test(diarization): добавлен стенд сравнения CPU-моделей

- Зачем:
  - требовалось сравнить облегченные модели диаризации на старом CPU без изменения рабочей конфигурации.
- Что:
  - добавлен воспроизводимый и возобновляемый прогон матрицы Pyannote FP32/INT8 с WeSpeaker и TitaNet.
  - зафиксированы измерения 108 ячеек, ограничения эксперимента и решение сохранить модель по умолчанию.
  - локальные записи в каталоге tmp исключены из индекса Git.
- Проверка:
  - .venv/bin/python -m pytest.
  - /tmp/local-transcriber-ruff-bin/ruff check scripts/benchmarks/diarization_calibration.py tests/test_diarization_calibration.py.

docs/adr/007-word-level-speaker-diarization.md

@@ -2,6 +2,23 @@
 
 **Статус**: Принято
 **Дата**: 2026-08-14
+**Обновлено**: 2026-08-30
+
+## Решение
+
+Диаризацию реализуем как явно включаемый пост-процессинг через `sherpa-onnx`.
+Говорящий назначается слову с временной привязкой, а не целому сегменту
+распознавания. Модель по умолчанию остаётся прежней: Pyannote Segmentation 3.0 FP32,
+WeSpeaker ResNet34 LM, порог кластеризации `0,89` и автоматическое число
+кластеров. Известное число говорящих можно передать явно.
+
+Повторный CPU-тест FP32/INT8 × WeSpeaker/TitaNet не меняет это решение.
+INT8 с WeSpeaker дал только около 2% среднего ускорения без существенного
+выигрыша памяти и с худшими прокси-метриками. TitaNet оказался примерно на
+четверть быстрее, но потребовал ещё 147–149 МиБ RSS и не прошёл условие приёмки
+для общего автоматического порога. TitaNet можно исследовать только для режима
+с явно известным числом говорящих. Такой эксперимент должен завершиться
+слуховой проверкой. Код и модели по умолчанию на него не переключаем.
 
 ## Контекст
 
@@ -21,12 +38,20 @@
 ## Эксперимент
 
 Локальная связка `sherpa-onnx` с сегментацией Pyannote 3.0 и эмбеддингами
-WeSpeaker ResNet34 LM проверена на трёх записях с известным составом. Для
-автоматического определения числа голосовых кластеров выбран порог 0,89: это
-единственное проверенное значение, которое на трёх контрольных фрагментах дало
-3 / 2 / 2 кластера. На полной встрече втроём остался ложный кластер длительностью
-19,1 секунды; поэтому малые кластеры нельзя молча отбрасывать, а разметку нельзя
-считать эталоном точных границ и перекрывающейся речи.
+WeSpeaker ResNet34 LM проверена на трёх записях с известным составом. В исходной
+калибровке для автоматического определения числа голосовых кластеров выбран
+порог 0,89: среди проверенных тогда значений только он дал на трёх контрольных
+фрагментах `3 / 2 / 2` кластера. На полной встрече втроём остался ложный кластер
+длительностью 19,1 секунды; поэтому малые кластеры нельзя молча отбрасывать, а
+разметку нельзя считать эталоном точных границ и перекрывающейся речи.
+
+В повторном CPU-переборе на тех же пятиминутных фрагментах FP32 + WeSpeaker
+прошёл условие приёмки `3 / 2 / 2` на плато `0,85–0,89`, а INT8 + WeSpeaker —
+на `0,85–0,90`.
+Это не отменяет порог 0,89: новый прогон не имел повторов и новой слуховой
+проверки. Обе связки TitaNet провалили условие приёмки во всех проверенных
+точках; число содержательных кластеров не использовалось как оправдание лишних
+голосовых кластеров.
 
 Двуязычная CAMPPlus zh/en оказалась примерно на 30% быстрее и при известном
 числе участников улучшила прокси-метрику на двух записях, но для неё не нашлось
@@ -44,6 +69,8 @@ WeSpeaker ResNet34 LM проверена на трёх записях с изв
 [калибровке](../benchmarks/2026-08-14-diarization-calibration.md),
 [смешении говорящих](../benchmarks/2026-08-14-asr-segment-speaker-mixing.md) и
 [производительности на Intel](../benchmarks/2026-08-14-diarization-intel-i7.md).
+Сравнение облегчённых моделей и границы его применимости описаны в
+[отдельном отчёте](../benchmarks/2026-08-30-lightweight-diarization-cpu.md).
 
 ### Сглаживание неизвестного говорящего
 
@@ -78,12 +105,7 @@ speaker Markdown хранит только начало реплики. Тем
 невозможна, потому что в нём уже потеряны доли секунды, конец слова и причина
 неопределённости.
 
-## Решение
-
-Диаризацию реализуем как явно включаемый пост-процессинг через `sherpa-onnx`.
-Первая версия использует Pyannote segmentation 3.0, WeSpeaker ResNet34 LM,
-порог кластеризации 0,89 и автоматическое число кластеров; известное число
-участников можно передать явно.
+## Сведение слов и разметки говорящих
 
 Говорящий назначается [слову с временной
 привязкой](../../CONTEXT.md#language), а не сегменту распознавания. Каждый
@@ -119,6 +141,9 @@ ASR-бэкенд приводит свой результат к общему н
 - Последовательный режим задаёт корректный baseline. Параллельный запуск и
   автоматическое включение на мощных устройствах требуют отдельных измерений
   после стабилизации.
+- Pyannote INT8 и TitaNet не становятся конфигурациями по умолчанию только на
+  основании CPU-теста. Для TitaNet следующий допустимый эксперимент —
+  режим с явно известным числом говорящих, повторами и слуховой проверкой.
 
 ## Отклонённые альтернативы