Подготовить локальный интерактивный пакет слуховой проверки W0 и Sortformer #54

New Issue

2026-09-04T22:52:04+03:00

ddmitry commented

2026-09-04 22:52:04 +03:00

Parent

Продолжение #46 после PR #53. Перед работой прочитать задачу и комментарии, особенно handoff 2750: там описаны сохранённые артефакты, хеши и ограничения. Учитывать ADR-007 о пословном сведении и терминологию проекта.

What to build

Автономно подготовить переносимый пакет слуховой проверки W0 и Sortformer из сохранённых результатов. Владелец открывает локальную интерактивную страницу в браузере Windows, слушает эпизод, видит две разметки говорящих A/B, отвечает на конкретные вопросы и сохраняет ответы в файл. Можно закрыть страницу и продолжить позже. Аудио у вариантов одинаковое: сравниваются назначения говорящих, а не разные звуковые дорожки.

Агент завершает задачу готовым проверенным пакетом, не ожидая прослушивания владельцем. Слуховая оценка и итоговое решение выполняются отдельной следующей задачей. ChatGPT desktop остаётся средством обсуждения; интеграция с Visualizations не требуется.

Контекст и границы

На трёхголосом фрагменте W0 построил два интервальных голосовых кластера, но все 757 назначенных слов попали в один; 51 слово осталось без говорящего. Дополнительный кластер Sortformer содержит 263 слова и пока не доказан как отдельный реальный голос.

По трём фрагментам 53 неназначенных слова общие, 20 уникальны для W0, 39 — для Sortformer. Индекс также выделяет 272 слова с разными назначенными кластерами. Эти показатели задают материал проверки, а не доказывают качество. Для двух фрагментов есть опорная разметка; для трёхголосого её нет. Метки кластеров произвольны, сопоставление по перекрытию не устанавливает личность говорящего.

Использовать сохранённые входы, результаты, candidate driver, post-processing и индексы из handoff. Не запускать ASR или диаризацию заново, не менять production-профиль, CLI, зависимости и правила сведения ADR-007. Нарезка готового аудио и обработка результатов допустимы.

Acceptance criteria

Проверены хеши переиспользуемых артефактов; пакет имеет версию, список источников с хешами и устойчивые идентификаторы эпизодов и вопросов. Повторная подготовка не перезаписывает ответы владельца.
Соседние расхождения сгруппированы в короткие эпизоды с контекстом; повторное аудио не дублируется без необходимости. Покрыты дополнительный кластер Sortformer, уникальные неназначенные слова обеих моделей и разные назначения. Сохранено соответствие исходного индекса эпизодам, указаны охват и суммарная длительность прослушивания; исключения не скрываются.
Для проверки устойчивости дополнительного голоса доступны разнесённые по записи эпизоды и возможность расширить контекст. Вопросы различают отдельный голос, дробление одного голоса, смену говорящего, короткий ответ и перекрытие речи; доступны «не уверен» и свободный комментарий.
Без нового инференса сопоставлены сырые интервалы W0, слова с временной привязкой и каноническое сведение: объяснено, почему все назначенные слова трёхголосого фрагмента попали в один кластер, либо точно локализован оставшийся вопрос. Диагностика не подменяет слуховой ответ и не изменяет исходные назначения.
Страница на русском воспроизводит локальное аудио с паузой и повтором, показывает синхронизированные с ним разметки A/B и выделяет предмет вопроса. Названия моделей скрыты до фиксации ответов; соответствие A/B воспроизводимо и сохраняется отдельно. Это процедурное ослепление, не защита от намеренного просмотра файлов.
Ответы и прогресс можно экспортировать в файл и импортировать после закрытия страницы. Видно, сохранены ли последние изменения; пустой ответ отличается от «не уверен». Импорт проверяет версию пакета и идентификаторы, не присоединяет ответы к другой очереди молча. Хранение только в памяти страницы или браузера недостаточно.
Пакет работает без сети, CDN, облачных API и загрузки аудио в ChatGPT. Есть короткая инструкция открытия и продолжения в Windows; внешняя публикация страницы не нужна.
Подготовка ведётся рядом с закрытыми материалами. Финальную папку владелец выбирает при передаче; отсутствие пути не блокирует сборку пакета. При выборе синхронизируемой папки Яндекс Диска переносится только согласованный пакет и ответы, без полного runtime-хранилища. Приватные пути, аудио, текст, интервалы и ответы не публикуются в Git/Gitea.
На синтетическом материале проверены экспорт/импорт, продолжение после закрытия и отклонение чужой версии; фактическое воспроизведение и сохранение проверены в целевом браузере Windows. Публичный handoff содержит безопасный перечень, хеши, результаты проверки и известные ограничения; местоположение пакета передаётся владельцу приватно.

Blocked by

Нет — подготовку можно начать сразу по сохранённым результатам #46.

## Parent Продолжение [#46](https://git.dementev.space/ddmitry/local-transcriber/issues/46) после [PR #53](https://git.dementev.space/ddmitry/local-transcriber/pulls/53). Перед работой прочитать задачу и комментарии, особенно [handoff 2750](https://git.dementev.space/ddmitry/local-transcriber/issues/46#issuecomment-2750): там описаны сохранённые артефакты, хеши и ограничения. Учитывать ADR-007 о пословном сведении и терминологию проекта. ## What to build Автономно подготовить переносимый пакет слуховой проверки W0 и Sortformer из сохранённых результатов. Владелец открывает локальную интерактивную страницу в браузере Windows, слушает эпизод, видит две разметки говорящих A/B, отвечает на конкретные вопросы и сохраняет ответы в файл. Можно закрыть страницу и продолжить позже. Аудио у вариантов одинаковое: сравниваются назначения говорящих, а не разные звуковые дорожки. Агент завершает задачу готовым проверенным пакетом, не ожидая прослушивания владельцем. Слуховая оценка и итоговое решение выполняются отдельной следующей задачей. ChatGPT desktop остаётся средством обсуждения; интеграция с Visualizations не требуется. ## Контекст и границы На трёхголосом фрагменте W0 построил два интервальных голосовых кластера, но все 757 назначенных слов попали в один; 51 слово осталось без говорящего. Дополнительный кластер Sortformer содержит 263 слова и пока не доказан как отдельный реальный голос. По трём фрагментам 53 неназначенных слова общие, 20 уникальны для W0, 39 — для Sortformer. Индекс также выделяет 272 слова с разными назначенными кластерами. Эти показатели задают материал проверки, а не доказывают качество. Для двух фрагментов есть опорная разметка; для трёхголосого её нет. Метки кластеров произвольны, сопоставление по перекрытию не устанавливает личность говорящего. Использовать сохранённые входы, результаты, candidate driver, post-processing и индексы из handoff. Не запускать ASR или диаризацию заново, не менять production-профиль, CLI, зависимости и правила сведения ADR-007. Нарезка готового аудио и обработка результатов допустимы. ## Acceptance criteria - [ ] Проверены хеши переиспользуемых артефактов; пакет имеет версию, список источников с хешами и устойчивые идентификаторы эпизодов и вопросов. Повторная подготовка не перезаписывает ответы владельца. - [ ] Соседние расхождения сгруппированы в короткие эпизоды с контекстом; повторное аудио не дублируется без необходимости. Покрыты дополнительный кластер Sortformer, уникальные неназначенные слова обеих моделей и разные назначения. Сохранено соответствие исходного индекса эпизодам, указаны охват и суммарная длительность прослушивания; исключения не скрываются. - [ ] Для проверки устойчивости дополнительного голоса доступны разнесённые по записи эпизоды и возможность расширить контекст. Вопросы различают отдельный голос, дробление одного голоса, смену говорящего, короткий ответ и перекрытие речи; доступны «не уверен» и свободный комментарий. - [ ] Без нового инференса сопоставлены сырые интервалы W0, слова с временной привязкой и каноническое сведение: объяснено, почему все назначенные слова трёхголосого фрагмента попали в один кластер, либо точно локализован оставшийся вопрос. Диагностика не подменяет слуховой ответ и не изменяет исходные назначения. - [ ] Страница на русском воспроизводит локальное аудио с паузой и повтором, показывает синхронизированные с ним разметки A/B и выделяет предмет вопроса. Названия моделей скрыты до фиксации ответов; соответствие A/B воспроизводимо и сохраняется отдельно. Это процедурное ослепление, не защита от намеренного просмотра файлов. - [ ] Ответы и прогресс можно экспортировать в файл и импортировать после закрытия страницы. Видно, сохранены ли последние изменения; пустой ответ отличается от «не уверен». Импорт проверяет версию пакета и идентификаторы, не присоединяет ответы к другой очереди молча. Хранение только в памяти страницы или браузера недостаточно. - [ ] Пакет работает без сети, CDN, облачных API и загрузки аудио в ChatGPT. Есть короткая инструкция открытия и продолжения в Windows; внешняя публикация страницы не нужна. - [ ] Подготовка ведётся рядом с закрытыми материалами. Финальную папку владелец выбирает при передаче; отсутствие пути не блокирует сборку пакета. При выборе синхронизируемой папки Яндекс Диска переносится только согласованный пакет и ответы, без полного runtime-хранилища. Приватные пути, аудио, текст, интервалы и ответы не публикуются в Git/Gitea. - [ ] На синтетическом материале проверены экспорт/импорт, продолжение после закрытия и отклонение чужой версии; фактическое воспроизведение и сохранение проверены в целевом браузере Windows. Публичный handoff содержит безопасный перечень, хеши, результаты проверки и известные ограничения; местоположение пакета передаётся владельцу приватно. ## Blocked by Нет — подготовку можно начать сразу по сохранённым результатам #46.

ddmitry added the ready-for-agent label 2026-09-04 22:52:04 +03:00

ddmitry referenced this issue

2026-09-04 22:52:05 +03:00

Пройти слуховую проверку W0 и Sortformer и определить следующий эксперимент #55

ddmitry added a new dependency 2026-09-04 22:52:05 +03:00

#55 Пройти слуховую проверку W0 и Sortformer и определить следующий эксперимент

Sign in to join this conversation.

1 Participants

Notifications

Due Date

No due date set.

Blocks

#55 Пройти слуховую проверку W0 и Sortformer и определить следующий эксперимент

ddmitry/local-transcriber

Reference: ddmitry/local-transcriber#54