2.7 KiB
C200 — Separar falas por pessoa nas gravações enviadas (2026-09-19): as gravações do C199 saíam com a transcrição em bloco único e a assessoria não conseguia responder "o que fulano disse nesta gravação?". Entregou-se a camada de quem-falou-o-quê com agrupamento acústico e identificação humana (sem voiceprint, sem match voz↔pessoa, sem Contact): (1) diarização — o job ganhou uma etapa opcional atrás de um seam injetável (SpeakerDiarizer); o áudio extraído inteiro (uma passada, para a numeração ser global) vai ao provedor recomendado AssemblyAI universal-2 + speaker_labels (US$0,17/h; chave ASSEMBLYAI_API_KEY ainda não configurada — sem chave/falha, a transcrição continua em bloco, nunca finge separação), e os turnos são alinhados aos segmentos do Whisper por sobreposição máxima (empate pelo ponto médio, sem sobreposição → turno mais próximo) com numeração speaker-N por primeira aparição; (2) schema/migration 20260919_032729_add_recording_speakers — recording_segment.speaker_key, recording.speaker_labels ({speakerKey,label}[]), recording.speaker_names (hasMany derivado por hook, base da faceta) e recording.speaker_labels_dropped; o SQL duplicado de reel.source_hash que o snapshot defasado do C199 gerava foi removido à mão e o snapshot desta migration o corrige; (3) reprocessamento não perde rótulo: reconcileSpeakerLabels (puro) só mantém um rótulo em casamento mútuo 1:1 por sobreposição de tempo — split/merge descartam com aviso speakerLabelsDropped renderizado no próprio banner; (4) faceta "Pessoa" na fonte enviadas: param repetível person no contrato da lista (contains case-insensitive sobre speaker_names), chips removíveis (design cena 3), chip "aparece nesta gravação" no card e preservação do filtro ao submeter a busca; (5) ação "Identificar falante" (POST .../gravacoes/[id]/falantes) — rotula um agrupamento validando que a chave ainda existe na gravação, gate fail-closed do acervo (a escrita usa o predicado do dono; advisor/leader negados) e limpa o aviso de reconciliação; (6) design C portado classe-a-classe das cenas 1–5 (blocos por falante com avatar/estado/edição, diálogo de identificação, aviso âmbar de imprecisão sempre visível, mobile compacto); (7) testes: 17 unit novos (alinhamento/numeração/reconciliação/URL/where/provedor com fetch mockado), 4 int novos (faceta no join real, matriz de papéis da action, job com diarizador fake preservando rótulo e fallback com aviso) e 5 e2e novos na vertical; migração aplicada só em banco local, nenhuma gravação antiga reprocessada automaticamente.