feat(formatter): объединение сегментов в абзацы по паузам

- Зачем:
  - мелкая нарезка (235 строк на 16 мин) засоряет контекст при передаче
    транскрипта в ИИ для дальнейшей обработки.
- Что:
  - соседние сегменты объединяются в абзацы: новый абзац при паузе > 2с
    или длительности > 60с.
  - 235 строк -> 58 строк на том же файле (4x компактнее).
- Проверка:
  - uv run pytest tests/test_formatter.py -v (11 passed).

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>

src/local_transcriber/formatter.py

@@ -1,7 +1,44 @@
+from dataclasses import dataclass
 from datetime import datetime
 from pathlib import Path
 
-from .transcriber import TranscribeResult
+from .transcriber import Segment, TranscribeResult
+
+_PAUSE_THRESHOLD_S = 2.0  # пауза между сегментами для разбиения на абзацы
+_MAX_PARAGRAPH_S = 60.0  # максимальная длительность абзаца
+
+
+@dataclass
+class _Paragraph:
+    start: float
+    end: float
+    text: str
+
+
+def _group_segments(segments: list[Segment]) -> list[_Paragraph]:
+    """Объединяет мелкие сегменты в абзацы по паузам и макс. длительности."""
+    if not segments:
+        return []
+
+    paragraphs: list[_Paragraph] = []
+    cur_start = segments[0].start
+    cur_end = segments[0].end
+    cur_texts: list[str] = [segments[0].text.strip()]
+
+    for seg in segments[1:]:
+        gap = seg.start - cur_end
+        duration = seg.end - cur_start
+        if gap >= _PAUSE_THRESHOLD_S or duration > _MAX_PARAGRAPH_S:
+            paragraphs.append(_Paragraph(cur_start, cur_end, " ".join(cur_texts)))
+            cur_start = seg.start
+            cur_end = seg.end
+            cur_texts = [seg.text.strip()]
+        else:
+            cur_end = seg.end
+            cur_texts.append(seg.text.strip())
+
+    paragraphs.append(_Paragraph(cur_start, cur_end, " ".join(cur_texts)))
+    return paragraphs
 
 
 def format_timestamp(seconds: float, use_hours: bool = False) -> str:
@@ -56,11 +93,11 @@ def format_transcript(
         lines.append("")
         lines.append("*Речь не обнаружена.*")
     else:
-        for seg in result.segments:
+        for para in _group_segments(result.segments):
-            start = format_timestamp(seg.start, use_hours=use_hours)
+            start = format_timestamp(para.start, use_hours=use_hours)
-            end = format_timestamp(seg.end, use_hours=use_hours)
+            end = format_timestamp(para.end, use_hours=use_hours)
             lines.append("")
-            lines.append(f"[{start} - {end}] {seg.text.strip()}")
+            lines.append(f"[{start} - {end}] {para.text}")
 
     lines.append("")
     return "\n".join(lines)

tests/test_formatter.py

@@ -2,6 +2,7 @@ from datetime import datetime
 from pathlib import Path
 
 from local_transcriber.formatter import (
+    _group_segments,
     format_timestamp,
     format_transcript,
     write_transcript,
@@ -50,9 +51,8 @@ def test_format_transcript_basic():
     assert "**Длительность**: 02:00" in content
     assert "**Устройство**: CUDA (NVIDIA GeForce RTX 3060)" in content
     assert "---" in content
-    # Проверяем пробел между ] и текстом независимо от ведущих пробелов в seg.text
+    # Соседние сегменты без паузы объединяются в один абзац
-    assert "[00:00.00 - 00:04.82] Добрый день, коллеги." in content
+    assert "[00:00.00 - 00:09.15] Добрый день, коллеги. Первый вопрос." in content
-    assert "[00:04.82 - 00:09.15] Первый вопрос." in content
 
 
 def test_format_transcript_segment_no_leading_space():
@@ -124,6 +124,50 @@ def test_format_transcript_long():
     assert "[01:01:40.00 - 01:01:50.25] Конец." in content
 
 
+def test_group_segments_merges_adjacent():
+    """Соседние сегменты без паузы объединяются."""
+    segments = [
+        Segment(start=0.0, end=3.0, text=" Первый."),
+        Segment(start=3.0, end=6.0, text=" Второй."),
+        Segment(start=6.0, end=9.0, text=" Третий."),
+    ]
+    groups = _group_segments(segments)
+    assert len(groups) == 1
+    assert groups[0].start == 0.0
+    assert groups[0].end == 9.0
+    assert groups[0].text == "Первый. Второй. Третий."
+
+
+def test_group_segments_splits_on_pause():
+    """Пауза > 2с разбивает на отдельные абзацы."""
+    segments = [
+        Segment(start=0.0, end=3.0, text=" Первый."),
+        Segment(start=3.0, end=6.0, text=" Второй."),
+        Segment(start=9.0, end=12.0, text=" После паузы."),
+    ]
+    groups = _group_segments(segments)
+    assert len(groups) == 2
+    assert groups[0].text == "Первый. Второй."
+    assert groups[1].text == "После паузы."
+
+
+def test_group_segments_splits_on_max_duration():
+    """Абзац разбивается при превышении макс. длительности."""
+    segments = [
+        Segment(start=0.0, end=30.0, text=" Длинный."),
+        Segment(start=30.0, end=55.0, text=" Ещё."),
+        Segment(start=55.0, end=80.0, text=" Перелив."),
+    ]
+    groups = _group_segments(segments)
+    assert len(groups) == 2
+    assert groups[0].text == "Длинный. Ещё."
+    assert groups[1].text == "Перелив."
+
+
+def test_group_segments_empty():
+    assert _group_segments([]) == []
+
+
 def test_write_transcript(tmp_path):
     out = tmp_path / "output.md"
     write_transcript("# Test content\n", out)