feat: dual-stream 캡처로 원격 회의 화자 분리

내 마이크와 시스템(탭) 오디오를 별도 트랙으로 잡고, 트랙마다 인식기를
붙인다. 트랙이 곧 화자이므로 추론도 모델 다운로드도 없이 화자가 갈린다.

Chrome이 SpeechRecognition.start(audioTrack)를 지원하는 덕분에 가능하다.
트랙을 명시적으로 넘기므로 기본 마이크를 두고 경합할 일도 없다.

- speakers.ts 신설 — 화자 식별자와 표시 이름 해석
- TranscriptChunk.speaker 추가, formatTranscriptChunks가 "화자: 발화"로 출력
- mergeSpeakerChunks — 트랙별 청크를 하나의 시간축으로 병합.
  여러 인식기가 같은 timeOrigin을 공유해야 순서가 맞는다
- mergeAdjacentChunks가 화자 경계를 넘어 합치지 않도록 수정
- useSpeechRecognition: audioTrack / speaker / timeOrigin / lang 옵션.
  인자 없이 호출하면 기존 동작 그대로다
- useDualStreamCapture 신설 — getUserMedia + getDisplayMedia.
  video는 즉시 끊고 오디오만 쓴다. 시스템 오디오 확보에 실패하면
  마이크 단독으로 폴백하고 화자 분리가 꺼졌음을 안내한다
- LiveRecorder: 화자 분리 토글, 화자 이름 입력, 전사 목록 화자 색상 구분

원격 다자 회의와 대면 회의는 원격 트랙에 diarization이 필요하며 후속 작업이다.

테스트 162 → 176.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

src/lib/speakers.ts

@@ -0,0 +1,46 @@
+/**
+ * 화자 식별자.
+ *
+ * dual-stream 캡처에서는 트랙이 곧 화자이므로 추론이 개입하지 않는다.
+ * 단일 트랙에서 화자를 추정하는 경로가 생기면 'spk_1' 같은 식별자가 추가된다.
+ */
+export const LOCAL_SPEAKER = 'local'
+export const REMOTE_SPEAKER = 'remote'
+
+export type SpeakerNames = Readonly<Record<string, string>>
+
+const DEFAULT_NAMES: SpeakerNames = {
+  [LOCAL_SPEAKER]: '나',
+  [REMOTE_SPEAKER]: '상대',
+}
+
+/** 화자 식별자를 표시용 이름으로 바꾼다. 사용자가 지정한 이름이 우선한다. */
+export function resolveSpeakerName(
+  speaker: string,
+  names?: SpeakerNames,
+): string {
+  const custom = names?.[speaker]?.trim()
+  if (custom) return custom
+
+  const preset = DEFAULT_NAMES[speaker]
+  if (preset) return preset
+
+  return speaker
+}
+
+/** 회의록에 저장할 참석자 목록. 지정된 이름이 없으면 기본 표기를 쓴다. */
+export function listAttendees(
+  speakers: readonly string[],
+  names?: SpeakerNames,
+): string[] {
+  const seen = new Set<string>()
+  const result: string[] = []
+
+  for (const speaker of speakers) {
+    if (seen.has(speaker)) continue
+    seen.add(speaker)
+    result.push(resolveSpeakerName(speaker, names))
+  }
+
+  return result
+}

src/lib/transcript-formatter.ts

@@ -1,8 +1,12 @@
+import { resolveSpeakerName, type SpeakerNames } from './speakers'
+
 export interface TranscriptChunk {
   text: string
   startTime: number
   endTime: number
   isFinal: boolean
+  /** 화자 식별자. 단일 트랙 녹음에서는 없다. */
+  speaker?: string
 }
 
 function formatTimestamp(seconds: number): string {
@@ -16,14 +20,42 @@ function formatTimestamp(seconds: number): string {
   return `[${String(m).padStart(2, '0')}:${String(s).padStart(2, '0')}]`
 }
 
-export function formatTranscriptChunks(chunks: readonly TranscriptChunk[]): string {
+export function formatTranscriptChunks(
+  chunks: readonly TranscriptChunk[],
+  names?: SpeakerNames,
+): string {
   if (chunks.length === 0) return ''
 
   return chunks
-    .map((chunk) => `${formatTimestamp(chunk.startTime)} ${chunk.text}`)
+    .map((chunk) => {
+      const stamp = formatTimestamp(chunk.startTime)
+      if (!chunk.speaker) return `${stamp} ${chunk.text}`
+      return `${stamp} ${resolveSpeakerName(chunk.speaker, names)}: ${chunk.text}`
+    })
     .join('\n')
 }
 
+/**
+ * 여러 트랙에서 나온 청크를 하나의 시간축으로 합친다.
+ *
+ * 각 인식기가 독립적으로 동작하므로 도착 순서가 발화 순서와 다를 수 있다.
+ * 모든 트랙이 같은 timeOrigin을 공유한다는 전제 아래 startTime으로 정렬한다.
+ */
+export function mergeSpeakerChunks(
+  ...streams: readonly (readonly TranscriptChunk[])[]
+): TranscriptChunk[] {
+  const merged = streams.flat()
+
+  return merged
+    .map((chunk, index) => ({ chunk, index }))
+    .sort((a, b) => {
+      const diff = a.chunk.startTime - b.chunk.startTime
+      // 같은 시각이면 원래 순서를 유지해 결과가 흔들리지 않게 한다.
+      return diff !== 0 ? diff : a.index - b.index
+    })
+    .map(({ chunk }) => chunk)
+}
+
 export function mergeAdjacentChunks(
   chunks: readonly TranscriptChunk[],
   gapThreshold: number,
@@ -36,12 +68,19 @@ export function mergeAdjacentChunks(
     const current = chunks[i]
     const last = result[result.length - 1]
 
+    // 화자가 다르면 붙이지 않는다 — 서로 다른 사람의 발화가 한 덩어리가 되면 안 된다.
+    if (current.speaker !== last.speaker) {
+      result.push({ ...current })
+      continue
+    }
+
     if (current.startTime - last.endTime <= gapThreshold) {
       result[result.length - 1] = {
         text: `${last.text} ${current.text}`,
         startTime: last.startTime,
         endTime: current.endTime,
         isFinal: current.isFinal,
+        ...(last.speaker ? { speaker: last.speaker } : {}),
       }
     } else {
       result.push({ ...current })