fix: Docker 실행 경로에서 화자 분리가 동작하도록 수정

Docker로 띄우면 화자 분리가 전혀 되지 않았다. 세 가지 문제가 겹쳐 있었다.

1. 베이스 이미지가 Alpine(musl)인데 sherpa-onnx 사전 빌드 바이너리는 glibc에
   링크되어 있어 ld-linux-aarch64.so.1 을 찾지 못했다. node:22-slim 으로 교체.
2. Next 파일 트레이싱이 sherpa-onnx.node 만 복사하고 동반 공유 라이브러리
   (libonnxruntime, libsherpa-onnx-c-api 등 약 33MB)를 놓쳤다.
   outputFileTracingIncludes 로 플랫폼 패키지를 통째로 포함시킨다.
3. models/ 가 이미지에도 볼륨에도 없어 컨테이너 안에서는 항상 미설치 상태였다.
   호스트의 models/ 를 읽기 전용으로 마운트한다.

추가로 app 컨테이너에 LLM_* 환경변수를 전달한다. GEMINI_API_KEY만 넘기고
있어서 OpenAI 호환 프로바이더를 환경변수로 설정할 수 없었다.

컨테이너 안에서 실제 오디오로 화자 분리가 도는 것을 확인했다.

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

.gitignore

@@ -49,3 +49,9 @@ next-env.d.ts
 .env
 !.env.example
 
+
+# 화자 분리 모델 (npm run setup:diarization 으로 내려받음)
+models/
+
+# 로컬 개발용 compose 오버라이드
+docker-compose.override.yml

Dockerfile

@@ -1,4 +1,6 @@
-FROM node:22-alpine AS base
+# sherpa-onnx 사전 빌드 바이너리가 glibc에 링크되어 있어 Alpine(musl)에서는
+# ld-linux-aarch64.so.1 을 찾지 못한다. glibc 계열인 slim 을 쓴다.
+FROM node:22-slim AS base
 
 FROM base AS deps
 WORKDIR /app
@@ -15,8 +17,8 @@ RUN npm run build
 FROM base AS runner
 WORKDIR /app
 ENV NODE_ENV=production
-RUN addgroup --system --gid 1001 nodejs
+RUN groupadd --system --gid 1001 nodejs \
-RUN adduser --system --uid 1001 nextjs
+  && useradd --system --uid 1001 --gid nodejs nextjs
 COPY --from=builder /app/public ./public
 COPY --from=builder /app/.next/standalone ./
 COPY --from=builder /app/.next/static ./.next/static
@@ -24,6 +26,9 @@ COPY --from=builder /app/prisma ./prisma
 
 RUN mkdir -p uploads && chown nextjs:nodejs uploads
 
+# sherpa-onnx의 .so는 표준 검색 경로에 없으므로 명시해준다.
+ENV LD_LIBRARY_PATH=/app/node_modules/sherpa-onnx-linux-arm64:/app/node_modules/sherpa-onnx-linux-x64
+
 USER nextjs
 EXPOSE 3000
 ENV PORT=3000

README.md

@@ -24,6 +24,7 @@ docker compose up -d
 
 - [✨ 주요 기능](#-주요-기능)
   - [🎤 실시간 녹음 & 전사](#-실시간-녹음--전사)
+  - [🗣️ 화자 분리](#️-화자-분리)
   - [🤖 AI 회의록 (6 템플릿 × 3 강도)](#-ai-회의록-6-템플릿--3-강도)
   - [⚡ 실시간 롤링 요약](#-실시간-롤링-요약)
   - [💾 회의록 저장/조회/검색](#-회의록-저장조회검색)
@@ -101,6 +102,42 @@ docker compose up -d
 
 ---
 
+### 🗣️ 화자 분리
+
+누가 무슨 말을 했는지 구분해 기록합니다. 회의 환경에 따라 두 가지 방식을 씁니다.
+
+| 모드 | 방식 | 정확도 | 준비물 |
+|---|---|---|---|
+| **원격 회의** | 내 마이크와 시스템(탭) 오디오를 **별도 트랙**으로 받아 트랙별로 전사 | **100%** — 추론 없음 | 없음 |
+| **대면 회의** | 마이크 한 트랙을 **내 PC에서** 분석해 화자를 나눔 | DER 12~15% | 모델 1회 설치 |
+
+**원격 회의**는 트랙이 곧 화자라 틀릴 수가 없습니다. 시작할 때 화면 공유 대화상자에서
+**"탭 오디오 공유"를 반드시 켜야** 합니다. 켜지 않으면 마이크 단독 녹음으로 넘어가고
+화자 라벨이 붙지 않습니다 (틀린 라벨을 붙이지 않습니다).
+
+**대면 회의**는 `pyannote-segmentation-3.0` + `3D-Speaker CAM++` ONNX 모델을 로컬
+Next.js 프로세스에서 실행합니다. **오디오가 외부로 나가지 않습니다.** GPU도 파이썬
+런타임도 필요 없고, 노트북 CPU에서 실시간의 수십 배 속도로 처리됩니다.
+
+```bash
+# 최초 1회 — 모델 약 34MB 내려받기
+npm run setup:diarization
+```
+
+> Docker로 실행하실 때도 **호스트에서** 위 명령을 먼저 실행하세요. `models/` 디렉터리가
+> 컨테이너에 읽기 전용으로 마운트됩니다. 받지 않으면 대면 모드만 비활성화되고 나머지는
+> 정상 동작합니다.
+
+> 💡 **참석자 수를 정확히 입력하세요.** 자동 추정은 화자 수를 잘못 세는 것이 주 실패
+> 모드입니다. 실측에서 4인 오디오가 자동 모드로는 5명, 참석자 수를 알려주면 4명으로
+> 정확히 나왔습니다.
+
+대면 모드는 녹음이 끝난 뒤 **전체 오디오에 한 번** 분석을 돌립니다. 구간을 잘라
+반복 실행하면 실행마다 화자 번호가 달라져 이어 붙일 수 없기 때문입니다. 따라서
+녹음 중 실시간 화자 표시는 없고, 종료 시 원문 전체에 화자가 붙습니다.
+
+---
+
 ### ⚡ 실시간 롤링 요약
 
 녹음 중 **30초마다** Gemini가 그동안의 발화를 분석해 중간 회의록을 자동 갱신합니다.
@@ -335,7 +372,8 @@ npm run test:coverage     # 커버리지 리포트
 | DB | PostgreSQL 16 + Prisma 7 (driver adapter `@prisma/adapter-pg`) |
 | Markdown | `marked` + `isomorphic-dompurify` |
 | 스타일 | Tailwind CSS v4 |
-| 테스트 | Vitest 4 (jsdom, 141 tests) |
+| 화자 분리 | pyannote-segmentation-3.0 + CAM++ (ONNX Runtime, CPU) |
+| 테스트 | Vitest 4 (jsdom, 184 tests) |
 | 배포 | Docker Compose + standalone Next.js 빌드 |
 
 ---

SECURITY.md

@@ -52,6 +52,7 @@
 | 액션 아이템 | PostgreSQL (`action_items`) | 외부 송출 없음 |
 | API 키 | 브라우저 LocalStorage 또는 `.env` | 요청 시 선택한 프로바이더에만 전송 |
 | 음성 데이터 | 메모리 (실시간), `/app/uploads` (파일 업로드) | **Chrome Web Speech API → Google 서버** ⚠️ |
+| 화자 분리용 PCM | 서버 프로세스 메모리 (녹음 중에만) | **외부 송출 없음** — 로컬에서 분석하고 분석 후 즉시 폐기 |
 
 ### ⚠️ 주의: Web Speech API의 음성 외부 전송
 
@@ -77,6 +78,21 @@ Chrome의 `SpeechRecognition` API는 **음성 데이터를 Google 서버로 전
 - 중계 라우터는 요청을 대신 전달하는 구조상 **평문 프롬프트를 볼 수 있는 주체가 한 곳 늘어납니다.** 로깅·보관 정책은 각 서비스 약관을 직접 확인하세요.
 - 사내 컴플라이언스가 외부 전송을 제한한다면 **로컬 모델** 프리셋을 사용하세요.
 
+### 화자 분리 오디오는 로컬에만 머뭅니다
+
+대면 회의 화자 분리는 `pyannote-segmentation-3.0` + `CAM++` ONNX 모델을 로컬
+Next.js 프로세스에서 실행합니다. 외부 API를 호출하지 않으므로 **오디오가 네트워크로
+나가지 않습니다.**
+
+- 녹음 중 PCM 조각이 서버 프로세스 **메모리**에 쌓입니다 (디스크에 쓰지 않음)
+- 분석이 끝나면 즉시 폐기하며, 6시간 지난 세션은 자동 정리됩니다
+- 세션 최대 길이는 3시간으로 제한됩니다
+- 단일 사용자 로컬 실행 전제입니다. 여러 사용자가 붙는 환경이라면 세션 ID를
+  추측해 다른 사람의 오디오에 접근할 수 있으므로, 노출 배포 시 인증이 선행되어야 합니다
+
+전사 텍스트는 여전히 Web Speech API를 거치므로 Google로 갑니다. 화자 분리만
+로컬이라는 점에 유의하세요.
+
 ### base URL은 서버가 대신 호출합니다 (SSRF 주의)
 
 OpenAI 호환 프리셋의 base URL은 브라우저가 아니라 **Next.js Route Handler(서버)** 가 fetch 합니다.

docker-compose.yml

@@ -43,8 +43,17 @@ services:
     environment:
       DATABASE_URL: postgresql://${POSTGRES_USER:?required}:${POSTGRES_PASSWORD:?required}@db:5432/${POSTGRES_DB:?required}
       GEMINI_API_KEY: ${GEMINI_API_KEY:-}
+      # OpenAI 호환 프로바이더 (선택) — 없으면 브라우저에 저장된 설정을 쓴다
+      LLM_PROVIDER: ${LLM_PROVIDER:-}
+      LLM_BASE_URL: ${LLM_BASE_URL:-}
+      LLM_MODEL: ${LLM_MODEL:-}
+      LLM_API_KEY: ${LLM_API_KEY:-}
+      DIARIZATION_MODEL_DIR: /app/models/diarization
     volumes:
       - uploads:/app/uploads
+      # 화자 분리 모델 — 호스트에서 npm run setup:diarization 으로 받은 것을 읽기 전용으로 마운트.
+      # 없으면 빈 디렉터리가 되고 대면 화자 분리만 비활성화된다 (앱은 정상 동작).
+      - ./models:/app/models:ro
     depends_on:
       db:
         condition: service_healthy

next.config.ts

@@ -12,6 +12,13 @@ const securityHeaders = [
 
 const nextConfig: NextConfig = {
   output: "standalone",
+  // sherpa-onnx-node는 네이티브 애드온이라 번들링하면 안 된다.
+  serverExternalPackages: ["sherpa-onnx-node"],
+  // 트레이싱은 .node 파일만 잡고 동반 공유 라이브러리(.so/.dylib)를 놓친다.
+  // 플랫폼 패키지를 통째로 포함시켜야 standalone 빌드에서 로드된다.
+  outputFileTracingIncludes: {
+    "/api/diarize": ["./node_modules/sherpa-onnx-*/**"],
+  },
   async headers() {
     return [
       {

package-lock.json

@@ -16,7 +16,8 @@
         "pg": "^8.13.1",
         "prisma": "^7.7.0",
         "react": "19.2.4",
-        "react-dom": "19.2.4"
+        "react-dom": "19.2.4",
+        "sherpa-onnx-node": "^1.13.7"
       },
       "devDependencies": {
         "@tailwindcss/postcss": "^4",
@@ -8422,6 +8423,98 @@
         "node": ">=8"
       }
     },
+    "node_modules/sherpa-onnx-darwin-arm64": {
+      "version": "1.13.7",
+      "resolved": "https://registry.npmjs.org/sherpa-onnx-darwin-arm64/-/sherpa-onnx-darwin-arm64-1.13.7.tgz",
+      "integrity": "sha512-5NCE50hAvr3n2pdett0SgfPBJXaFZE0bqHwbHyiq+IKZ8Ids0l4M0VrG+ImGYIafCwie+oC3uAJ+pKj9xg/k+w==",
+      "cpu": [
+        "arm64"
+      ],
+      "license": "Apache-2.0",
+      "optional": true,
+      "os": [
+        "darwin"
+      ]
+    },
+    "node_modules/sherpa-onnx-darwin-x64": {
+      "version": "1.13.7",
+      "resolved": "https://registry.npmjs.org/sherpa-onnx-darwin-x64/-/sherpa-onnx-darwin-x64-1.13.7.tgz",
+      "integrity": "sha512-N3o+T+wn9WaQmsKV5DD8bTHdo+WN2+sXwmZcGJZiDjtOMR2zFz7uVCZnYCmEAMgvChC+oHcF5RvEEKcRCAu6Pw==",
+      "cpu": [
+        "x64"
+      ],
+      "license": "Apache-2.0",
+      "optional": true,
+      "os": [
+        "darwin"
+      ]
+    },
+    "node_modules/sherpa-onnx-linux-arm64": {
+      "version": "1.13.7",
+      "resolved": "https://registry.npmjs.org/sherpa-onnx-linux-arm64/-/sherpa-onnx-linux-arm64-1.13.7.tgz",
+      "integrity": "sha512-TFCVpXyTh69buhOtTS8KIfkRXOVKY4Y1qjAktSItrKS4A0chnnrlXO5bKWoNAPeI6fMxTF/uvMYbYgcvjEMfNg==",
+      "cpu": [
+        "arm64"
+      ],
+      "license": "Apache-2.0",
+      "optional": true,
+      "os": [
+        "linux"
+      ]
+    },
+    "node_modules/sherpa-onnx-linux-x64": {
+      "version": "1.13.7",
+      "resolved": "https://registry.npmjs.org/sherpa-onnx-linux-x64/-/sherpa-onnx-linux-x64-1.13.7.tgz",
+      "integrity": "sha512-npmxn5WwmAmlthgBhmbZ33t3i2j4mJwQt46dMEb3j7d41y1/uJrjrVAfa/DkvV+vn49ZWfcQ2UEWDipaZBVhuw==",
+      "cpu": [
+        "x64"
+      ],
+      "license": "Apache-2.0",
+      "optional": true,
+      "os": [
+        "linux"
+      ]
+    },
+    "node_modules/sherpa-onnx-node": {
+      "version": "1.13.7",
+      "resolved": "https://registry.npmjs.org/sherpa-onnx-node/-/sherpa-onnx-node-1.13.7.tgz",
+      "integrity": "sha512-0XGV7arGngBCnol0m8OLyqlnaUm19Q1KmetVj1DDBdymXa1upmAHZDwNdN47gjsEhqE5hXUEyc1vRQoXrNhNVg==",
+      "license": "Apache-2.0",
+      "optionalDependencies": {
+        "sherpa-onnx-darwin-arm64": "^1.13.7",
+        "sherpa-onnx-darwin-x64": "^1.13.7",
+        "sherpa-onnx-linux-arm64": "^1.13.7",
+        "sherpa-onnx-linux-x64": "^1.13.7",
+        "sherpa-onnx-win-ia32": "^1.13.7",
+        "sherpa-onnx-win-x64": "^1.13.7"
+      }
+    },
+    "node_modules/sherpa-onnx-win-ia32": {
+      "version": "1.13.7",
+      "resolved": "https://registry.npmjs.org/sherpa-onnx-win-ia32/-/sherpa-onnx-win-ia32-1.13.7.tgz",
+      "integrity": "sha512-sTwtpxPQ76XLn0giAbvknIDEDKD3XXi2mo2AVROEucf1pIK1DjQl+LjLkalTeFoQqbC4J3xGx/g+xgcHQD1dsw==",
+      "cpu": [
+        "ia32"
+      ],
+      "license": "Apache-2.0",
+      "optional": true,
+      "os": [
+        "win32"
+      ]
+    },
+    "node_modules/sherpa-onnx-win-x64": {
+      "version": "1.13.7",
+      "resolved": "https://registry.npmjs.org/sherpa-onnx-win-x64/-/sherpa-onnx-win-x64-1.13.7.tgz",
+      "integrity": "sha512-wBV1o+/zgsMrOjfCFIgGrH6S28xq6CqRCLSavCOjTZ6cqr80yGc07DUHxqsHFPZvfoJU+2JF5L2l3gyWFWoWdQ==",
+      "cpu": [
+        "x64"
+      ],
+      "license": "Apache-2.0",
+      "optional": true,
+      "os": [
+        "win32"
+      ]
+    },
     "node_modules/side-channel": {
       "version": "1.1.0",
       "resolved": "https://registry.npmjs.org/side-channel/-/side-channel-1.1.0.tgz",

package.json

@@ -9,7 +9,8 @@
     "lint": "eslint",
     "test": "vitest run",
     "test:watch": "vitest",
-    "test:coverage": "vitest run --coverage"
+    "test:coverage": "vitest run --coverage",
+    "setup:diarization": "node scripts/setup-diarization.mjs"
   },
   "dependencies": {
     "@prisma/adapter-pg": "^7.7.0",
@@ -20,7 +21,8 @@
     "pg": "^8.13.1",
     "prisma": "^7.7.0",
     "react": "19.2.4",
-    "react-dom": "19.2.4"
+    "react-dom": "19.2.4",
+    "sherpa-onnx-node": "^1.13.7"
   },
   "devDependencies": {
     "@tailwindcss/postcss": "^4",

public/pcm-worklet.js

@@ -0,0 +1,38 @@
+/**
+ * 마이크 오디오를 Int16 PCM 조각으로 잘라 메인 스레드로 넘긴다.
+ *
+ * AudioContext를 16kHz로 열면 브라우저가 리샘플링해주므로 여기서는
+ * float32 → int16 변환과 버퍼링만 한다. 화자 분리 모델이 16kHz 모노를 받는다.
+ */
+const CHUNK_SAMPLES = 16000 * 4 // 4초
+
+class PcmCollector extends AudioWorkletProcessor {
+  constructor() {
+    super()
+    this.buffer = new Int16Array(CHUNK_SAMPLES)
+    this.offset = 0
+  }
+
+  flush() {
+    if (this.offset === 0) return
+    const out = this.buffer.slice(0, this.offset)
+    this.port.postMessage(out, [out.buffer])
+    this.buffer = new Int16Array(CHUNK_SAMPLES)
+    this.offset = 0
+  }
+
+  process(inputs) {
+    const channel = inputs[0] && inputs[0][0]
+    if (!channel) return true
+
+    for (let i = 0; i < channel.length; i++) {
+      const clamped = Math.max(-1, Math.min(1, channel[i]))
+      this.buffer[this.offset++] = clamped * 32767
+      if (this.offset === CHUNK_SAMPLES) this.flush()
+    }
+
+    return true
+  }
+}
+
+registerProcessor('pcm-collector', PcmCollector)

scripts/setup-diarization.mjs

@@ -0,0 +1,98 @@
+#!/usr/bin/env node
+/**
+ * 화자 분리 모델 내려받기.
+ *
+ * 두 모델 모두 CPU에서 도는 ONNX 파일이며 GPU나 파이썬 런타임이 필요 없다.
+ * 라이선스 문제로 저장소에 포함하지 않고 최초 1회 내려받는다.
+ *
+ *   npm run setup:diarization
+ */
+import { createWriteStream } from 'node:fs'
+import { mkdir, rename, rm, stat } from 'node:fs/promises'
+import { pipeline } from 'node:stream/promises'
+import path from 'node:path'
+import { spawn } from 'node:child_process'
+
+const DEST = path.join(process.cwd(), 'models', 'diarization')
+
+const MODELS = [
+  {
+    name: 'segmentation.onnx',
+    // pyannote/segmentation-3.0 (MIT) — 발화 구간 분할
+    url: 'https://github.com/k2-fsa/sherpa-onnx/releases/download/speaker-segmentation-models/sherpa-onnx-pyannote-segmentation-3-0.tar.bz2',
+    archiveEntry: 'sherpa-onnx-pyannote-segmentation-3-0/model.onnx',
+    approxMB: 6,
+  },
+  {
+    name: 'embedding.onnx',
+    // 3D-Speaker CAM++ — 화자 임베딩
+    url: 'https://github.com/k2-fsa/sherpa-onnx/releases/download/speaker-recongition-models/3dspeaker_speech_campplus_sv_zh-cn_16k-common.onnx',
+    approxMB: 28,
+  },
+]
+
+async function exists(p) {
+  try {
+    await stat(p)
+    return true
+  } catch {
+    return false
+  }
+}
+
+async function download(url, dest) {
+  const res = await fetch(url, { redirect: 'follow' })
+  if (!res.ok) throw new Error(`${res.status} ${res.statusText} — ${url}`)
+  await pipeline(res.body, createWriteStream(dest))
+}
+
+function run(cmd, args, cwd) {
+  return new Promise((resolve, reject) => {
+    const child = spawn(cmd, args, { cwd, stdio: 'inherit' })
+    child.on('error', reject)
+    child.on('exit', (code) =>
+      code === 0 ? resolve() : reject(new Error(`${cmd} 실패 (exit ${code})`)),
+    )
+  })
+}
+
+async function main() {
+  await mkdir(DEST, { recursive: true })
+
+  for (const model of MODELS) {
+    const target = path.join(DEST, model.name)
+
+    if (await exists(target)) {
+      console.log(`✓ ${model.name} — 이미 있음`)
+      continue
+    }
+
+    console.log(`↓ ${model.name} (약 ${model.approxMB}MB) 내려받는 중...`)
+
+    if (!model.archiveEntry) {
+      await download(model.url, target)
+      console.log(`✓ ${model.name}`)
+      continue
+    }
+
+    const archive = path.join(DEST, 'tmp.tar.bz2')
+    await download(model.url, archive)
+    await run('tar', ['xjf', archive], DEST)
+    await rename(path.join(DEST, model.archiveEntry), target)
+    await rm(archive)
+    await rm(path.join(DEST, path.dirname(model.archiveEntry)), {
+      recursive: true,
+      force: true,
+    })
+    console.log(`✓ ${model.name}`)
+  }
+
+  console.log(`\n완료. 모델 위치: ${DEST}`)
+  console.log('이제 녹음 화면에서 "대면 회의 화자 분리"를 쓸 수 있습니다.')
+}
+
+main().catch((err) => {
+  console.error(`\n✗ 실패: ${err.message}`)
+  console.error('네트워크를 확인하고 다시 실행해주세요.')
+  process.exit(1)
+})

src/__tests__/speakers.test.ts

@@ -0,0 +1,62 @@
+import { describe, it, expect } from 'vitest'
+import {
+  LOCAL_SPEAKER,
+  REMOTE_SPEAKER,
+  diarizedSpeakerId,
+  listAttendees,
+  resolveSpeakerName,
+} from '@/lib/speakers'
+
+describe('resolveSpeakerName', () => {
+  it('기본 화자에 한국어 표기를 붙인다', () => {
+    expect(resolveSpeakerName(LOCAL_SPEAKER)).toBe('나')
+    expect(resolveSpeakerName(REMOTE_SPEAKER)).toBe('상대')
+  })
+
+  it('사용자가 지정한 이름이 우선한다', () => {
+    const names = { [REMOTE_SPEAKER]: '김지훈' }
+    expect(resolveSpeakerName(REMOTE_SPEAKER, names)).toBe('김지훈')
+    expect(resolveSpeakerName(LOCAL_SPEAKER, names)).toBe('나')
+  })
+
+  it('공백뿐인 이름은 무시한다', () => {
+    expect(resolveSpeakerName(LOCAL_SPEAKER, { [LOCAL_SPEAKER]: '   ' })).toBe('나')
+  })
+
+  it('diarization 화자 번호를 한국어 표기로 바꾼다', () => {
+    expect(resolveSpeakerName('spk_1')).toBe('화자 1')
+    expect(resolveSpeakerName('spk_3')).toBe('화자 3')
+  })
+
+  it('diarization 화자에도 지정 이름이 우선한다', () => {
+    expect(resolveSpeakerName('spk_2', { spk_2: '박지연' })).toBe('박지연')
+  })
+
+  it('그 밖의 식별자는 그대로 돌려준다', () => {
+    expect(resolveSpeakerName('unknown')).toBe('unknown')
+  })
+})
+
+describe('listAttendees', () => {
+  it('중복을 제거하고 순서를 유지한다', () => {
+    expect(
+      listAttendees([REMOTE_SPEAKER, LOCAL_SPEAKER, REMOTE_SPEAKER]),
+    ).toEqual(['상대', '나'])
+  })
+
+  it('지정된 이름을 반영한다', () => {
+    expect(
+      listAttendees([LOCAL_SPEAKER, REMOTE_SPEAKER], {
+        [LOCAL_SPEAKER]: '배철승',
+        [REMOTE_SPEAKER]: '김지훈',
+      }),
+    ).toEqual(['배철승', '김지훈'])
+  })
+})
+
+describe('diarizedSpeakerId', () => {
+  it('0-based 번호를 1-based 식별자로 바꾼다', () => {
+    expect(diarizedSpeakerId(0)).toBe('spk_1')
+    expect(diarizedSpeakerId(3)).toBe('spk_4')
+  })
+})

src/__tests__/transcript-formatter.test.ts

@@ -2,6 +2,8 @@ import { describe, it, expect } from 'vitest'
 import {
   formatTranscriptChunks,
   mergeAdjacentChunks,
+  mergeSpeakerChunks,
+  assignSpeakers,
   type TranscriptChunk,
 } from '@/lib/transcript-formatter'
 
@@ -55,3 +57,141 @@ describe('mergeAdjacentChunks', () => {
     expect(result).toEqual([])
   })
 })
+
+describe('화자 표기', () => {
+  it('speaker가 있으면 이름을 붙여 출력한다', () => {
+    const out = formatTranscriptChunks([
+      { text: '안녕하세요', startTime: 0, endTime: 2, isFinal: true, speaker: 'local' },
+      { text: '네 반갑습니다', startTime: 3, endTime: 5, isFinal: true, speaker: 'remote' },
+    ])
+    expect(out).toBe('[00:00] 나: 안녕하세요\n[00:03] 상대: 네 반갑습니다')
+  })
+
+  it('지정된 화자 이름을 사용한다', () => {
+    const out = formatTranscriptChunks(
+      [{ text: '안녕하세요', startTime: 0, endTime: 2, isFinal: true, speaker: 'remote' }],
+      { remote: '김지훈' },
+    )
+    expect(out).toBe('[00:00] 김지훈: 안녕하세요')
+  })
+
+  it('speaker가 없으면 기존 형식을 유지한다', () => {
+    const out = formatTranscriptChunks([
+      { text: '안녕하세요', startTime: 0, endTime: 2, isFinal: true },
+    ])
+    expect(out).toBe('[00:00] 안녕하세요')
+  })
+})
+
+describe('mergeSpeakerChunks', () => {
+  const local = [
+    { text: '먼저 말함', startTime: 1, endTime: 2, isFinal: true, speaker: 'local' },
+    { text: '나중에 말함', startTime: 9, endTime: 10, isFinal: true, speaker: 'local' },
+  ]
+  const remote = [
+    { text: '중간에 답함', startTime: 4, endTime: 6, isFinal: true, speaker: 'remote' },
+  ]
+
+  it('여러 트랙을 시간순으로 합친다', () => {
+    expect(mergeSpeakerChunks(local, remote).map((c) => c.text)).toEqual([
+      '먼저 말함',
+      '중간에 답함',
+      '나중에 말함',
+    ])
+  })
+
+  it('같은 시각이면 넘긴 순서를 유지한다', () => {
+    const a = [{ text: 'A', startTime: 5, endTime: 6, isFinal: true, speaker: 'local' }]
+    const b = [{ text: 'B', startTime: 5, endTime: 6, isFinal: true, speaker: 'remote' }]
+    expect(mergeSpeakerChunks(a, b).map((c) => c.text)).toEqual(['A', 'B'])
+  })
+
+  it('빈 트랙을 섞어도 동작한다', () => {
+    expect(mergeSpeakerChunks([], remote, [])).toEqual(remote)
+    expect(mergeSpeakerChunks()).toEqual([])
+  })
+})
+
+describe('mergeAdjacentChunks — 화자 경계', () => {
+  it('화자가 다르면 간격이 좁아도 합치지 않는다', () => {
+    const merged = mergeAdjacentChunks(
+      [
+        { text: '그건', startTime: 0, endTime: 1, isFinal: true, speaker: 'local' },
+        { text: '어렵습니다', startTime: 1, endTime: 2, isFinal: true, speaker: 'remote' },
+      ],
+      5,
+    )
+    expect(merged).toHaveLength(2)
+  })
+
+  it('같은 화자면 기존대로 합친다', () => {
+    const merged = mergeAdjacentChunks(
+      [
+        { text: '그건', startTime: 0, endTime: 1, isFinal: true, speaker: 'local' },
+        { text: '가능합니다', startTime: 1, endTime: 2, isFinal: true, speaker: 'local' },
+      ],
+      5,
+    )
+    expect(merged).toHaveLength(1)
+    expect(merged[0].text).toBe('그건 가능합니다')
+    expect(merged[0].speaker).toBe('local')
+  })
+})
+
+describe('assignSpeakers', () => {
+  const id = (n: number) => `spk_${n + 1}`
+
+  const chunks: TranscriptChunk[] = [
+    { text: '안녕하세요', startTime: 0, endTime: 3, isFinal: true },
+    { text: '네 반갑습니다', startTime: 5, endTime: 8, isFinal: true },
+    { text: '그럼 시작하죠', startTime: 10, endTime: 12, isFinal: true },
+  ]
+
+  it('시간이 가장 많이 겹치는 화자를 붙인다', () => {
+    const out = assignSpeakers(
+      chunks,
+      [
+        { start: 0, end: 4, speaker: 0 },
+        { start: 4.5, end: 9, speaker: 1 },
+        { start: 9.5, end: 13, speaker: 0 },
+      ],
+      id,
+    )
+    expect(out.map((c) => c.speaker)).toEqual(['spk_1', 'spk_2', 'spk_1'])
+  })
+
+  it('겹치는 구간이 없으면 화자를 비워 둔다', () => {
+    const out = assignSpeakers(
+      chunks,
+      [{ start: 100, end: 110, speaker: 0 }],
+      id,
+    )
+    expect(out.every((c) => c.speaker === undefined)).toBe(true)
+  })
+
+  it('부분적으로만 겹치면 더 많이 겹치는 쪽을 고른다', () => {
+    const out = assignSpeakers(
+      [{ text: '경계에 걸침', startTime: 0, endTime: 10, isFinal: true }],
+      [
+        { start: 0, end: 3, speaker: 0 },
+        { start: 3, end: 10, speaker: 1 },
+      ],
+      id,
+    )
+    expect(out[0].speaker).toBe('spk_2')
+  })
+
+  it('segments가 비면 원본을 그대로 돌려준다', () => {
+    const out = assignSpeakers(chunks, [], id)
+    expect(out).toEqual(chunks)
+  })
+
+  it('기존 화자 라벨은 새 결과로 덮어쓴다', () => {
+    const out = assignSpeakers(
+      [{ text: 'x', startTime: 0, endTime: 2, isFinal: true, speaker: 'spk_9' }],
+      [{ start: 0, end: 2, speaker: 0 }],
+      id,
+    )
+    expect(out[0].speaker).toBe('spk_1')
+  })
+})

src/app/api/diarize/chunk/route.ts

@@ -0,0 +1,30 @@
+import { NextRequest } from 'next/server'
+import { appendAudio } from '@/lib/audio-session'
+
+export const dynamic = 'force-dynamic'
+
+/** 녹음 중 몇 초짜리 PCM 조각을 이어 붙인다. 본문은 16kHz 모노 Int16 raw PCM. */
+export async function POST(request: NextRequest) {
+  const sessionId = request.nextUrl.searchParams.get('session')?.trim()
+  if (!sessionId) {
+    return Response.json({ error: 'session 파라미터가 필요합니다.' }, { status: 400 })
+  }
+
+  const buffer = await request.arrayBuffer()
+  if (buffer.byteLength === 0) {
+    return Response.json({ error: '오디오가 비어 있습니다.' }, { status: 400 })
+  }
+  if (buffer.byteLength % 2 !== 0) {
+    return Response.json(
+      { error: 'Int16 PCM이 아닙니다 (홀수 바이트).' },
+      { status: 400 },
+    )
+  }
+
+  const result = appendAudio(sessionId, new Int16Array(buffer))
+  if (!result.ok) {
+    return Response.json({ error: result.error }, { status: 413 })
+  }
+
+  return Response.json({ seconds: Math.round(result.seconds) })
+}

src/app/api/diarize/route.ts

@@ -0,0 +1,55 @@
+import { NextRequest } from 'next/server'
+import { clearSession, collectSamples, sessionSeconds } from '@/lib/audio-session'
+import { diarize, modelsInstalled } from '@/lib/diarization'
+
+export const dynamic = 'force-dynamic'
+
+export async function GET() {
+  return Response.json({ available: modelsInstalled() })
+}
+
+/**
+ * 누적된 오디오 전체에 화자 분리를 돌린다.
+ *
+ * 창을 잘라 반복 실행하면 실행마다 화자 번호가 달라져 이어 붙일 수 없다.
+ * 전역 클러스터링을 위해 녹음 종료 시 한 번만 돌린다.
+ */
+export async function POST(request: NextRequest) {
+  try {
+    const body = await request.json().catch(() => ({}))
+    const sessionId = typeof body.session === 'string' ? body.session.trim() : ''
+
+    if (!sessionId) {
+      return Response.json({ error: 'session이 필요합니다.' }, { status: 400 })
+    }
+
+    const samples = collectSamples(sessionId)
+    if (!samples) {
+      return Response.json({ error: '누적된 오디오가 없습니다.' }, { status: 400 })
+    }
+
+    const numSpeakers =
+      typeof body.numSpeakers === 'number' && body.numSpeakers > 1
+        ? Math.floor(body.numSpeakers)
+        : undefined
+
+    const seconds = sessionSeconds(sessionId)
+    const result = await diarize(samples, { numSpeakers })
+
+    if (!result.success) {
+      const status = result.reason === 'models-missing' ? 503 : 500
+      return Response.json({ error: result.error, reason: result.reason }, { status })
+    }
+
+    clearSession(sessionId)
+
+    return Response.json({
+      segments: result.segments,
+      seconds: Math.round(seconds),
+      speakers: new Set(result.segments.map((s) => s.speaker)).size,
+    })
+  } catch (err) {
+    const message = err instanceof Error ? err.message : '알 수 없는 오류'
+    return Response.json({ error: `화자 분리 실패: ${message}` }, { status: 500 })
+  }
+}

src/components/recorder/LiveRecorder.tsx

@@ -1,11 +1,26 @@
 'use client'
 
-import { useEffect, useRef } from 'react'
+import { useEffect, useMemo, useRef, useState } from 'react'
 import { useSpeechRecognition } from '@/hooks/useSpeechRecognition'
+import { useDualStreamCapture } from '@/hooks/useDualStreamCapture'
+import { useDiarization } from '@/hooks/useDiarization'
 import { useLiveSummary } from '@/hooks/useLiveSummary'
-import { formatTranscriptChunks } from '@/lib/transcript-formatter'
+import {
+  assignSpeakers,
+  formatTranscriptChunks,
+  mergeSpeakerChunks,
+  type TimeSpan,
+} from '@/lib/transcript-formatter'
+import {
+  LOCAL_SPEAKER,
+  REMOTE_SPEAKER,
+  diarizedSpeakerId,
+  resolveSpeakerName,
+} from '@/lib/speakers'
 import type { SummaryDepth, TemplateId } from '@/lib/templates'
 
+type SeparationMode = 'off' | 'remote' | 'in-person'
+
 interface LiveRecorderProps {
   onTranscriptReady: (transcript: string) => void
   liveSummaryEnabled: boolean
@@ -21,16 +36,63 @@ export function LiveRecorder({
   depth,
   customPrompt,
 }: LiveRecorderProps) {
+  const [mode, setMode] = useState<SeparationMode>('off')
+  const [attendeeCount, setAttendeeCount] = useState(2)
+  const [pendingStart, setPendingStart] = useState(false)
+  const [speakerNames, setSpeakerNames] = useState<Record<string, string>>({})
+  const [segments, setSegments] = useState<TimeSpan[] | null>(null)
+  const timeOriginRef = useRef(0)
+
+  const capture = useDualStreamCapture()
+  const diarization = useDiarization()
+
+  const speakerSeparation = mode !== 'off'
+
+  // 화자 분리를 켜면 트랙마다 인식기를 붙인다. 트랙이 곧 화자가 되므로
+  // 추론 없이 화자가 갈린다.
+  // 두 트랙을 실제로 확보했을 때만 화자를 라벨링한다.
+  // 마이크만 잡힌 상태에서 라벨을 붙이면 상대 발언이 내 것으로 기록된다.
+  const isSeparating = capture.mode === 'dual-stream'
+
+  const local = useSpeechRecognition({
+    audioTrack: speakerSeparation ? capture.micTrack : null,
+    speaker: isSeparating ? LOCAL_SPEAKER : undefined,
+    timeOrigin: timeOriginRef.current || undefined,
+  })
+
+  const remote = useSpeechRecognition({
+    audioTrack: capture.systemTrack,
+    speaker: REMOTE_SPEAKER,
+    timeOrigin: timeOriginRef.current || undefined,
+  })
+
   const {
     isListening,
     isSupported,
-    chunks,
     interimText,
     error: recognitionError,
     startListening,
-    stopListening,
+  } = local
-    resetChunks,
+
-  } = useSpeechRecognition()
+  const chunks = useMemo(() => {
+    if (isSeparating) return mergeSpeakerChunks(local.chunks, remote.chunks)
+    if (segments) return assignSpeakers(local.chunks, segments, diarizedSpeakerId)
+    return local.chunks
+  }, [isSeparating, segments, local.chunks, remote.chunks])
+
+  // 캡처가 끝나 트랙이 준비되면 그때 인식기를 시작한다.
+  useEffect(() => {
+    if (!pendingStart) return
+    if (capture.mode === 'idle') return
+
+    setPendingStart(false)
+    local.startListening()
+    if (capture.systemTrack) remote.startListening()
+    if (mode === 'in-person' && capture.micTrack) {
+      diarization.start(capture.micTrack)
+    }
+    // eslint-disable-next-line react-hooks/exhaustive-deps
+  }, [pendingStart, capture.mode, capture.systemTrack, capture.micTrack])
 
   const {
     summary,
@@ -78,14 +140,48 @@ export function LiveRecorder({
     )
   }
 
-  function handleStop() {
+  async function handleStart() {
-    stopListening()
+    timeOriginRef.current = Date.now()
-    const transcript = formatTranscriptChunks(chunks)
+    setSegments(null)
+
+    if (mode === 'off') {
+      startListening()
+      return
+    }
+
+    setPendingStart(true)
+    await capture.start({ withSystemAudio: mode === 'remote' })
+  }
+
+  async function handleStop() {
+    local.stopListening()
+    remote.stopListening()
+
+    // 대면 모드는 녹음이 끝난 뒤 전체 오디오에 한 번 화자 분리를 돌린다.
+    let finalChunks = chunks
+    if (mode === 'in-person') {
+      const result = await diarization.finish(attendeeCount)
+      if (result.length > 0) {
+        setSegments(result)
+        finalChunks = assignSpeakers(local.chunks, result, diarizedSpeakerId)
+      }
+    }
+
+    capture.stop()
+
+    const transcript = formatTranscriptChunks(finalChunks, speakerNames)
     if (transcript.length > 0) {
       onTranscriptReady(transcript)
     }
   }
 
+  function handleReset() {
+    local.resetChunks()
+    remote.resetChunks()
+    diarization.reset()
+    setSegments(null)
+  }
+
   const lastUpdatedLabel = lastUpdatedAt
     ? new Date(lastUpdatedAt).toLocaleTimeString('ko-KR', {
         hour: '2-digit',
@@ -136,7 +232,7 @@ export function LiveRecorder({
           </button>
         ) : (
           <button
-            onClick={startListening}
+            onClick={handleStart}
             className="flex items-center gap-2 rounded-full bg-blue-600 px-6 py-3 text-white font-medium shadow-lg shadow-blue-600/25 hover:bg-blue-700 transition-colors"
           >
             <span className="text-lg">🎤</span>
@@ -146,7 +242,7 @@ export function LiveRecorder({
 
         {chunks.length > 0 && !isListening && (
           <button
-            onClick={resetChunks}
+            onClick={handleReset}
             className="rounded-full border border-neutral-300 px-4 py-2 text-sm text-neutral-600 hover:bg-neutral-50 transition-colors"
           >
             초기화
@@ -159,8 +255,149 @@ export function LiveRecorder({
             녹음 중 · {wordCount}단어 · {chunks.length}개 구간
           </div>
         )}
+
+        {isListening && capture.mode === 'dual-stream' && (
+          <div className="flex items-center gap-1.5 rounded-full bg-purple-50 px-4 py-1.5 text-xs text-purple-700">
+            <span className="h-2 w-2 rounded-full bg-purple-500" />
+            화자 분리 중
+          </div>
+        )}
       </div>
 
+      {!isListening && chunks.length === 0 && (
+        <div className="rounded-xl border border-neutral-200 bg-white p-4">
+          <p className="mb-3 text-sm font-medium text-neutral-800">화자 분리</p>
+
+          <div className="flex flex-wrap gap-2">
+            {(
+              [
+                { id: 'off', label: '사용 안 함' },
+                { id: 'remote', label: '원격 회의' },
+                { id: 'in-person', label: '대면 회의' },
+              ] as const
+            ).map((option) => (
+              <button
+                key={option.id}
+                onClick={() => setMode(option.id)}
+                disabled={option.id === 'in-person' && diarization.available === false}
+                className={`rounded-lg border px-3 py-2 text-sm font-medium transition-all disabled:opacity-40 ${
+                  mode === option.id
+                    ? 'border-purple-400 bg-purple-50 text-purple-700'
+                    : 'border-neutral-200 bg-white text-neutral-600 hover:border-neutral-300'
+                }`}
+              >
+                {option.label}
+              </button>
+            ))}
+          </div>
+
+          {mode === 'remote' && (
+            <>
+              <p className="mt-3 text-xs text-neutral-500">
+                내 마이크와 상대 목소리를 별도 트랙으로 받아 구분합니다. 추론이 없어
+                정확합니다. 시작 시{' '}
+                <strong>화면 공유 대화상자에서 &ldquo;탭 오디오 공유&rdquo;를 반드시 켜주세요.</strong>
+              </p>
+              <p className="mt-1.5 text-xs text-amber-700">
+                노트북 한 대를 두고 마주 앉은 대면 회의에서는 동작하지 않습니다.
+                그 경우 &ldquo;대면 회의&rdquo;를 선택하세요.
+              </p>
+              <div className="mt-4 grid gap-3 sm:grid-cols-2">
+                {(
+                  [
+                    { id: LOCAL_SPEAKER, label: '내 이름', placeholder: '나' },
+                    { id: REMOTE_SPEAKER, label: '상대 이름', placeholder: '상대' },
+                  ] as const
+                ).map((field) => (
+                  <label key={field.id} className="block">
+                    <span className="mb-1 block text-xs text-neutral-500">
+                      {field.label}
+                    </span>
+                    <input
+                      type="text"
+                      value={speakerNames[field.id] ?? ''}
+                      onChange={(e) =>
+                        setSpeakerNames((prev) => ({
+                          ...prev,
+                          [field.id]: e.target.value,
+                        }))
+                      }
+                      placeholder={field.placeholder}
+                      className="w-full rounded-lg border border-neutral-300 px-3 py-2 text-sm focus:border-purple-400 focus:outline-none"
+                    />
+                  </label>
+                ))}
+              </div>
+            </>
+          )}
+
+          {mode === 'in-person' && (
+            <>
+              <p className="mt-3 text-xs text-neutral-500">
+                마이크 하나에 섞여 들어온 목소리를 내 PC에서 분석해 화자를 나눕니다.
+                외부로 오디오를 보내지 않습니다.{' '}
+                <strong>녹음이 끝난 뒤 한 번에 분석</strong>하므로 실시간 화자 표시는 없습니다.
+              </p>
+              <label className="mt-4 block max-w-40">
+                <span className="mb-1 block text-xs text-neutral-500">참석자 수</span>
+                <input
+                  type="number"
+                  min={2}
+                  max={8}
+                  value={attendeeCount}
+                  onChange={(e) =>
+                    setAttendeeCount(Math.max(2, Math.min(8, Number(e.target.value) || 2)))
+                  }
+                  className="w-full rounded-lg border border-neutral-300 px-3 py-2 text-sm focus:border-purple-400 focus:outline-none"
+                />
+                <span className="mt-1 block text-xs text-neutral-500">
+                  정확한 수를 넣을수록 결과가 좋아집니다. 자동 추정은 화자 수를 잘못 세는
+                  경우가 많습니다.
+                </span>
+              </label>
+            </>
+          )}
+
+          {diarization.available === false && (
+            <p className="mt-3 text-xs text-amber-700">
+              대면 회의 화자 분리를 쓰려면 모델이 필요합니다 —{' '}
+              <code className="rounded bg-amber-50 px-1">npm run setup:diarization</code>{' '}
+              을 실행한 뒤 서버를 다시 시작하세요.
+            </p>
+          )}
+        </div>
+      )}
+
+      {diarization.status.state === 'analyzing' && (
+        <div className="rounded-xl border border-purple-200 bg-purple-50 p-4 text-sm text-purple-700">
+          화자를 분석하는 중입니다... 회의가 길수록 시간이 걸립니다.
+        </div>
+      )}
+
+      {diarization.status.state === 'done' && (
+        <div className="rounded-xl border border-green-200 bg-green-50 p-4 text-sm text-green-700">
+          화자 {diarization.status.speakers}명을 구분했습니다.
+        </div>
+      )}
+
+      {diarization.status.state === 'error' && (
+        <div className="rounded-xl border border-red-200 bg-red-50 p-4 text-sm text-red-700">
+          <strong>화자 분리 오류:</strong> {diarization.status.message}
+        </div>
+      )}
+
+      {capture.error && (
+        <div className="rounded-xl border border-red-200 bg-red-50 p-4 text-sm text-red-700">
+          <strong>오디오 캡처 오류:</strong> {capture.error}
+        </div>
+      )}
+
+      {capture.warning && (
+        <div className="rounded-xl border border-amber-200 bg-amber-50 p-4 text-sm text-amber-800">
+          ⚠️ {capture.warning}
+        </div>
+      )}
+
       {recognitionError && (
         <div className="rounded-xl border border-red-200 bg-red-50 p-4 text-sm text-red-700">
           <strong>음성 인식 오류:</strong> {recognitionError}
@@ -204,7 +441,20 @@ export function LiveRecorder({
               {hasTranscript ? (
                 <div className="space-y-1 text-sm font-mono leading-relaxed text-neutral-700">
                   {chunks.map((chunk, i) => (
-                    <p key={i}>{chunk.text}</p>
+                    <p key={i}>
+                      {chunk.speaker && (
+                        <span
+                          className={`mr-1.5 font-semibold ${
+                            chunk.speaker === LOCAL_SPEAKER
+                              ? 'text-purple-600'
+                              : 'text-teal-600'
+                          }`}
+                        >
+                          {resolveSpeakerName(chunk.speaker, speakerNames)}:
+                        </span>
+                      )}
+                      {chunk.text}
+                    </p>
                   ))}
                   {interimText && (
                     <p className="text-neutral-400 italic">

src/hooks/useDiarization.ts

@@ -0,0 +1,169 @@
+'use client'
+
+import { useCallback, useEffect, useRef, useState } from 'react'
+import type { TimeSpan } from '@/lib/transcript-formatter'
+
+export type DiarizationStatus =
+  | { state: 'idle' }
+  | { state: 'unavailable'; message: string }
+  | { state: 'recording'; seconds: number }
+  | { state: 'analyzing' }
+  | { state: 'done'; speakers: number; segments: TimeSpan[] }
+  | { state: 'error'; message: string }
+
+interface UseDiarizationResult {
+  /** 모델 설치 여부. null이면 확인 중. */
+  available: boolean | null
+  status: DiarizationStatus
+  /** 오디오 수집 시작. 마이크 트랙을 넘긴다. */
+  start: (track: MediaStreamTrack) => Promise<void>
+  /** 수집을 멈추고 전체 오디오에 화자 분리를 돌린다. */
+  finish: (numSpeakers?: number) => Promise<TimeSpan[]>
+  reset: () => void
+}
+
+function newSessionId(): string {
+  return `s_${Date.now().toString(36)}_${Math.random().toString(36).slice(2, 8)}`
+}
+
+/**
+ * 대면 회의용 화자 분리.
+ *
+ * 녹음 중에는 4초짜리 PCM 조각을 서버에 쌓아두기만 하고, 녹음이 끝나면
+ * 전체 오디오에 한 번 분리를 돌린다. 창을 잘라 반복 실행하면 실행마다
+ * 화자 번호가 달라져 이어 붙일 수 없기 때문이다.
+ */
+export function useDiarization(): UseDiarizationResult {
+  const [available, setAvailable] = useState<boolean | null>(null)
+  const [status, setStatus] = useState<DiarizationStatus>({ state: 'idle' })
+
+  const sessionRef = useRef<string>('')
+  const contextRef = useRef<AudioContext | null>(null)
+  const nodeRef = useRef<AudioWorkletNode | null>(null)
+  const secondsRef = useRef(0)
+
+  useEffect(() => {
+    let cancelled = false
+    fetch('/api/diarize')
+      .then((r) => r.json())
+      .then((d) => {
+        if (!cancelled) setAvailable(!!d.available)
+      })
+      .catch(() => {
+        if (!cancelled) setAvailable(false)
+      })
+    return () => {
+      cancelled = true
+    }
+  }, [])
+
+  const teardown = useCallback(() => {
+    nodeRef.current?.port.close()
+    nodeRef.current?.disconnect()
+    nodeRef.current = null
+    contextRef.current?.close().catch(() => {})
+    contextRef.current = null
+  }, [])
+
+  const start = useCallback(
+    async (track: MediaStreamTrack) => {
+      sessionRef.current = newSessionId()
+      secondsRef.current = 0
+
+      try {
+        // 16kHz로 열면 브라우저가 리샘플링해준다 — 모델이 받는 샘플레이트.
+        const context = new AudioContext({ sampleRate: 16_000 })
+        contextRef.current = context
+
+        await context.audioWorklet.addModule('/pcm-worklet.js')
+
+        const source = context.createMediaStreamSource(new MediaStream([track]))
+        const node = new AudioWorkletNode(context, 'pcm-collector')
+        nodeRef.current = node
+
+        node.port.onmessage = (event) => {
+          const pcm = event.data as Int16Array
+          secondsRef.current += pcm.length / 16_000
+          setStatus({
+            state: 'recording',
+            seconds: Math.round(secondsRef.current),
+          })
+
+          // 실패해도 녹음을 막지 않는다. 그 구간만 화자 분리에서 빠진다.
+          fetch(`/api/diarize/chunk?session=${sessionRef.current}`, {
+            method: 'POST',
+            headers: { 'Content-Type': 'application/octet-stream' },
+            // 워크릿이 매번 새 버퍼를 transfer 하므로 buffer 전체가 곧 이 조각이다.
+            body: pcm.buffer as ArrayBuffer,
+          }).catch(() => {})
+        }
+
+        source.connect(node)
+        setStatus({ state: 'recording', seconds: 0 })
+      } catch (err) {
+        teardown()
+        setStatus({
+          state: 'error',
+          message:
+            err instanceof Error
+              ? `오디오 수집 실패: ${err.message}`
+              : '오디오 수집에 실패했습니다.',
+        })
+      }
+    },
+    [teardown],
+  )
+
+  const finish = useCallback(
+    async (numSpeakers?: number): Promise<TimeSpan[]> => {
+      teardown()
+
+      if (!sessionRef.current || secondsRef.current < 1) {
+        setStatus({ state: 'idle' })
+        return []
+      }
+
+      setStatus({ state: 'analyzing' })
+
+      try {
+        const res = await fetch('/api/diarize', {
+          method: 'POST',
+          headers: { 'Content-Type': 'application/json' },
+          body: JSON.stringify({ session: sessionRef.current, numSpeakers }),
+        })
+        const data = await res.json()
+
+        if (!res.ok) {
+          setStatus({
+            state: 'error',
+            message: data.error ?? '화자 분리에 실패했습니다.',
+          })
+          return []
+        }
+
+        const segments: TimeSpan[] = data.segments ?? []
+        setStatus({ state: 'done', speakers: data.speakers ?? 0, segments })
+        return segments
+      } catch (err) {
+        setStatus({
+          state: 'error',
+          message:
+            err instanceof Error ? err.message : '화자 분리 요청에 실패했습니다.',
+        })
+        return []
+      }
+    },
+    [teardown],
+  )
+
+  const reset = useCallback(() => {
+    teardown()
+    sessionRef.current = ''
+    secondsRef.current = 0
+    setStatus({ state: 'idle' })
+  }, [teardown])
+
+  useEffect(() => teardown, [teardown])
+
+  return { available, status, start, finish, reset }
+}

src/hooks/useDualStreamCapture.ts

@@ -0,0 +1,121 @@
+'use client'
+
+import { useCallback, useEffect, useRef, useState } from 'react'
+
+export type CaptureMode = 'idle' | 'mic-only' | 'dual-stream'
+
+interface DualStreamCapture {
+  mode: CaptureMode
+  /** 내 목소리 트랙 (마이크) */
+  micTrack: MediaStreamTrack | null
+  /** 상대 목소리 트랙 (시스템·탭 오디오). 화면 공유를 거부하거나 오디오를 안 켜면 null */
+  systemTrack: MediaStreamTrack | null
+  error: string | null
+  /** 시스템 오디오 없이 마이크만 잡힌 경우의 안내 */
+  warning: string | null
+  start: (options?: { withSystemAudio?: boolean }) => Promise<void>
+  stop: () => void
+}
+
+function describeCaptureError(err: unknown): string {
+  if (!(err instanceof Error)) return '오디오 캡처에 실패했습니다.'
+
+  switch (err.name) {
+    case 'NotAllowedError':
+      return '오디오 캡처 권한이 거부되었습니다. 마이크와 화면 공유를 모두 허용해주세요.'
+    case 'NotFoundError':
+      return '사용할 수 있는 마이크를 찾을 수 없습니다.'
+    case 'NotReadableError':
+      return '다른 앱이 마이크를 사용 중입니다. 해당 앱을 종료하고 다시 시도해주세요.'
+    default:
+      return `오디오 캡처 실패: ${err.message}`
+  }
+}
+
+/**
+ * 화자 분리를 위한 2트랙 캡처.
+ *
+ * 내 마이크와 시스템(탭) 오디오를 **별도 트랙으로** 잡는다. 트랙이 곧 화자이므로
+ * 추론 없이 정확도 100%로 화자가 갈린다. 원격 1:1 회의를 겨냥한 경로다.
+ *
+ * 시스템 오디오는 Chrome/Windows와 Chrome 141+/macOS 14.2+ 에서만 캡처된다.
+ * 실패하면 마이크 단독 모드로 떨어지며, 그 경우 화자 분리는 되지 않는다.
+ */
+export function useDualStreamCapture(): DualStreamCapture {
+  const [mode, setMode] = useState<CaptureMode>('idle')
+  const [micTrack, setMicTrack] = useState<MediaStreamTrack | null>(null)
+  const [systemTrack, setSystemTrack] = useState<MediaStreamTrack | null>(null)
+  const [error, setError] = useState<string | null>(null)
+  const [warning, setWarning] = useState<string | null>(null)
+
+  const streamsRef = useRef<MediaStream[]>([])
+
+  const stop = useCallback(() => {
+    for (const stream of streamsRef.current) {
+      for (const track of stream.getTracks()) track.stop()
+    }
+    streamsRef.current = []
+    setMicTrack(null)
+    setSystemTrack(null)
+    setMode('idle')
+  }, [])
+
+  const start = useCallback(
+    async (options?: { withSystemAudio?: boolean }) => {
+      const withSystemAudio = options?.withSystemAudio ?? true
+
+      setError(null)
+      setWarning(null)
+
+      let micStream: MediaStream
+      try {
+        micStream = await navigator.mediaDevices.getUserMedia({ audio: true })
+      } catch (err) {
+        setError(describeCaptureError(err))
+        return
+      }
+      streamsRef.current.push(micStream)
+      const mic = micStream.getAudioTracks()[0] ?? null
+      setMicTrack(mic)
+
+      if (!withSystemAudio) {
+        setMode('mic-only')
+        return
+      }
+
+      try {
+        // 오디오만 필요해도 video:true를 함께 요청해야 한다 (스펙 요구사항).
+        const displayStream = await navigator.mediaDevices.getDisplayMedia({
+          video: true,
+          audio: true,
+        })
+        streamsRef.current.push(displayStream)
+
+        // 영상은 쓰지 않으므로 즉시 끊어 자원과 프라이버시 노출을 줄인다.
+        for (const track of displayStream.getVideoTracks()) track.stop()
+
+        const system = displayStream.getAudioTracks()[0] ?? null
+        if (!system) {
+          setWarning(
+            '시스템 오디오가 공유되지 않아 화자 분리가 비활성화됩니다. 공유 대화상자에서 "탭 오디오 공유"를 켜주세요.',
+          )
+          setMode('mic-only')
+          return
+        }
+
+        setSystemTrack(system)
+        setMode('dual-stream')
+      } catch (err) {
+        setWarning(
+          `${describeCaptureError(err)} 마이크만으로 계속 녹음합니다 (화자 분리 없음).`,
+        )
+        setMode('mic-only')
+      }
+    },
+    [],
+  )
+
+  useEffect(() => stop, [stop])
+
+  return { mode, micTrack, systemTrack, error, warning, start, stop }
+}

src/hooks/useSpeechRecognition.ts

@@ -3,6 +3,22 @@
 import { useState, useRef, useCallback, useEffect } from 'react'
 import type { TranscriptChunk } from '@/lib/transcript-formatter'
 
+export interface UseSpeechRecognitionOptions {
+  /**
+   * 전사할 오디오 트랙. 지정하면 기본 마이크 대신 이 트랙을 인식한다.
+   * 트랙마다 인식기를 붙이면 화자가 트랙으로 확정된다.
+   */
+  audioTrack?: MediaStreamTrack | null
+  /** 이 인식기가 만든 청크에 붙일 화자 식별자. */
+  speaker?: string
+  /**
+   * 타임스탬프 기준 시각(ms). 여러 인식기를 병합하려면 같은 값을 넘겨야
+   * 한 시간축 위에 놓인다. 생략하면 startListening 호출 시각을 쓴다.
+   */
+  timeOrigin?: number
+  lang?: string
+}
+
 interface SpeechRecognitionHook {
   isListening: boolean
   isSupported: boolean | null
@@ -30,7 +46,10 @@ function describeError(code: string): string {
   }
 }
 
-export function useSpeechRecognition(): SpeechRecognitionHook {
+export function useSpeechRecognition(
+  options: UseSpeechRecognitionOptions = {},
+): SpeechRecognitionHook {
+  const { audioTrack, speaker, timeOrigin, lang = 'ko-KR' } = options
   const [isListening, setIsListening] = useState(false)
   const [chunks, setChunks] = useState<TranscriptChunk[]>([])
   const [interimText, setInterimText] = useState('')
@@ -40,6 +59,12 @@ export function useSpeechRecognition(): SpeechRecognitionHook {
   const startTimeRef = useRef<number>(0)
   const networkRetryRef = useRef<number>(0)
 
+  // start()/onend 콜백이 항상 최신 값을 보도록 ref로 들고 있는다.
+  const configRef = useRef({ audioTrack, speaker, timeOrigin, lang })
+  useEffect(() => {
+    configRef.current = { audioTrack, speaker, timeOrigin, lang }
+  }, [audioTrack, speaker, timeOrigin, lang])
+
   const MAX_NETWORK_RETRIES = 8
 
   useEffect(() => {
@@ -59,12 +84,15 @@ export function useSpeechRecognition(): SpeechRecognitionHook {
     const SpeechRecognitionAPI =
       window.SpeechRecognition || window.webkitSpeechRecognition
 
+    const { audioTrack: track, speaker: speakerId, timeOrigin: origin, lang: language } =
+      configRef.current
+
     const recognition = new SpeechRecognitionAPI()
-    recognition.lang = 'ko-KR'
+    recognition.lang = language
     recognition.continuous = true
     recognition.interimResults = true
 
-    startTimeRef.current = Date.now()
+    startTimeRef.current = origin ?? Date.now()
     networkRetryRef.current = 0
     setError(null)
 
@@ -88,6 +116,7 @@ export function useSpeechRecognition(): SpeechRecognitionHook {
               startTime: Math.max(0, now - 2),
               endTime: now,
               isFinal: true,
+              ...(speakerId ? { speaker: speakerId } : {}),
             },
           ])
           setInterimText('')
@@ -103,8 +132,14 @@ export function useSpeechRecognition(): SpeechRecognitionHook {
       const delay = networkRetryRef.current > 0 ? 1500 : 0
       setTimeout(() => {
         if (recognitionRef.current !== recognition) return
+        // 트랙이 끝났으면(화면 공유 중단 등) 재시작하지 않는다.
+        if (track && track.readyState !== 'live') {
+          setIsListening(false)
+          recognitionRef.current = null
+          return
+        }
         try {
-          recognition.start()
+          recognition.start(track ?? undefined)
         } catch {
           setIsListening(false)
           recognitionRef.current = null
@@ -141,7 +176,7 @@ export function useSpeechRecognition(): SpeechRecognitionHook {
 
     recognitionRef.current = recognition
     try {
-      recognition.start()
+      recognition.start(track ?? undefined)
       setIsListening(true)
     } catch (err) {
       setError(

src/lib/audio-session.ts

@@ -0,0 +1,93 @@
+/**
+ * 녹음 중 들어오는 PCM 조각을 세션별로 모아 둔다.
+ *
+ * 화자 분리는 녹음이 끝난 뒤 전체 오디오에 한 번 돌린다. 누적분을 매번
+ * 다시 보내면 1시간 회의에서 100MB가 넘는 요청이 되므로, 녹음 중에는
+ * 몇 초짜리 조각만 올리고 서버가 이어 붙인다.
+ *
+ * 단일 사용자 로컬 실행을 전제로 한 메모리 저장소다. 여러 사용자가 붙는
+ * 환경이라면 디스크나 외부 저장소로 옮겨야 한다.
+ */
+
+export const SAMPLE_RATE = 16_000
+
+/** 세션당 최대 녹음 길이. 초과분은 거부한다. */
+export const MAX_SESSION_SECONDS = 3 * 60 * 60
+
+/** 마지막 갱신 이후 이 시간이 지난 세션은 정리한다. */
+const SESSION_TTL_MS = 6 * 60 * 60 * 1000
+
+interface Session {
+  chunks: Int16Array[]
+  totalSamples: number
+  updatedAt: number
+}
+
+const sessions = new Map<string, Session>()
+
+function sweep(): void {
+  const cutoff = Date.now() - SESSION_TTL_MS
+  for (const [id, session] of sessions) {
+    if (session.updatedAt < cutoff) sessions.delete(id)
+  }
+}
+
+export type AppendResult =
+  | { ok: true; totalSamples: number; seconds: number }
+  | { ok: false; error: string }
+
+export function appendAudio(sessionId: string, pcm: Int16Array): AppendResult {
+  sweep()
+
+  const session = sessions.get(sessionId) ?? {
+    chunks: [],
+    totalSamples: 0,
+    updatedAt: Date.now(),
+  }
+
+  const nextTotal = session.totalSamples + pcm.length
+  if (nextTotal > MAX_SESSION_SECONDS * SAMPLE_RATE) {
+    return {
+      ok: false,
+      error: `녹음이 최대 길이(${MAX_SESSION_SECONDS / 3600}시간)를 초과했습니다.`,
+    }
+  }
+
+  session.chunks.push(pcm)
+  session.totalSamples = nextTotal
+  session.updatedAt = Date.now()
+  sessions.set(sessionId, session)
+
+  return {
+    ok: true,
+    totalSamples: nextTotal,
+    seconds: nextTotal / SAMPLE_RATE,
+  }
+}
+
+/** 누적된 PCM을 모델이 받는 [-1, 1] float32로 펼친다. */
+export function collectSamples(sessionId: string): Float32Array | null {
+  const session = sessions.get(sessionId)
+  if (!session || session.totalSamples === 0) return null
+
+  const out = new Float32Array(session.totalSamples)
+  let offset = 0
+
+  for (const chunk of session.chunks) {
+    for (let i = 0; i < chunk.length; i++) {
+      out[offset + i] = chunk[i] / 32768
+    }
+    offset += chunk.length
+  }
+
+  return out
+}
+
+export function clearSession(sessionId: string): void {
+  sessions.delete(sessionId)
+}
+
+export function sessionSeconds(sessionId: string): number {
+  const session = sessions.get(sessionId)
+  return session ? session.totalSamples / SAMPLE_RATE : 0
+}

src/lib/diarization.ts

@@ -0,0 +1,135 @@
+import path from 'node:path'
+import { existsSync } from 'node:fs'
+
+/**
+ * 로컬 화자 분리 (speaker diarization).
+ *
+ * pyannote-segmentation-3.0 + 3D-Speaker 임베딩을 ONNX Runtime으로 돌린다.
+ * GPU도 파이썬 런타임도 필요 없고, 노트북 CPU에서 실시간의 수십 배 속도로 처리된다.
+ *
+ * 마이크 하나에 여러 사람이 섞여 들어오는 대면 회의용 경로다. 원격 회의처럼
+ * 트랙이 이미 나뉘어 있으면 이 모듈을 쓰지 않는 편이 정확하다.
+ */
+
+export interface SpeakerSegment {
+  /** 발화 시작 (초) */
+  start: number
+  /** 발화 종료 (초) */
+  end: number
+  /** 0부터 시작하는 화자 번호 */
+  speaker: number
+}
+
+export type DiarizationResult =
+  | { success: true; segments: SpeakerSegment[] }
+  | { success: false; error: string; reason: 'models-missing' | 'failed' }
+
+export interface DiarizeOptions {
+  /**
+   * 참석자 수. 알면 반드시 넘길 것.
+   *
+   * 자동 추정은 화자 수를 과다·과소 계수하는 것이 주 실패 모드다.
+   * 실측에서 4인 오디오가 자동 모드로는 5명, 힌트를 주면 4명으로 나왔다.
+   */
+  numSpeakers?: number
+  /** 자동 추정 시 클러스터 분리 임계값. 낮을수록 화자를 많이 잡는다. */
+  threshold?: number
+}
+
+const MODEL_DIR = process.env.DIARIZATION_MODEL_DIR ?? 'models/diarization'
+const SEGMENTATION_MODEL = 'segmentation.onnx'
+const EMBEDDING_MODEL = 'embedding.onnx'
+
+export function resolveModelPaths(): {
+  segmentation: string
+  embedding: string
+} {
+  const root = path.isAbsolute(MODEL_DIR)
+    ? MODEL_DIR
+    : path.join(process.cwd(), MODEL_DIR)
+
+  return {
+    segmentation: path.join(root, SEGMENTATION_MODEL),
+    embedding: path.join(root, EMBEDDING_MODEL),
+  }
+}
+
+export function modelsInstalled(): boolean {
+  const { segmentation, embedding } = resolveModelPaths()
+  return existsSync(segmentation) && existsSync(embedding)
+}
+
+/**
+ * 모델 로딩이 수백 ms 걸리므로 프로세스당 한 번만 만들고 재사용한다.
+ * 클러스터링 설정은 요청마다 바뀔 수 있어 setConfig로 갈아끼운다.
+ */
+type Diarizer = {
+  process: (samples: Float32Array) => SpeakerSegment[]
+  setConfig: (config: {
+    clustering: { numClusters?: number; threshold?: number }
+  }) => void
+}
+
+let cached: Diarizer | null = null
+
+async function getDiarizer(): Promise<Diarizer> {
+  if (cached) return cached
+
+  const { segmentation, embedding } = resolveModelPaths()
+  const { OfflineSpeakerDiarization } = await import('sherpa-onnx-node')
+
+  cached = new OfflineSpeakerDiarization({
+    segmentation: {
+      pyannote: { model: segmentation },
+      numThreads: 2,
+    },
+    embedding: { model: embedding, numThreads: 2 },
+    clustering: { threshold: 0.5 },
+  }) as unknown as Diarizer
+
+  return cached
+}
+
+export async function diarize(
+  samples: Float32Array,
+  options: DiarizeOptions = {},
+): Promise<DiarizationResult> {
+  if (samples.length === 0) {
+    return { success: true, segments: [] }
+  }
+
+  if (!modelsInstalled()) {
+    return {
+      success: false,
+      reason: 'models-missing',
+      error:
+        '화자 분리 모델이 설치되지 않았습니다. `npm run setup:diarization`을 실행해주세요.',
+    }
+  }
+
+  try {
+    const diarizer = await getDiarizer()
+
+    // 참석자 수를 알면 클러스터 개수를 고정한다. 정확도가 크게 오른다.
+    diarizer.setConfig({
+      clustering:
+        options.numSpeakers && options.numSpeakers > 0
+          ? { numClusters: options.numSpeakers }
+          : { threshold: options.threshold ?? 0.5 },
+    })
+
+    const segments = diarizer.process(samples)
+
+    return {
+      success: true,
+      segments: segments.map((s) => ({
+        start: s.start,
+        end: s.end,
+        speaker: s.speaker,
+      })),
+    }
+  } catch (err) {
+    const message = err instanceof Error ? err.message : '알 수 없는 오류'
+    return { success: false, reason: 'failed', error: `화자 분리 실패: ${message}` }
+  }
+}

src/lib/speakers.ts

@@ -0,0 +1,55 @@
+/**
+ * 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>>
+
+/** diarization이 매긴 화자 번호를 식별자로 바꾼다. 0-based → 1-based. */
+export function diarizedSpeakerId(index: number): string {
+  return `spk_${index + 1}`
+}
+
+const DEFAULT_NAMES: SpeakerNames = {
+  [LOCAL_SPEAKER]: '나',
+  [REMOTE_SPEAKER]: '상대',
+}
+
+/** 화자 식별자를 표시용 이름으로 바꾼다. 사용자가 지정한 이름이 우선한다. */
+export function resolveSpeakerName(
+  speaker: string,
+  names?: SpeakerNames,
+): string {
+  const custom = names?.[speaker]?.trim()
+  if (custom) return custom
+
+  const preset = DEFAULT_NAMES[speaker]
+  if (preset) return preset
+
+  // spk_1 → "화자 1"
+  const diarized = /^spk_(\d+)$/.exec(speaker)
+  if (diarized) return `화자 ${diarized[1]}`
+
+  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 })
@@ -50,3 +89,64 @@ export function mergeAdjacentChunks(
 
   return result
 }
+
+export interface TimeSpan {
+  start: number
+  end: number
+  speaker: number
+}
+
+function overlap(
+  aStart: number,
+  aEnd: number,
+  bStart: number,
+  bEnd: number,
+): number {
+  return Math.max(0, Math.min(aEnd, bEnd) - Math.max(aStart, bStart))
+}
+
+/**
+ * diarization 결과를 전사 청크에 붙인다.
+ *
+ * 청크마다 시간이 가장 많이 겹치는 화자 구간을 고른다. 겹치는 구간이 없으면
+ * 화자를 비워 둔다 — 틀린 화자를 붙이는 것보다 없는 편이 낫다.
+ *
+ * Web Speech API가 주는 청크 타임스탬프는 근사값이므로 이 매칭도 근사다.
+ */
+export function assignSpeakers(
+  chunks: readonly TranscriptChunk[],
+  segments: readonly TimeSpan[],
+  speakerId: (index: number) => string,
+): TranscriptChunk[] {
+  if (segments.length === 0) return chunks.map((chunk) => ({ ...chunk }))
+
+  return chunks.map((chunk) => {
+    let best: TimeSpan | null = null
+    let bestOverlap = 0
+
+    for (const segment of segments) {
+      const value = overlap(
+        chunk.startTime,
+        chunk.endTime,
+        segment.start,
+        segment.end,
+      )
+      if (value > bestOverlap) {
+        bestOverlap = value
+        best = segment
+      }
+    }
+
+    if (!best) {
+      // 겹치는 구간이 없으면 이전 라벨도 남기지 않는다.
+      return {
+        text: chunk.text,
+        startTime: chunk.startTime,
+        endTime: chunk.endTime,
+        isFinal: chunk.isFinal,
+      }
+    }
+
+    return { ...chunk, speaker: speakerId(best.speaker) }
+  })
+}

src/types/sherpa-onnx-node.d.ts

@@ -0,0 +1,36 @@
+/**
+ * sherpa-onnx-node는 JSDoc만 제공하고 .d.ts를 배포하지 않는다.
+ * 이 프로젝트가 실제로 쓰는 화자 분리 API만 선언한다.
+ */
+declare module 'sherpa-onnx-node' {
+  export interface SherpaSpeakerSegment {
+    start: number
+    end: number
+    speaker: number
+  }
+
+  export interface FastClusteringConfig {
+    numClusters?: number
+    threshold?: number
+  }
+
+  export interface OfflineSpeakerDiarizationConfig {
+    segmentation?: {
+      pyannote?: { model?: string; windowShiftRatio?: number }
+      numThreads?: number
+      provider?: string
+      debug?: boolean | number
+    }
+    embedding?: { model?: string; numThreads?: number; provider?: string }
+    clustering?: FastClusteringConfig
+    minDurationOn?: number
+    minDurationOff?: number
+  }
+
+  export class OfflineSpeakerDiarization {
+    constructor(config: OfflineSpeakerDiarizationConfig)
+    readonly sampleRate: number
+    process(samples: Float32Array): SherpaSpeakerSegment[]
+    setConfig(config: { clustering: FastClusteringConfig }): void
+  }
+}

src/types/speech-recognition.d.ts

@@ -5,7 +5,11 @@ interface SpeechRecognition extends EventTarget {
   onresult: ((event: SpeechRecognitionEvent) => void) | null
   onend: (() => void) | null
   onerror: ((event: SpeechRecognitionErrorEvent) => void) | null
-  start(): void
+  /**
+   * audioTrack을 넘기면 기본 마이크 대신 그 트랙을 전사한다 (Chrome 한정).
+   * 트랙별로 인식기를 붙이면 화자가 트랙 번호로 확정된다.
+   */
+  start(audioTrack?: MediaStreamTrack): void
   stop(): void
   abort(): void
 }