docs(diarization): подтверждено смешение в ASR-сегментах

- Зачем:
  - требовалось проверить долю смешанных ASR-сегментов на трёх записях, включая разговоры на двоих.
- Что:
  - добавлен отчёт с долями сегментов и времени для трёх рабочих созвонов.
  - обвязка замеров переведена на откалиброванный порог 0,89.
  - исследовательский скрипт приведён к формату ruff.
- Проверка:
  - выполнены три полных прогона bench_conflict.py с WeSpeaker и порогом 0,89.
  - uv run ruff check и ruff format --check прошли успешно.

.scratch/diarization/README.md

@@ -41,17 +41,18 @@ curl -sSL -O https://github.com/k2-fsa/sherpa-onnx/releases/download/speaker-rec
 export PYTHONIOENCODING=utf-8
 
 uv run python .scratch/diarization/bench_asr.py "<путь к записи>"
-uv run --with sherpa-onnx python .scratch/diarization/bench_diar.py "<путь>" 8 0.9
+uv run --with sherpa-onnx python .scratch/diarization/bench_diar.py "<путь>" 8 0.89
 uv run --with sherpa-onnx python .scratch/diarization/bench_sweep.py "<путь>"
 uv run --with sherpa-onnx python .scratch/diarization/bench_conflict.py "<путь>"
 ```
 
 ## Что стоит знать до запуска
 
-- **Порог кластеризации не откалиброван.** По умолчанию стоит 0,9 — значение из
+- **Порог кластеризации откалиброван.** По умолчанию стоит 0,89 — единственное
-  разведки, подобранное на одной записи и на ней же проверенное. На пороге 0,5
+  проверенное значение, которое без знания числа участников дало правильные
-  из примеров sherpa-onnx получалось 29 говорящих вместо трёх. Калибровка — это
+  3 / 2 / 2 кластера на трёх калибровочных фрагментах. Решение и ограничения
-  тикет #10, до его закрытия любое значение считается временным.
+  описаны в
+  [отчёте о калибровке](../../docs/benchmarks/2026-08-14-diarization-calibration.md).
 - **Свип дорогой.** Каждая конфигурация — полный прогон сегментации и
   эмбеддингов, около 2,5 минут на 26-минутную запись, и время от настроек
   кластеризации практически не зависит. Свип вести на коротком фрагменте.

.scratch/diarization/bench_conflict.py

@@ -74,7 +74,13 @@ def main(audio_path: str, threshold: float, threads: int) -> None:
             continue
         major = max(per_speaker, key=lambda k: per_speaker[k])
         rows.append(
-            (seg, major, per_speaker[major] / total, total - per_speaker[major], dict(per_speaker))
+            (
+                seg,
+                major,
+                per_speaker[major] / total,
+                total - per_speaker[major],
+                dict(per_speaker),
+            )
         )
 
     n = len(rows)
@@ -95,7 +101,9 @@ def main(audio_path: str, threshold: float, threads: int) -> None:
         (f"с чужой репликой (>={INTERJECTION_S:.0f} с)", lost),
         ("без говорящего вообще", unattributed),
     ):
-        print(f"  {label:<34} {len(group):4d}  {len(group) / n * 100:5.1f}%  {minutes(group):5.1f} мин")
+        print(
+            f"  {label:<34} {len(group):4d}  {len(group) / n * 100:5.1f}%  {minutes(group):5.1f} мин"
+        )
 
     print()
     for level in PURITY_LEVELS:
@@ -107,9 +115,12 @@ def main(audio_path: str, threshold: float, threads: int) -> None:
 
     print("\n" + "=" * 64)
     print("ХУДШИЕ 12 СЕГМЕНТОВ (больше всего чужой речи внутри):")
-    for seg, major, purity, others, per_speaker in sorted(attributed, key=lambda r: -r[3])[:12]:
+    for seg, major, purity, others, per_speaker in sorted(
+        attributed, key=lambda r: -r[3]
+    )[:12]:
         share = ", ".join(
-            f"spk{k}={v:.1f}с" for k, v in sorted(per_speaker.items(), key=lambda x: -x[1])
+            f"spk{k}={v:.1f}с"
+            for k, v in sorted(per_speaker.items(), key=lambda x: -x[1])
         )
         print(
             f"\n  [{seg.start:7.1f}-{seg.end:7.1f}] ({seg.end - seg.start:4.1f} с) "

.scratch/diarization/common.py

@@ -22,9 +22,9 @@ EMBEDDING = MODELS / "wespeaker_en_voxceleb_resnet34_LM.onnx"
 
 SAMPLE_RATE = 16_000
 
-# Настройки разведки 2026-08-12. Порог 0.9 дал верное число говорящих на
+# Конфигурация, выбранная калибровкой 2026-08-14 на трёх записях.
-# контрольной записи; на 0.5 из примеров sherpa-onnx получалось 29 вместо трёх.
+# На 0.5 из примеров sherpa-onnx получалось 29 говорящих вместо трёх.
-DISCOVERY_THRESHOLD = 0.9
+DISCOVERY_THRESHOLD = 0.89
 DEFAULT_THREADS = 8
 
 

docs/benchmarks/2026-08-14-asr-segment-speaker-mixing.md

@@ -0,0 +1,102 @@
+# Смешение говорящих внутри ASR-сегментов
+
+**Дата:** 2026-08-14
+
+**Статус:** проверка на трёх русскоязычных рабочих созвонах. Не оценка DER и
+не решение о единице привязки спикера к тексту.
+
+## Вопрос
+
+Воспроизводится ли смешение говорящих внутри ASR-сегментов на других записях,
+или результат разведки — особенность одной встречи на троих?
+
+В [разведочном замере](2026-08-12-diarization-feasibility.md) 27% сегментов
+контрольной записи содержали не меньше секунды чужой речи. На них приходилось
+больше половины времени ASR-сегментов. Проверка повторена на тех же трёх
+записях, на которых калибровалась диаризация, включая два разговора на двоих.
+
+## Метод
+
+ASR выполнялся через модель по умолчанию ONNX-пути
+`gigaam-v3-e2e-rnnt` INT8 с языком `ru`. Диаризация выполнялась через
+`sherpa-onnx` 1.13.5 с выбранной в
+[калибровке](2026-08-14-diarization-calibration.md) конфигурацией:
+
+- сегментация `sherpa-onnx-pyannote-segmentation-3-0`;
+- эмбеддинги `wespeaker_en_voxceleb_resnet34_LM.onnx`;
+- `FastClusteringConfig.threshold=0.89`;
+- автоматическое определение числа кластеров (`num_clusters=-1`).
+
+Для каждого ASR-сегмента считалось перекрытие с интервалами каждого кластера.
+Кластер с максимальным перекрытием считался мажоритарным, а сумма перекрытий
+остальных кластеров — чужой речью. Сегменты разделены на четыре категории:
+
+- **чистый** — перекрытие только с одним кластером;
+- **с поддакиванием** — меньше 1 секунды чужой речи;
+- **с чужой репликой** — не меньше 1 секунды чужой речи;
+- **без спикера** — нет перекрытия с интервалами диаризации.
+
+Время категории — сумма длительностей попавших в неё ASR-сегментов. Это не
+сумма времени речи: интервалы разных кластеров могут перекрываться при
+наложенной речи. Метрика отвечает на узкий вопрос, насколько огрубляет текст
+одна метка спикера на весь ASR-сегмент. Она не измеряет точность диаризации.
+
+## Результаты
+
+| Запись | Участников | ASR-сегментов | Чистые | Поддакивание <1 с | Чужая реплика ≥1 с | Без спикера |
+|---|---:|---:|---:|---:|---:|---:|
+| Data Test | 3 | 274 | 164 (59,9%) | 30 (10,9%) | **74 (27,0%)** | 6 (2,2%) |
+| T2 BDMA | 2 | 223 | 167 (74,9%) | 34 (15,2%) | **14 (6,3%)** | 8 (3,6%) |
+| Yantar | 2 | 339 | 275 (81,1%) | 20 (5,9%) | **24 (7,1%)** | 20 (5,9%) |
+
+| Запись | Время всех ASR-сегментов | Время сегментов с чужой репликой ≥1 с | Доля времени |
+|---|---:|---:|---:|
+| Data Test | 21,89 мин | **11,20 мин** | **51,2%** |
+| T2 BDMA | 12,56 мин | **1,53 мин** | **12,2%** |
+| Yantar | 15,93 мин | **2,67 мин** | **16,8%** |
+
+На двух разговорах на двоих вместе чужая реплика не меньше секунды встречается
+в 38 из 562 сегментов (6,8%) и затрагивает 4,20 из 28,49 минуты (14,7%). По
+сравнению со встречей на троих это в четыре раза меньше по доле сегментов и
+примерно в 3,5 раза меньше по доле времени.
+
+## Вывод
+
+Смешение говорящих внутри ASR-сегмента — общее свойство проверенного материала,
+а не аномалия одной записи: оно воспроизвелось на обоих разговорах на двоих.
+Однако тяжесть сильно зависит от характера разговора. Значение 27% сегментов и
+51% времени не переносится на двухсторонние созвоны: там получено 6–7%
+сегментов и 12–17% времени.
+
+Мажоритарная метка на весь ASR-сегмент поэтому остаётся заметным огрублением
+даже на разговорах на двоих, а на плотной встрече втроём теряет реплики в
+массовом масштабе. Эти данные не выбирают единицу привязки сами по себе, но
+исключают предположение, что сегментная привязка безопасна для всех обычных
+созвонов без пословной привязки или явной пометки качества.
+
+## Ограничения
+
+- Все три записи — русскоязычные рабочие созвоны одного пользователя; другие
+  микрофоны, шумы и стили разговора не представлены.
+- Диаризация служит опорной разметкой и сама содержит ошибки. На контрольной
+  записи есть ложный остаточный кластер, редкие пропуски и неполная разметка
+  перекрывающейся речи.
+- На двухсторонних записях один голос заметно доминирует по времени. Баланс
+  реплик может влиять на долю смешанных сегментов.
+- Порог 1 секунда разделяет короткие вставки и потенциально потерянные реплики,
+  но не доказывает смысловую важность каждого фрагмента.
+
+## Воспроизводимость
+
+Расчёт выполняется скриптом
+[`bench_conflict.py`](../../.scratch/diarization/bench_conflict.py):
+
+```powershell
+$env:PYTHONIOENCODING = "utf-8"
+uv run --with sherpa-onnx python .scratch/diarization/bench_conflict.py `
+  "<путь к записи>" 0.89 8
+```
+
+Медиа и сырые JSON не добавлены в репозиторий: они содержат локальные пути и
+относятся к рабочим созвонам. SHA-256 всех трёх исходных файлов зафиксированы в
+[отчёте о калибровке](2026-08-14-diarization-calibration.md).