docs(diarization): зафиксированы ADR и спецификация

- Зачем:
  - решения карты должны стать устойчивой основой для реализации диаризации.
- Что:
  - добавлены ADR-007 и спецификация пословной диаризации.
  - дополнен доменный словарь и удалены закрытые направления из backlog.
- Проверка:
  - git diff --cached --check.

docs/specs/2026-08-14-speaker-diarization.md

@@ -0,0 +1,201 @@
+# Диаризация говорящих в транскрипте
+
+## Проблема
+
+Текущий транскрипт знает только сегменты распознавания. Их границы проходят по
+тишине и не совпадают со сменой говорящего, поэтому один сегмент может содержать
+несколько реплик. Назначение одной метки всему сегменту искажает структуру
+диалога и делает транскрипт слабым сырьём для конспекта или протокола встречи.
+
+[ADR-007](../adr/007-word-level-speaker-diarization.md) выбирает явную
+пословную диаризацию через `sherpa-onnx`. Эта спецификация фиксирует форму первой
+реализации, не меняя принятые решения.
+
+## Цели
+
+- По явному запросу строить реплики говорящих, сохраняя текст и длинный контекст
+  ASR.
+- Поддержать один контракт слов с временной привязкой на FasterWhisper,
+  ONNX-ASR и OpenVINO.
+- Сохранить предсказуемый single- и batch-режим при отсутствии речи, ошибках
+  диаризации и малых голосовых кластерах.
+- Выдать компактный Markdown, удобный и человеку, и последующей обработке LLM.
+
+## Не входит
+
+- Автоматическое включение диаризации без флага и `--no-diarize`.
+- Параллельный запуск ASR и диаризации.
+- Сопоставление `Speaker N` с именами участников.
+- Постоянный кеш разметки говорящих, голосовые эмбеддинги и диагностические
+  файлы.
+- Отдельный синтаксис для перекрывающейся речи.
+- Изменение устройства ASR или диаризации ради восстановления функции.
+
+## Пользовательский интерфейс
+
+- `--diarize` включает диаризацию. По умолчанию она выключена; ключ в
+  `.transcriber.toml` в первой версии не добавляется.
+- `--speakers N`, где `N >= 1`, задаёт известное число участников и сам включает
+  диаризацию. Без него число кластеров определяется автоматически.
+- `--threads N` остаётся единым бюджетом активного CPU-прохода. Значение целиком
+  получает сначала ASR, затем диаризация; `0` оставляет настройки библиотек.
+- `--verbose` показывает в консоли прогресс, число кластеров и интервалов,
+  длительность прохода и предупреждения, но не создаёт дополнительные файлы.
+- `--force` пересчитывает и ASR, и диаризацию. Без него готовый транскрипт, как и
+  сейчас, пропускается целиком.
+
+`sherpa-onnx` входит в обычные runtime-зависимости. Модели
+`sherpa-onnx-pyannote-segmentation-3-0` и
+`wespeaker_en_voxceleb_resnet34_LM.onnx` скачиваются и кешируются лениво при
+первом запросе диаризации. Отдельного installation extra нет.
+
+## Контракты данных
+
+Результат ASR сохраняет существующие сегменты распознавания и дополнительно
+содержит упорядоченные канонические слова. Для каждого слова известны текст,
+начало и конец на временной шкале исходной записи. Backend-специфичные токены и
+слова нормализуются в адаптере бэкенда; их обратная сборка должна сохранять
+распознанный текст с точностью до нормализации пробелов.
+
+Результат диаризации — отдельная упорядоченная разметка говорящих: временные
+интервалы с анонимным идентификатором голосового кластера. ASR-бэкенд не знает о
+кластерах, а диаризатор не знает о распознанном тексте.
+
+Операция сведения назначает слову кластер с наибольшим временным перекрытием.
+Если пересечения нет либо наибольшее перекрытие не единственно, слово получает
+неизвестного говорящего. Соседние слова одного говорящего объединяются в
+реплику; порядок слов и исходная временная шкала не меняются.
+
+Все три ASR-пути обязаны предоставлять пословный контракт до включения
+диаризации:
+
+| Путь | Источник временных привязок |
+|---|---|
+| FasterWhisper | word timestamps CTranslate2 |
+| ONNX-ASR | timestamped result модели |
+| OpenVINO | word-level timestamps `WhisperPipeline` |
+
+Грубая подстановка метки на весь сегмент распознавания запрещена.
+
+## Пайплайн и время жизни
+
+После prescan и только при наличии файлов для обработки загружаются ASR-модель
+и один batch-owned диаризатор. До первого ASR проверяются доступность пословных
+таймкодов, модели диаризации и возможность создать диаризатор. Ошибка этого
+этапа останавливает весь запуск без частичных транскриптов.
+
+Каждый файл обрабатывается последовательно:
+
+1. ASR;
+2. диаризация, если ASR нашёл речь;
+3. сведение слов с разметкой говорящих;
+4. форматирование и запись Markdown.
+
+Один диаризатор последовательно переиспользуется для всех файлов батча. Данные
+конкретной записи не становятся состоянием следующей. Объект освобождается при
+завершении команды и не переносится через `TranscribeFileResult`.
+
+Разметка говорящих хранится только до сведения. Единственный постоянный
+продуктовый артефакт — Markdown-транскрипт; локальный кеш файлов моделей живёт
+по существующим правилам загрузчиков.
+
+## Конфигурация диаризации
+
+Автоматический режим использует:
+
+- Pyannote segmentation 3.0;
+- WeSpeaker ResNet34 LM;
+- `FastClusteringConfig.threshold = 0.89`;
+- автоматическое число кластеров.
+
+`--speakers N` передаёт явное число кластеров вместо автоматического. Малый
+кластер — кластер с речью короче максимума из 5 секунд и 2% длительности записи.
+Он не отбрасывается и получает обычный номер, но вызывает предупреждение.
+
+## Формат Markdown
+
+При двух и более найденных кластерах тело состоит из линейных реплик:
+
+```markdown
+[09:07] Speaker 1: Мы же у них не разворачиваемся…
+
+[09:18] Speaker 2: Мне гораздо проще накатывать обновления…
+```
+
+- Печатается только начало реплики, округлённое до целой секунды. Для записей
+  длиннее часа используется `[HH:MM:SS]`, иначе `[MM:SS]`.
+- Метка `Speaker N` не получает Markdown-выделение.
+- Нумерация начинается заново для каждого файла; номера назначаются по порядку
+  первого появления кластера в словах транскрипта.
+- Смена говорящего всегда начинает новую реплику.
+- Речь одного говорящего дополнительно разбивается по паузе не меньше 2 секунд
+  и максимальной длительности реплики 60 секунд.
+- Слова без назначенного кластера группируются под `Speaker ?`.
+- Перекрывающаяся речь остаётся в хронологическом порядке без особого
+  синтаксиса.
+- В шапку добавляется число голосовых кластеров и предупреждения. Таблица
+  длительности по кластерам не выводится.
+
+Без успешной разметки нескольких говорящих сохраняется нынешний формат
+обычного транскрипта с диапазонами времени.
+
+## Деградация и статус команды
+
+| Ситуация | Артефакт | Консоль и шапка | Статус |
+|---|---|---|---|
+| Диаризация не запрошена | Обычный транскрипт | Без новых сообщений | Текущий |
+| ASR не нашёл речь | Текущий пустой Markdown | Речь не обнаружена; диаризация не запускалась | 0 |
+| Найдено не меньше двух кластеров | Транскрипт с `Speaker N` | Число кластеров и предупреждения | 0, если нет иной ошибки |
+| Найден один кластер | Обычный транскрипт без `Speaker 1` | Причина в консоли и шапке | Ненулевой |
+| Есть слова без пересечения | Транскрипт с `Speaker ?` | Число таких слов | 0 |
+| Есть малый кластер | Транскрипт со всеми кластерами | Длительность малого кластера | 0 |
+| Разметка пуста при непустом ASR | Обычный транскрипт | Явное предупреждение | Ненулевой |
+| Ошибка диаризации конкретного файла | Обычный транскрипт | Явное предупреждение | Ненулевой |
+| Нет пословных таймкодов или не инициализировался диаризатор | Файлы не обрабатываются | Понятная ошибка до ASR | Ненулевой |
+
+В батче деградированный файл записывается, учитывается как неуспешная
+диаризация, а остальные файлы продолжают обрабатываться. Итоговый статус батча
+ненулевой, если хотя бы один файл деградировал или завершился ошибкой.
+
+## Критерии приёмки
+
+### Автоматические проверки
+
+- Адаптер каждого ASR-бэкенда возвращает монотонные слова с временной
+  привязкой; сборка слов сохраняет текст сегментов с точностью до пробелов.
+- Сведение покрывает смену говорящего, отсутствие пересечения, равное
+  перекрытие, пунктуацию на границе реплик и хронологический порядок.
+- Форматтер проверяется для обычных, часовых, неизвестных и малых кластеров,
+  `Speaker ?`, паузы 2 секунды и предела 60 секунд.
+- CLI проверяет несовместимые и граничные значения, не запускает ASR при ошибке
+  preflight и соблюдает всю матрицу деградации в single- и batch-режимах.
+- Батч создаёт диаризатор ровно один раз, пропускает его для пустого ASR,
+  переиспользует между файлами и не пишет промежуточный кеш.
+- `--threads`, `--verbose` и `--force` сохраняют описанную семантику.
+
+Все автоматические тесты мокают движки и не скачивают реальные модели.
+
+### Ручная проверка
+
+Финальная сборка прогоняется на трёх записях из отчётов карты:
+
+- текст до и после сведения совпадает с точностью до переносов и пробелов;
+- на плотном диалоге вручную проверяются устойчивость «голос → кластер», смены
+  говорящего, пропуски, малый остаточный кластер и перекрывающаяся речь;
+- автоматическая конфигурация воспроизводит наблюдённую форму результата:
+  три основных и один малый остаточный кластер на Data Test, по два кластера на
+  T2 BDMA и Yantar;
+- последовательный прогон на доступном Intel baseline остаётся быстрее
+  реального времени; фактические wall time и peak RSS записываются рядом с
+  результатом проверки.
+
+## Документация
+
+README должен описать новые CLI-флаги, ленивую загрузку моделей, ожидаемую
+стоимость, формат `Speaker N`, предупреждения и batch-поведение. Направления
+«Диаризация» и «Ручка нарезки абзацев» удаляются из backlog: первое перешло в
+эту спецификацию, второе закрыто разрывом реплики на смене говорящего.
+
+После стабилизации отдельно рассматриваются
+[параллельный запуск](https://git.dementev.space/ddmitry/local-transcriber/issues/22)
+и [hardware-aware default](https://git.dementev.space/ddmitry/local-transcriber/issues/23).