Skip to content

feat(audio): AudioTranscribe speakers=true — 누가 말했는지 붙인다 (4.106.0) - #180

Merged
SonAIengine merged 1 commit into
mainfrom
feat/stt-speaker-diarization
Oct 31, 2026
Merged

SonAIengine merged 1 commit into
mainfrom
feat/stt-speaker-diarization

Conversation

@SonAIengine

Copy link
Copy Markdown
Contributor

왜

회의 녹음을 채팅에 올려 회의록을 받으려면 "누가 말했는지" 가 있어야 하는데 AudioTranscribe 결과는 글자뿐이었다. 화자 분리는 항상 켜지 않고 고른다 — 호스트가 켜 두었을 때, 모델이 녹음마다.

무엇 (4.106.0)

  • AudioTranscribe: speakers(기본 false)·num_speakers(1~32, 사용자가 인원을 말했을 때) 입력.
    • 호스트 extras["stt"]["diarization"] 이 꺼져 있으면 그냥 받아쓰고 "화자 표시를 쓸 수 없다" 한 줄을 붙인다(재호출 없음). 이 키는 provider 에 넘기지 않는다.
    • 출력: 같은 화자가 이어 말한 구간을 한 줄로 — [00:00–00:14] A: ...
    • 사이드카에 speakers·num_speakers. 화자 요청은 화자 캐시만 쓰고 인원이 다르면 다시 부른다. 서버가 라벨 없이 돌려주면 화자 캐시로 적지 않는다.
  • openai_compatible: response_format=diarized_json + chunking_strategy=auto(OpenAI 형식), segments[].speaker 파싱. num_speakers 는 OpenAI 필드가 아니라 모델이 줬을 때만 보낸다.
  • STTSegment.speaker(선택). 화자 인자는 요청됐을 때만 넘겨 예전 provider 시그니처를 깨지 않는다. 못 받는 provider 는 STT_NO_SPEAKERS.
  • AudioInfo 에 speakers.

검증

  • 테스트 8개 추가. 전체 6316 passed / 16 skipped. ruff format --check·ruff check·gen_event_docs.py --check 통과.
  • 실서버: xgen-model develop(diarized_json, 50901 GPU) 에 이 도구로 실호출 — 101초 3화자 회의에서 A/B/C 9줄, 캐시 적중, 호스트 꺼짐 경로 확인.

짝

  • xgen-model MR !156 (diarized_json 서버)
  • xgen-workflow: GENY_STT_DIARIZATION → extras["stt"]["diarization"], 이 버전 고정

🤖 Generated with Claude Code

회의 녹음을 채팅에 올려 회의록을 받으려면 "누가 말했는지" 가 있어야 하는데 전사 결과는
글자뿐이었다. 화자 분리는 항상 켜지 않고 고른다:
- 호스트: extras["stt"]["diarization"] 을 켰을 때만(그 STT 서버가 화자를 나눌 수 있을 때).
- 호출: 모델이 여러 사람이 말하는 녹음이면 speakers=true, 사용자가 인원을 말했으면 num_speakers.

- AudioTranscribe: speakers·num_speakers(1~32) 입력. 호스트가 꺼 두었으면 그냥 받아쓰고
  "화자 표시를 쓸 수 없다" 한 줄을 붙인다(재호출 없음). diarization 키는 provider 에 넘기지 않는다.
- 출력: 같은 화자가 이어 말한 구간을 한 줄로 — "[00:00–00:14] A: ..." (A, B 는 파일 안 첫 등장 순).
- openai_compatible: response_format=diarized_json(OpenAI 형식) + chunking_strategy=auto,
  segments[].speaker 파싱. num_speakers 는 OpenAI 필드가 아니라 모델이 줬을 때만 보낸다.
- STTSegment.speaker(선택). 화자 인자는 요청됐을 때만 넘겨 예전 provider 시그니처를 깨지 않는다.
  못 받는 provider 는 STT_NO_SPEAKERS.
- 사이드카: speakers·num_speakers 기록. 화자 요청은 화자 캐시만 쓰고 인원이 다르면 다시 부른다.
  서버가 화자 표시 없이 돌려주면 화자 캐시로 적지 않는다. AudioInfo 에 speakers 노출.

서버 쪽은 xgen-model develop 의 response_format=diarized_json(50901 실측: 101초 3화자 회의
3.0~3.5초, 10분 통화 19초).

테스트: speakers 8개 추가(턴 묶기·캐시·인원 불일치·호스트 꺼짐·provider 미지원·라벨 없는 응답·
설정 키 비전달·전송 형식). 전체 6316 passed / 16 skipped, ruff format·check, gen_event_docs --check 통과.

Co-Authored-By: Claude Opus 5.5 <[email protected]>
@SonAIengine
SonAIengine merged commit a3f48a3 into main Oct 31, 2026
7 checks passed
Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment

Labels

None yet

Projects

None yet

Development

Successfully merging this pull request may close these issues.

1 participant