUri(uploadedFile.uri, uploadedFile.mimeType),
+          question || defaultQuestion
+        ]),
+        config: { maxOutputTokens: 2048, temperature: 0.1 }
+      });
+
+      // 清理
+      ai.files.delete({ name: uploadedFile.name }).catch(() => {});
+      await fs.rm(tempDir, { recursive: true, force: true });
+
+      const timeRange = `${timestamp || '00:00'} - ${formatTime(startSeconds + duration)}`;
+
+      return {
+        content: [{
+          type: 'text',
+          text: `🎤 **語者分析結果**
+
+📁 音訊檔案: ${path.basename(resolvedAudioPath)}
+⏱️ 分析時段: ${timeRange}
+
+---
+
+${response.text}`
+        }]
+      };
+    } catch (error) {
+      return { content: [{ type: 'text', text: `❌ 分析失敗: ${error.message}` }] };
+    }
+  }
+);
+
+// 輔助函數：格式化時間
+function formatTime(seconds) {
+  const m = Math.floor(seconds / 60);
+  const s = Math.floor(seconds % 60);
+  return `${String(m).padStart(2, '0')}:${String(s).padStart(2, '0')}`;
+}
+
+// 註冊工具：列出支援格式
+server.tool(
+  'list_supported_formats',
+  '列出支援的檔案格式和轉錄模式',
+  {},
+  async () => {
+    return {
+      content: [{
+        type: 'text',
+        text: `📋 **支援的檔案格式**
+
+## 🎵 音訊格式
+${SUPPORTED_AUDIO_FORMATS.join(', ')}
+
+## 🖼️ 圖片格式
+${SUPPORTED_IMAGE_FORMATS.join(', ')}
+
+## 🔧 轉錄模式
+- **speaker**（預設）：語者識別模式，逐段處理，累積語者資訊，每段即時寫入
+- **fast**：快速模式，平行處理，直接合併，適合快速驗證
+- **hybrid**：快速轉錄 + 全局語者分析 + 音頻語者特徵分析
+
+## 🎤 語者分析工具
+- **analyze_speaker**：分析特定時間點的語者（性別、年齡、聲音特徵）
+  用法：analyze_speaker(audio_path, timestamp="01:18", duration=30)
+
+## 🤖 可用模型
+- gemini-3-flash-preview（預設）
+- gemini-2.5-flash
+- gemini-2.5-pro`
+      }]
+    };
+  }
+);
+
+// 啟動 Server
+async function main() {
+  const transport = new StdioServerTransport();
+  await server.connect(transport);
+  console.error('🚀 MCP Gemini Transcriber Server 已啟動');
+}
+
+main().catch(err => {
+  console.error('❌ 啟動失敗:', err);
+  process.exit(1);
+});