Идентификация сотрудников по голосу (Speaker Recognition)

📋 Описание:
Нужно реализовать модуль, который определяет кто говорит в аудиозаписи на основе заранее обученных голосовых профилей (эталонов).
Цель — подставить реальные имена вместо "Спикер 1", "Спикер 2" в транскрибированных текстах.

⚙️ Что должно быть:
Загрузка голосовых профилей из папки:

WAV-файлы сотрудников

Пример структуры: rabbit/voice_profiles/Марина.wav, Иван.wav

Получение эмбеддингов для голосов:

С использованием resemblyzer или другой аналогичной модели

Все аудио должны быть нормализованы (16 kHz, моно, WAV)

Сравнение эмбеддинга неизвестного фрагмента с профилями

Косинусное сходство (или аналог)

Использовать threshold, чтобы определить “Неизвестный”, если нет хорошего совпадения

Функция:

python
Копировать
Редактировать
def identify_speaker(wav_path: str, profiles: dict) -> str
Принимает путь к тестовому фрагменту

Возвращает имя из профилей или "Неизвестный"

Функция для загрузки профилей:

python
Копировать
Редактировать
def load_voice_profiles(directory_path: str) -> dict
🧪 Будет плюсом:
Возможность обновления/дозаписи профилей

Логирование результатов и похожести

Кеширование эмбеддингов, чтобы не пересчитывать каждый раз

✅ Входные данные:
Пример аудио-фрагментов для сравнения (для тестов)

Примеры профилей

Текущий pipeline: мы вырезаем блоки по speakerTag после транскрибации (есть timestamps)

💾 Формат сдачи:
Python-модуль voice_identifier.py

Пример работы в test_voice_id.py

Инструкция по запуску и обновлению профилей

🔐 Безопасность:
Никакой необходимости в доступе к базе, очередям или другим микросервисам

Работа в отдельном модуле, передача данных через функцию или временные файлы