diff --git a/docs/research/2026-08-30-diarization-speaker-count.md b/docs/research/2026-08-30-diarization-speaker-count.md new file mode 100644 index 0000000..60fab09 --- /dev/null +++ b/docs/research/2026-08-30-diarization-speaker-count.md @@ -0,0 +1,402 @@ +# Оценка числа говорящих для быстрых эмбеддингов + +**Дата:** 2026-08-30 + +**Статус:** исследовательская записка. Production-код и конфигурация не +менялись. + +## Вопрос + +Как отделить оценку числа говорящих от порога `FastClustering`, чтобы +использовать быстрые CAMPPlus или TitaNet и не запускать сегментацию и +извлечение эмбеддингов второй раз? + +## Краткий вывод + +Нужна двухшаговая схема: один раз получить ровно те эмбеддинги, которые +подготовил конвейер sherpa-onnx, отдельно оценить по ним число голосовых +кластеров `N`, затем передать `N` штатному `FastClustering`. Для первого +прототипа рекомендован **счетчик NME**, без полной спектральной кластеризации: +ядро алгоритма из статьи реализовать на NumPy, а итоговые метки по-прежнему +получить через `FastClustering(num_clusters=N)`. +Счетчик eigengap с фиксированным прореживанием нужен как дешевый контрольный +вариант. Пока это гипотеза для прототипа, а не выбор production-алгоритма. + +Публичного промежуточного интерфейса для этого в sherpa-onnx 1.13.5 нет. +`SpeakerEmbeddingExtractor` и `FastClustering` публичны, но +`OfflineSpeakerDiarization.process()` возвращает только готовые интервалы. +Матрица эмбеддингов и соответствие строк локальным говорящим остаются внутри +реализации. После `set_config()` повторный `process()` снова выполнит модельный +инференс. Python-адаптер проекта сам по себе не может дать дешевую повторную +кластеризацию; будущему прототипу нужен узкий исследовательский интерфейс на +уровне sherpa-onnx. + +## Что подтверждено про sherpa-onnx + +### `FastClustering` уже умеет второй шаг + +В версии 1.13.5 алгоритм нормирует строки, строит все попарные косинусные +расстояния, выполняет AHC методом полной связи и затем выбирает один из двух +способов разрезать одно и то же дерево: + +- при `num_clusters > 0`: ровно на заданное число кластеров; +- иначе: по высоте `threshold`. + +Так работает +[`fast-clustering.cc`](https://github.com/k2-fsa/sherpa-onnx/blob/v1.13.5/sherpa-onnx/csrc/fast-clustering.cc) +и закреплено в комментарии к +[`FastClusteringConfig`](https://github.com/k2-fsa/sherpa-onnx/blob/v1.13.5/sherpa-onnx/csrc/fast-clustering-config.h): +при известном числе кластеров порог игнорируется. Python-модуль публично +принимает C-contiguous матрицу `float32` размера `M x D` и возвращает метку для +каждой строки +([исходник Python-модуля](https://github.com/k2-fsa/sherpa-onnx/blob/v1.13.5/sherpa-onnx/python/csrc/fast-clustering.cc)). +Значит, передавать оцененное `N` в существующий кластеризатор не требует новой +реализации распределения эмбеддингов по кластерам. + +Порог `FastClustering` не принадлежит модели эмбеддингов: он задает высоту +дерева полной связи в шкале косинусного расстояния. Официальный пример CAMPPlus +для проверки говорящего лишь вычисляет косинусное сходство и не задает +универсальной границы решения +([`infer_sv.py`](https://github.com/modelscope/3D-Speaker/blob/065629c313eaf1a01c65c640c46d77e61e9607b4/speakerlab/bin/infer_sv.py)). +Официальный рецепт диаризации 3D-Speaker отдельно задает `pval=0.012` для +спектральной кластеризации и `mer_cos=0.8` для последующего слияния центров +([`infer_diarization.py`](https://github.com/modelscope/3D-Speaker/blob/065629c313eaf1a01c65c640c46d77e61e9607b4/speakerlab/bin/infer_diarization.py)). +Эти величины имеют другой смысл и не могут быть перенесены в sherpa как +`порог модели`. + +### Публичных деталей недостаточно для повтора всего конвейера + +Публичный `SpeakerEmbeddingExtractor` позволяет создать поток, подать в него +аудио и получить один эмбеддинг +([Python-модуль](https://github.com/k2-fsa/sherpa-onnx/blob/v1.13.5/sherpa-onnx/python/csrc/speaker-embedding-extractor.cc), +[C/C++ API](https://k2-fsa.github.io/sherpa/onnx/c-api/html/speaker_embedding.html)). +Интерфейс пригоден для самостоятельно выбранного фрагмента, но не выдает +материал, который выбрал конвейер диаризации. + +Внутри `OfflineSpeakerDiarization` после сегментации: + +1. из перекрывающихся окон строятся пары `окно x локальный говорящий`; +2. речь с одновременными голосами исключается; +3. для каждой пары собирается свой поток и вычисляется эмбеддинг; +4. вся матрица передается в `FastClustering`; +5. метки строк переводятся обратно в разметку говорящих. + +Последовательность и временная матрица видны в +[`OfflineSpeakerDiarizationPyannoteImpl::Process`](https://github.com/k2-fsa/sherpa-onnx/blob/v1.13.5/sherpa-onnx/csrc/offline-speaker-diarization-pyannote-impl.h#L87-L204), +а сборка строк описана в +[`GetChunkSpeakerSampleIndexes` и `ComputeEmbeddings`](https://github.com/k2-fsa/sherpa-onnx/blob/v1.13.5/sherpa-onnx/csrc/offline-speaker-diarization-pyannote-impl.h#L376-L528). +Оба метода закрыты внутри реализации. + +Python-класс `OfflineSpeakerDiarization` экспортирует только `sample_rate`, +`set_config` и `process`; `process` возвращает готовый результат, а не признаки +([Python-модуль 1.13.5](https://github.com/k2-fsa/sherpa-onnx/blob/v1.13.5/sherpa-onnx/python/csrc/offline-speaker-diarization.cc#L73-L128)). +Внутренний `SetConfig` заменяет только объект кластеризации, тогда как каждый +`Process` заново вызывает сегментацию и `ComputeEmbeddings` +([реализация](https://github.com/k2-fsa/sherpa-onnx/blob/v1.13.5/sherpa-onnx/csrc/offline-speaker-diarization-pyannote-impl.h#L79-L175)). +Публичная C API также документирует только создание, настройку и получение +итоговых сегментов +([официальная страница](https://k2-fsa.github.io/sherpa/onnx/c-api/html/speaker_diarization.html)). + +Итог: публичный API позволяет **кластеризовать имеющуюся матрицу повторно**. +Извлечь или повторно обработать промежуточную матрицу штатного конвейера +диаризации через него нельзя. + +## Варианты оценки `N` + +### 1. Отдельный порог для каждой модели эмбеддингов + +Автоматический режим `FastClustering` дешев, не добавляет зависимостей и за один +проход оценивает число кластеров и назначает метки. На порог влияют архитектура +модели эмбеддингов, длительность и состав выбранных окон, акустика и +распределение голосов. Локальная калибровка уже не нашла общего рабочего порога +для CAMPPlus, а TitaNet не прошел автоматическую сетку +([исходное исследование](2026-08-14-diarization-cpu-cost.md), +[повторный CPU-тест](../benchmarks/2026-08-30-lightweight-diarization-cpu.md)). + +Вводить еще один `официальный порог модели` оснований нет: исходные рецепты +публикуют параметры конкретного конвейера кластеризации, а не переносимую +границу для метода полной связи в sherpa. Вариант остается контрольным, но не +решает тикет. + +### 2. Счетчик eigengap + +Официальный CAMPPlus-конвейер 3D-Speaker строит матрицу косинусного сходства. +В каждой строке он оставляет фиксированную долю ближайших соседей, +симметризует матрицу, затем вычисляет ненормированный лапласиан и несколько +наименьших собственных пар. +Число говорящих задает позиция максимального разрыва собственных значений +(`eigengap`) в заданных пределах, после чего собственные векторы +кластеризуются k-means +([`SpectralCluster`](https://github.com/modelscope/3D-Speaker/blob/065629c313eaf1a01c65c640c46d77e61e9607b4/speakerlab/process/cluster.py#L21-L106)). + +Для нашей двухшаговой схемы нужны только собственные значения и оценка `N`; +k-means можно не выполнять. Одного спектрального разложения достаточно для +минимального контрольного варианта, но фиксированный `pval` остается новым +порогом. Официальная реализация задает его для своего способа нарезки; пары +`окно x локальный говорящий` sherpa устроены иначе. Вариант отделяет `N` от +порога AHC, но сохраняет калибруемый параметр. + +Если брать реализацию 3D-Speaker как зависимость, она импортирует NumPy, SciPy, +scikit-learn, fastcluster, UMAP и HDBSCAN, причем отсутствие UMAP или HDBSCAN +роняет уже импорт модуля. Корневой `requirements.txt` при этом не перечисляет +fastcluster, UMAP и HDBSCAN +([исходник](https://github.com/modelscope/3D-Speaker/blob/065629c313eaf1a01c65c640c46d77e61e9607b4/speakerlab/process/cluster.py#L3-L18), +[requirements](https://github.com/modelscope/3D-Speaker/blob/065629c313eaf1a01c65c640c46d77e61e9607b4/requirements.txt)). +Для production это несоразмерно счетчику. + +### 3. NME-SC + +NME-SC создан именно для совместной оценки числа кластеров и параметра +прореживания без отдельной выборки для настройки. Для каждого числа соседей +`p` алгоритм бинаризует матрицу косинусного сходства, симметризует ее, строит +ненормированный лапласиан и считает разрывы собственных значений. Нормированный +разрыв равен максимальному разрыву, деленному на наибольшее собственное +значение; выбирается `p`, минимизирующий отношение доли соседей `p/M` к +нормированному разрыву, а `N` задает позиция максимального разрыва +([статья авторов, раздел III](https://arxiv.org/abs/2003.02405)). +Авторы ограничивали поиск `p` диапазоном до четверти числа строк, а число +говорящих числом восемь. Результаты статьи получены на x-vector и англоязычных +корпусах, поэтому перенос на наши эмбеддинги еще предстоит проверить. + +Поддерживаемая реализация NeMo разделяет оценку и назначение меток. `NMESC` +принимает готовую матрицу сходства и возвращает `est_num_of_spk` вместе с +выбранным `p`; следующий слой отдельно выбирает оцененное или известное число +говорящих перед спектральной кластеризацией +([`NMESC` и выбор числа кластеров](https://github.com/NVIDIA-NeMo/Speech/blob/d47d7a3c306790637aff39c2d3f9eceb83ca8879/nemo/collections/asr/parts/utils/offline_clustering.py#L909-L1041), +[`SpeakerClustering.forward_unit_infer`](https://github.com/NVIDIA-NeMo/Speech/blob/d47d7a3c306790637aff39c2d3f9eceb83ca8879/nemo/collections/asr/parts/utils/offline_clustering.py#L1181-L1259)). +Более высокий интерфейс NeMo получает многомасштабные эмбеддинги вместе с +временной разметкой и сам строит матрицу сходства +([`forward_infer`](https://github.com/NVIDIA-NeMo/Speech/blob/d47d7a3c306790637aff39c2d3f9eceb83ca8879/nemo/collections/asr/parts/utils/offline_clustering.py#L1301-L1403)). + +Для ускорения NME NeMo задает целевой размер матрицы 512 строк, перебирает +разреженную сетку из 30 значений `p` и предупреждает, что меньше 20 может +ухудшить оценку +([класс `NMESC`](https://github.com/NVIDIA-NeMo/Speech/blob/d47d7a3c306790637aff39c2d3f9eceb83ca8879/nemo/collections/asr/parts/utils/offline_clustering.py#L872-L977)). +Предел не жесткий: регулярный шаг вычисляется целочисленно, поэтому для +некоторых размеров после прореживания остается больше 512 строк. Исходник также +предупреждает о риске пропустить говорящего с малой долей речи +([`subsampleAffinityMat`](https://github.com/NVIDIA-NeMo/Speech/blob/d47d7a3c306790637aff39c2d3f9eceb83ca8879/nemo/collections/asr/parts/utils/offline_clustering.py#L1043-L1066)). +Для коротких записей NeMo добавляет случайные якорные эмбеддинги и повторяет +оценку. Такое расширение выходит за пределы минимального ядра статьи +([исходник](https://github.com/NVIDIA-NeMo/Speech/blob/d47d7a3c306790637aff39c2d3f9eceb83ca8879/nemo/collections/asr/parts/utils/offline_clustering.py#L536-L595)). + +Полная NME-SC после оценки `N` еще раз раскладывает лапласиан, строит +спектральные эмбеддинги и запускает k-means. Для этого тикета такая замена +итогового кластеризатора не нужна: локальные тесты уже показывают полезный путь +`FastClustering` с известным числом говорящих. Нужна только функция +`embeddings -> N`. + +## Рекомендуемая граница ответственности + +Здесь речь не об отдельном счетчике, а о способе соединить оценку `N` со +штатным кластеризатором: + +```text +segmentation -> embeddings +-> счетчик NME -> N + +-> FastClustering(features, num_clusters=N) + -> штатная финализация sherpa +``` + +Плюсы: + +- порог метода полной связи больше не определяет число голосовых кластеров; +- CAMPPlus и TitaNet используют один модельный проход; +- итоговое назначение меток остается в уже принятом `FastClustering`; +- на одной матрице можно независимо сравнить несколько счетчиков. + +Минус один, но архитектурный: без нового промежуточного интерфейса текущий +`process()` не позволяет вставить счетчик между вычислением матрицы и +кластеризацией. + +## Зависимости, лицензии и цена + +Штатная установка NeMo требует среди прочего NumPy, scikit-learn и PyTorch +([`pyproject.toml`](https://github.com/NVIDIA-NeMo/Speech/blob/d47d7a3c306790637aff39c2d3f9eceb83ca8879/pyproject.toml)). + +| Вариант | Зависимости прототипа | Работа после эмбеддингов | Ограничение | +|---|---|---|---| +| Порог `FastClustering` | новых нет | существующие попарные расстояния и AHC | порог зависит от модели и материала | +| Счетчик eigengap | NumPy; официальный модуль 3D-Speaker целиком не импортируется | матрица `M x M`, одно собственное разложение | фиксированное прореживание остается параметром | +| Полная NME-SC NeMo | `nemo-toolkit`, PyTorch, scikit-learn и другие зависимости NeMo | несколько разложений, затем спектральные эмбеддинги и k-means | меняет итоговый кластеризатор и слишком тяжела для счетчика | +| Счетчик NME + `FastClustering` | NumPy | несколько разложений, затем штатный AHC по известному `N` | нужен внутренний интерфейс sherpa и проверка переноса | + +`FastClustering` уже хранит `M(M-1)/2` расстояний и строит AHC. Счетчик eigengap +добавляет плотную матрицу сходства и одно собственное разложение. NME +повторяет анализ для набора `p`. Полная спектральная кластеризация также хранит +собственные векторы и запускает k-means, поэтому для одной оценки `N` избыточна. +В проектных замерах основной расход пока приходится на извлечение эмбеддингов, +а не на кластеризацию +([профиль стоимости](2026-08-14-diarization-cpu-cost.md), +[CPU-тест](../benchmarks/2026-08-30-lightweight-diarization-cpu.md)); это не +заменяет отдельного замера NME на фактическом числе строк. + +NumPy сейчас есть только в [lock-файле проекта](../../uv.lock), а не в прямых +зависимостях `local-transcriber`. Для стенда версию 2.4.3 нужно закрепить явно. +Если счетчик дойдет до поставляемого кода, NumPy потребуется объявить прямой +зависимостью времени выполнения. + +sherpa-onnx, 3D-Speaker и NeMo Speech распространяют код под Apache-2.0 +([sherpa-onnx](https://github.com/k2-fsa/sherpa-onnx/blob/v1.13.5/LICENSE), +[3D-Speaker](https://github.com/modelscope/3D-Speaker/blob/065629c313eaf1a01c65c640c46d77e61e9607b4/LICENSE), +[NeMo Speech](https://github.com/NVIDIA-NeMo/Speech/blob/d47d7a3c306790637aff39c2d3f9eceb83ca8879/LICENSE)). +Авторская реализация NME-SC опубликована под MIT и направляет пользователей к +поддерживаемой версии NeMo +([репозиторий авторов](https://github.com/tango4j/Auto-Tuning-Spectral-Clustering/tree/ae97f9be9c33b554205c7192c5137ce8f456c1b7)). +Файл кластеризации NeMo дополнительно сохраняет BSD-уведомление scikit-learn, +NumPy 2.4.3 использует BSD-3-Clause +([лицензия](https://github.com/numpy/numpy/blob/v2.4.3/LICENSE.txt)). +Лицензионного запрета на прототип нет. Прямое заимствование кода потребует +сохранить его уведомления; реализация по формулам статьи должна явно назвать +происхождение алгоритма. + +## Ограничения вывода + +- NME-SC проверялась авторами на другой нарезке и эмбеддингах x-vector. Строки + sherpa представляют локальных говорящих в перекрывающихся окнах Pyannote после + исключения пересечений речи; + переносимость нельзя считать доказанной. +- Правильное `N` не гарантирует качественную разметку говорящих. Для TitaNet в + режиме известного числа кластеров уже наблюдался малый кластер, поэтому нужны + прежние прокси-метрики и слуховая проверка. +- У sherpa есть отдельный путь для единственного окна, который обходится без + общей матрицы эмбеддингов. Стенд должен сохранить этот частный случай, а также + текущую обработку пустого результата и нечисловых эмбеддингов. +- Python-модуль `FastClustering` нормирует переданную матрицу на месте; + сравниваемым вариантам нужны отдельные C-contiguous копии. +- Оцененное `N` нужно проверять до вызова `FastClustering`: + `1 <= N <= min(8, M)`, где `M` обозначает число валидных строк. Некорректное + значение считается ошибкой ячейки, а не молча ограничивается. +- Прореживание строк может потерять голосовой кластер с малой долей речи. + Поэтому полный набор строк задает основной результат, а сокращенная матрица + годится только для отдельной проверки чувствительности. +- `numpy.linalg.eigvalsh` использует BLAS/LAPACK. Без закрепленного числа + потоков его процессорное и фактическое время нельзя сравнивать между + машинами. + +## Точная граница будущего прототипа + +Production-код, CLI, модели по умолчанию и ADR не менять. Сделать отдельный +исследовательский стенд на sherpa-onnx 1.13.5 и сохранить точный хеш коммита +экспериментальной сборки рядом с результатом. + +### Внутренний интерфейс sherpa + +В экспериментальной ветке sherpa разделить внутренний `Process` в одном месте: +после удаления нечисловых строк и синхронной фильтрации пар +`окно x локальный говорящий`, до `clustering_->Cluster`. + +- `Prepare(audio)` либо возвращает готовый результат существующего частного + пути, либо владеющий объект `PreparedDiarization`. Объект хранит матрицу + `float32`, выровненные пары, локальные покадровые метки, число говорящих по + кадрам и длину аудио, необходимые текущей финализации. +- Экспериментальный Python-модуль отдает C-contiguous копию матрицы и + непрозрачный дескриптор подготовленного состояния. Дескриптор живет только в + памяти процесса. +- `Finalize(handle, row_labels)` проверяет число меток и выполняет существующие + `ConvertChunkSpeakerToCluster`, `ReLabel`, `FinalizeLabels` и `ComputeResult`. + Так все счетчики используют одну подготовку и одну штатную финализацию. +- Пустая речь, одно окно, отсутствие валидных эмбеддингов и одна валидная строка + сохраняют нынешнее поведение. Аудио, текст, матрица и дескриптор не + сериализуются. + +### Закрепленные входы и счетчики + +Использовать только модель Pyannote Segmentation 3.0 FP32 `model.onnx` +(`220ad67ca923bef2fa91f2390c786097bf305bceb5e261d4af67b38e938e1079`) и две +модели эмбеддингов из предыдущих измерений: + +- CAMPPlus zh/en + (`aa3cfc16963a10586a9393f5035d6d6b57e98d358b347f80c2a30bf4f00ceba2`); +- TitaNet small + (`ad4a1802485d8b34c722d2a9d04249662f2ece5d28a7a039063ca22f515a789e`). + +Полные SHA-256 и происхождение уже записаны в +[калибровке CAMPPlus](../benchmarks/2026-08-14-diarization-calibration.md#модели) +и [исследовании TitaNet](2026-08-29-lightweight-diarization-models.md#проверенные-sha-256). +INT8-сегментация в эту матрицу не входит: она меняет локальные покадровые метки +и уже отклонена по результатам отдельного CPU-теста. + +На каждой исходной матрице сравнить: + +1. диагностический контроль `FastClustering`: для CAMPPlus пороги `1,05` и + `1,10`; для TitaNet использовать наименее плохую, но отклоненную точку + `1,10`; +2. счетчик eigengap по схеме 3D-Speaker с `pval=0.012`, `min_pnum=6`, без + спектральных эмбеддингов и k-means; +3. счетчик NME по контракту ниже. + +Контрольные пороги не становятся допустимыми настройками. Они только +воспроизводят уже наблюдавшийся переход между лишними кластерами и склейкой. + +### Контракт счетчика NME + +Контракт следует формулам статьи и варианту Sparse-Search-20 из +[кода авторов](https://github.com/tango4j/Auto-Tuning-Spectral-Clustering/blob/ae97f9be9c33b554205c7192c5137ce8f456c1b7/spectral_opt.py#L463-L495): + +| Параметр | Значение | +|---|---| +| Вход | все `M` валидных строк; строки конечны и имеют ненулевую норму | +| Матрица сходства | нормировать строки на копии, затем `A = E @ E.T` | +| Диапазон `p` | `1..floor(M/4)`; при `M < 6` ячейка счетчика помечается пропуском, а диагностический `FastClustering` выполняется независимо | +| Разреженный поиск | все значения, если верхняя граница не больше 20; иначе 20 целых точек `linspace` с обоими концами и удалением дублей | +| Бинаризация | сохранить top-`p` в каждой строке, включая диагональ; равные значения разрешать по меньшему индексу столбца | +| Граф | `(A_p + A_p.T) / 2`, затем обнулить диагональ | +| Лапласиан | ненормированный `L = D - A`, `D_ii = sum_j(abs(A_ij))` | +| Собственные значения | `numpy.linalg.eigvalsh`, по возрастанию; `epsilon = 1e-10` | +| Оценка `N` | `N = 1 + argmax(gaps[:min(8, M - 1)])`; при равенстве брать наименьший индекс | +| Выбор `p` | `argmin` по `(p/M) / (max_gap / (lambda_max + epsilon) + epsilon)`; при равенстве брать наименьшее `p` | +| Связность | если выбранный граф несвязен, взять первое большее `p` из той же сетки, которое делает его связным; отсутствие такого `p` считать ошибкой ячейки | + +После коррекции связности использовать `N`, рассчитанное для итогового `p`. +Статья и код авторов не задают стабильное разрешение равных значений или +поведение при слишком малой матрице; таблица фиксирует эти два локальных +правила воспроизводимости. Основной расчет идет по всем строкам, как в +авторской реализации. + +До прогона на рабочих записях закрепить две синтетические фикстуры с +блочными матрицами сходства и ожидаемыми `N=2` и `N=3`. Они проверяют +сортировку и разрешение равных значений в `argmax` и `argmin`. +Якорные эмбеддинги, Torch, спектральные эмбеддинги и k-means в этот счетчик не +входят. + +Основной результат считать на всех строках. Если `M > 512`, дополнительно +повторить NME с регулярным прореживанием NeMo, записать `M` до и после и +сравнить `N`. Сокращенная матрица не заменяет полный результат даже при +совпадении. + +### Проверка и граница решения + +Для каждой модели один раз подготовить матрицу на тех же трех пятиминутных +[контрольных записях](../benchmarks/2026-08-30-lightweight-diarization-cpu.md) +и на ее независимых копиях выполнить все счетчики. Критерии качества: + +- оцененное число голосовых кластеров точно равно `3 / 2 / 2` на трех + контрольных записях для каждой модели отдельно; содержательные кластеры не + компенсируют ошибку счета; +- метки строк и финальный результат для оцененного `N` совпадают с отдельным + вызовом известного `N` на той же матрице; +- повторный счет на той же матрице дает те же `p`, `N` и метки; +- сохранены прежняя метрика `mapped speaker purity`, число слов без говорящего и + диагностика малых кластеров; прогон CAMPPlus и TitaNet заканчивается слуховой + проверкой. + +Для каждого счетчика отдельно записать фактическое и процессорное время, +`peak RSS`, форму матрицы, конфигурацию NumPy/BLAS и эффективное число потоков. +Процесс запускать с одним потоком BLAS/LAPACK; способ ограничения и вывод +`numpy.show_config()` входят в результат. + +Числовой гейт времени и памяти эта записка не задает: его определит +[Зафиксировать аппаратную матрицу и бюджет памяти](https://git.dementev.space/ddmitry/local-transcriber/issues/35), +а общую матрицу соберет +[Собрать минимальную матрицу следующего CPU-эксперимента](https://git.dementev.space/ddmitry/local-transcriber/issues/34). +До этих решений время и память служат измерениями, но не основанием объявить +счетчик принятым. + +Если счетчики eigengap и NME проходят критерии качества, в следующую матрицу +идет более дешевый. Если проходит только NME, отдельно решается перенос чистой +NumPy-реализации в production. Если оба ошибаются, CAMPPlus и TitaNet остаются +кандидатами только для явно заданного числа говорящих. + +Прототип проверяет переносимость оценки `N` на внутренние строки sherpa и цену +счетчика. Он не выбирает новую модель по умолчанию, не заменяет +`FastClustering` и не расширяет продуктовый контракт.