Rollback web speaker diarization; HF token helper for whisper_stt

- Remove app/diarize.py and pyannote from requirements.txt; web uses faster-whisper only
- Revert main.py job/transcribe flow and index.html meta/hints
- Add app/pyannote_auth.py for Pipeline.from_pretrained(..., token=...) used by whisper_stt
- Expand whisper_stt / README / requirements-whisper-stt for gated repos (community-1, 403)

Made-with: Cursor

README.md

@@ -124,6 +124,7 @@ pip install -r requirements-whisper-stt.txt
   - $ hf auth login
   - $ hf download pyannote/speaker-diarization-3.1 --local-dir ./models/pyannote-diarization-3.1
 - **화자 구분(기본 켜짐)**: `./models/pyannote-diarization-3.1` 에 pyannote 스냅샷이 있어야 합니다. 없으면 스크립트가 `hf download` 안내 후 종료합니다. 모델 받기: [pyannote/speaker-diarization-3.1](https://huggingface.co/pyannote/speaker-diarization-3.1) 약관 동의 후 `hf auth login`, `hf download … --local-dir ./models/pyannote-diarization-3.1`. 다른 경로는 `--diarize-model-dir` 또는 `WHISPER_DIARIZE_MODEL_DIR` 로 지정.
+- **하위 gated 모델(403 시)**: `speaker-diarization-3.1`만 동의했다고 끝나지 않습니다. 실행 시 최소한 아래 **각각** Hugging Face에서 로그인 후 약관·양식을 제출해야 합니다: [speaker-diarization-3.1](https://huggingface.co/pyannote/speaker-diarization-3.1), [segmentation-3.0](https://huggingface.co/pyannote/segmentation-3.0), [speaker-diarization-community-1](https://huggingface.co/pyannote/speaker-diarization-community-1) (`xvec_transform.npz` 등). 오류에 다른 `pyannote/…` 가 나오면 그 저장소도 동일합니다. **403 / «not in the authorized list»** 이면 (1) 빠진 저장소 동의 (2) 토큰이 동의한 **같은 계정**의 것인지 (`hf auth whoami`) (3) 동의 후 새로 발급한 Read 토큰 사용을 확인하세요. 실행 전 `hf auth login` 또는 `HF_TOKEN`. `whisper_stt.py`는 로컬 `config.yaml` 로드 후에도 이 토큰으로 허브에서 하위 파일을 받습니다.
 - **화자 구분 끄기**: `python whisper_stt.py 입력.m4a 출력.txt --no-diarize` (Whisper 통문만 저장)
 
 ```bash
@@ -152,7 +153,7 @@ uvicorn app.main:app --reload --host 127.0.0.1 --port 8025
 
 브라우저에서 `http://127.0.0.1:8025` 접속.
 
-업로드 전사가 끝나면 **`app/diarize.py`** 가 `whisper_stt.py`와 같은 방식으로 pyannote 화자 구분을 시도합니다. 저장소 루트의 **`models/pyannote-diarization-3.1`** (`config.yaml` 포함)이 있어야 하며, `requirements.txt`에 `pyannote.audio`가 포함되어 있습니다. 스냅샷이 없거나 오류면 전사만 반환하고, 응답에 `speaker_diarization: false` 와 `diarize_skip_reason` 이 붙을 수 있습니다.
+웹 UI는 **faster-whisper** 전사만 수행합니다. 화자 구분이 필요하면 **`whisper_stt.py`**(로컬 CLI)를 사용하세요.
 
 ---
 
@@ -160,7 +161,6 @@ uvicorn app.main:app --reload --host 127.0.0.1 --port 8025
 
 - **모델**: 기본 `small` (정확도/속도 균형). `APP_WHISPER_MODEL=base|small|medium|large-v3` 등으로 변경 가능.
 - **디바이스**: 기본 CPU. Apple Silicon에서 Metal은 `faster-whisper` 단독으로는 제한이 있어 CPU 기본값을 권장.
-- **웹 화자 구분**: `APP_DIARIZE=1`(기본) — `0`/`false`/`off` 이면 pyannote 단계 생략. `APP_PYANNOTE_MODEL_DIR` 로 스냅샷 경로 지정(없으면 프로젝트 `models/pyannote-diarization-3.1`).
 - **기타**: `APP_WHISPER_DEVICE`, `APP_WHISPER_COMPUTE_TYPE`, 업로드 크기 등은 `app/main.py` 및 `.env` 예시를 참고.
 
 ---

app/diarize.py

@@ -1,186 +0,0 @@
-"""
-업로드 STT 결과에 pyannote 화자 구분을 합칩니다 (whisper_stt.py 와 동일한 규칙).
-환경변수 APP_DIARIZE=0 이면 비활성화. 모델: APP_PYANNOTE_MODEL_DIR 또는 프로젝트 models/pyannote-diarization-3.1
-"""
-from __future__ import annotations
-
-import logging
-import os
-from pathlib import Path
-from typing import Any
-
-log = logging.getLogger(__name__)
-
-_APP_DIR = Path(__file__).resolve().parent
-_PROJECT_ROOT = _APP_DIR.parent
-_DEFAULT_SNAPSHOT = _PROJECT_ROOT / "models" / "pyannote-diarization-3.1"
-
-_DISCLAIMER = (
-    "※ 화자 A, B, C… 는 실제 이름이 아니라, 이 녹음에서 말이 처음 잡힌 순서로 붙인 구분자입니다.\n"
-    "※ 같은 사람이 여러 구간으로 나뉘면 라벨이 바뀌거나 섞일 수 있으니, 중요한 회의는 검수가 필요합니다.\n\n"
-)
-
-
-def _env_disabled() -> bool:
-    v = os.getenv("APP_DIARIZE", "1").strip().lower()
-    return v in ("0", "false", "no", "off")
-
-
-def resolve_snapshot_dir() -> Path | None:
-    raw = os.getenv("APP_PYANNOTE_MODEL_DIR", "").strip()
-    if raw:
-        p = Path(raw).expanduser()
-        if not p.is_absolute():
-            p = (_PROJECT_ROOT / p).resolve()
-    else:
-        p = _DEFAULT_SNAPSHOT.resolve()
-    if (p / "config.yaml").is_file():
-        return p
-    return None
-
-
-def _overlap_sec(a0: float, a1: float, b0: float, b1: float) -> float:
-    return max(0.0, min(a1, b1) - max(a0, b0))
-
-
-def _assign_speaker(
-    seg_start: float, seg_end: float, turns: list[tuple[float, float, str]]
-) -> str | None:
-    best: str | None = None
-    best_ov = 0.0
-    for t0, t1, sp in turns:
-        ov = _overlap_sec(seg_start, seg_end, t0, t1)
-        if ov > best_ov:
-            best_ov = ov
-            best = sp
-    if best is None or best_ov < 0.05:
-        return None
-    return best
-
-
-def _speaker_label_order(turns: list[tuple[float, float, str]]) -> dict[str, str]:
-    order: list[str] = []
-    for t0, _, sp in sorted(turns, key=lambda x: x[0]):
-        if sp not in order:
-            order.append(sp)
-
-    def letter(i: int) -> str:
-        if i < 26:
-            return chr(ord("A") + i)
-        return f"SP{i + 1}"
-
-    return {sp: letter(i) for i, sp in enumerate(order)}
-
-
-def _merge_segments(
-    whisper_segments: list[dict[str, Any]],
-    turns: list[tuple[float, float, str]],
-) -> tuple[str, list[dict[str, Any]]]:
-    labels = _speaker_label_order(turns)
-    merged_lines: list[str] = []
-    out_segments: list[dict[str, Any]] = []
-
-    current_letter: str | None = None
-    current_parts: list[str] = []
-    current_start: float | None = None
-    current_end: float | None = None
-
-    def flush() -> None:
-        nonlocal current_letter, current_parts, current_start, current_end
-        if current_letter is not None and current_parts and current_start is not None and current_end is not None:
-            line = " ".join(current_parts).strip()
-            merged_lines.append(f"{current_letter}: {line}")
-            out_segments.append(
-                {
-                    "start": current_start,
-                    "end": current_end,
-                    "speaker": current_letter,
-                    "text": line,
-                }
-            )
-        current_letter = None
-        current_parts = []
-        current_start = None
-        current_end = None
-
-    for seg in whisper_segments:
-        text = (seg.get("text") or "").strip()
-        if not text:
-            continue
-        start = float(seg["start"])
-        end = float(seg["end"])
-        sp = _assign_speaker(start, end, turns)
-        letter = labels.get(sp, "?") if sp is not None else "?"
-
-        if letter == current_letter:
-            current_parts.append(text)
-            current_end = end
-        else:
-            flush()
-            current_letter = letter
-            current_parts = [text]
-            current_start = start
-            current_end = end
-
-    flush()
-    body = "\n".join(merged_lines).strip()
-    return body, out_segments
-
-
-def _run_pyannote(audio_path: str, model_dir: Path) -> list[tuple[float, float, str]]:
-    import torch
-    from pyannote.audio import Pipeline
-
-    pipeline = Pipeline.from_pretrained(str(model_dir))
-    device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
-    pipeline.to(device)
-    diarization = pipeline(audio_path)
-    turns: list[tuple[float, float, str]] = []
-    for segment, _, label in diarization.itertracks(yield_label=True):
-        turns.append((float(segment.start), float(segment.end), str(label)))
-    turns.sort(key=lambda x: x[0])
-    return turns
-
-
-def apply_speaker_diarization(result: dict[str, Any], audio_path: str) -> dict[str, Any]:
-    """
-    transcribe_file 결과에 speaker 필드·A:/B: 본문을 반영.
-    실패·비활성 시 원본 유지 및 메타만 추가.
-    """
-    out = dict(result)
-    out.setdefault("speaker_diarization", False)
-    out.pop("diarize_skip_reason", None)
-
-    if _env_disabled():
-        out["diarize_skip_reason"] = "APP_DIARIZE=0"
-        return out
-
-    snap = resolve_snapshot_dir()
-    if snap is None:
-        out["diarize_skip_reason"] = f"pyannote 스냅샷 없음(config.yaml): {_DEFAULT_SNAPSHOT}"
-        log.warning("Speaker diarization skipped: %s", out["diarize_skip_reason"])
-        return out
-
-    try:
-        import pyannote.audio  # noqa: F401
-    except ImportError:
-        out["diarize_skip_reason"] = "pyannote.audio 미설치"
-        log.warning("Speaker diarization skipped: pyannote not installed")
-        return out
-
-    segs = list(out.get("segments") or [])
-    if not segs:
-        out["diarize_skip_reason"] = "세그먼트 없음"
-        return out
-
-    try:
-        turns = _run_pyannote(audio_path, snap)
-        body, new_segs = _merge_segments(segs, turns)
-        out["text"] = _DISCLAIMER + body if body else out.get("text", "")
-        out["segments"] = new_segs
-        out["speaker_diarization"] = True
-        out.pop("diarize_skip_reason", None)
-    except Exception as e:
-        out["diarize_skip_reason"] = str(e)
-        log.exception("Speaker diarization failed")
-    return out

app/main.py

@@ -18,7 +18,6 @@ from fastapi.staticfiles import StaticFiles
 from pydantic import BaseModel
 
 from . import db
-from .diarize import apply_speaker_diarization
 from .stt import transcribe_file, transcribe_iter
 
 
@@ -75,8 +74,6 @@ class _Job:
     created_at: float = dataclasses.field(default_factory=time.time)
     updated_at: float = dataclasses.field(default_factory=time.time)
     cancel_event: threading.Event = dataclasses.field(default_factory=threading.Event, repr=False)
-    speaker_diarization: bool = False
-    diarize_skip_reason: str | None = None
 
 
 _JOBS: dict[str, _Job] = {}
@@ -114,8 +111,6 @@ def _job_public(job: _Job) -> dict[str, Any]:
         "language_probability": job.language_probability,
         "duration_sec": job.duration_sec,
         "error": job.error,
-        "speaker_diarization": job.speaker_diarization,
-        "diarize_skip_reason": job.diarize_skip_reason,
         "created_at": job.created_at,
         "updated_at": job.updated_at,
     }
@@ -209,7 +204,6 @@ async def api_transcribe(
             vad_filter=bool(vad_filter),
             beam_size=int(beam_size),
         )
-        result = apply_speaker_diarization(result, saved_path)
         # 단발성 API도 DB 저장
         try:
             db.insert_record(
@@ -434,20 +428,6 @@ def _run_job(job_id: str) -> None:
             if cancelled or job.cancel_event.is_set():
                 job.status = "cancelled"
             else:
-                merged = apply_speaker_diarization(
-                    {
-                        "text": job.text,
-                        "segments": list(job.segments),
-                        "detected_language": job.detected_language,
-                        "language_probability": job.language_probability,
-                        "duration_sec": job.duration_sec,
-                    },
-                    tmp_path,
-                )
-                job.text = merged.get("text", job.text)
-                job.segments = merged.get("segments", job.segments)
-                job.speaker_diarization = bool(merged.get("speaker_diarization"))
-                job.diarize_skip_reason = merged.get("diarize_skip_reason")
                 job.status = "completed"
                 job.progress = 1.0
             job.updated_at = time.time()

app/pyannote_auth.py

@@ -0,0 +1,26 @@
+"""pyannote 파이프라인은 config가 허브의 gated 하위 모델(segmentation·embedding 등)을 가리킬 수 있어 토큰이 필요하다."""
+from __future__ import annotations
+
+import os
+from pathlib import Path
+from typing import Any
+
+
+def hf_token_for_pyannote() -> str | bool:
+    """명시 토큰 또는 True(= huggingface-cli 로그인 캐시)."""
+    for key in ("HF_TOKEN", "HUGGING_FACE_HUB_TOKEN", "PYANNOTE_AUTH_TOKEN"):
+        v = os.environ.get(key, "").strip()
+        if v:
+            return v
+    return True
+
+
+def load_pyannote_pipeline(model_dir: str | Path) -> Any:
+    from pyannote.audio import Pipeline
+
+    auth = hf_token_for_pyannote()
+    path = str(model_dir)
+    try:
+        return Pipeline.from_pretrained(path, token=auth)
+    except TypeError:
+        return Pipeline.from_pretrained(path, use_auth_token=auth)

app/static/index.html

@@ -314,8 +314,7 @@
 
           <div class="hint">
             - 허용: mp3, m4a, wav, mp4, aac, ogg, flac, webm<br />
-            - 첫 실행 시 Whisper 모델 다운로드로 시간이 걸릴 수 있습니다.<br />
+            - 첫 실행 시 Whisper 모델 다운로드로 시간이 걸릴 수 있습니다.
-            - 완료 후 pyannote로 화자 구분을 시도합니다 (<code>models/pyannote-diarization-3.1</code> 필요).
           </div>
 
           <div class="progress">
@@ -614,10 +613,7 @@
         const lang = body.detected_language ? `${body.detected_language}` : "-";
         const prob = typeof body.language_probability === "number" ? body.language_probability.toFixed(3) : "-";
         const dur = typeof body.duration_sec === "number" ? `${body.duration_sec.toFixed(1)}s` : "-";
-        let diarizeMeta = "";
+        metaEl.textContent = `감지 언어: ${lang} (p=${prob}), 오디오 길이: ${dur}`;
-        if (body.speaker_diarization === true) diarizeMeta = " · 화자 구분: 적용";
-        else if (body.diarize_skip_reason) diarizeMeta = " · 화자 구분: 생략";
-        metaEl.textContent = `감지 언어: ${lang} (p=${prob}), 오디오 길이: ${dur}${diarizeMeta}`;
 
         if (startedAt) {
           timingEl.textContent = `${((performance.now() - startedAt) / 1000).toFixed(2)}s`;

requirements-whisper-stt.txt

@@ -41,6 +41,11 @@
 #
 # 모델: hf download pyannote/speaker-diarization-3.1 --local-dir ./models/pyannote-diarization-3.1
 #       (약관 동의·토큰 필요). whisper_stt.py 기본이 이 로컬 폴더 사용.
+# 403 시: 아래 저장소를 *각각* 웹에서 동의(같은 HF 계정) 후 Read 토큰 / hf auth login
+#   https://hf.co/pyannote/speaker-diarization-3.1
+#   https://hf.co/pyannote/segmentation-3.0
+#   https://hf.co/pyannote/speaker-diarization-community-1  (xvec_transform.npz)
+# hf auth whoami 로 토큰 계정 확인. 동의 후 새 토큰 발급 권장.
 # ─────────────────────────────────────────────────────────────────────────────
 openai-whisper
 imageio-ffmpeg

requirements.txt

@@ -4,6 +4,5 @@ python-multipart
 pydantic
 faster-whisper
 imageio-ffmpeg
-pyannote.audio>=3.1.0
 psycopg[binary]
 python-dotenv

whisper_stt.py

@@ -13,6 +13,10 @@ from typing import Any
 import whisper
 import whisper.audio as whisper_audio
 
+_STT_ROOT = os.path.dirname(os.path.abspath(__file__))
+if _STT_ROOT not in sys.path:
+    sys.path.insert(0, _STT_ROOT)
+
 DEFAULT_DIARIZE_MODEL_DIR = "./models/pyannote-diarization-3.1"
 
 
@@ -199,21 +203,37 @@ def _run_diarization(audio_path: str, *, diarize_model_dir: str | None) -> list[
         )
         sys.exit(1)
 
-    from pyannote.audio import Pipeline
-
     model_dir = _resolve_local_diarize_dir(diarize_model_dir)
     _validate_pyannote_snapshot(model_dir)
     print(f"[4/4] 화자 분리(pyannote) — 로컬 모델: {model_dir}", flush=True)
+    print(
+        "      (하위 모델이 허브에서 받아질 수 있음 — hf auth login 또는 HF_TOKEN 권장)",
+        flush=True,
+    )
 
     print("[4/4] 화자 분리 실행 중... (수 분 걸릴 수 있음)", flush=True)
     t0 = time.perf_counter()
     try:
-        pipeline = Pipeline.from_pretrained(model_dir)
+        from app.pyannote_auth import load_pyannote_pipeline
+
+        pipeline = load_pyannote_pipeline(model_dir)
     except Exception as e:
         print(
             f"오류: pyannote 파이프라인을 불러오지 못했습니다: {e}\n\n"
-            "config.yaml 은 있는데도 실패하면 하위 체크포인트(segmentation·embedding 등)가 빠졌을 수 있습니다.\n"
+            "speaker-diarization-3.1 은 실행 시 여러 게이트 저장소에서 파일을 추가로 받습니다.\n"
-            "폴더를 비운 뒤 전체 재다운로드:\n"
+            "오류 메시지에 나온 repo 이름마다, 로그인한 계정으로 아래를 **모두** 완료해야 합니다.\n"
+            "  • https://hf.co/pyannote/speaker-diarization-3.1\n"
+            "  • https://hf.co/pyannote/segmentation-3.0\n"
+            "  • https://hf.co/pyannote/speaker-diarization-community-1  ← xvec_transform.npz 등\n"
+            "  • (오류에 다른 pyannote/… 가 나오면 그 페이지도 동일)\n\n"
+            "각 페이지에서 양식·약관 제출 후, 화면에 «액세스 허용»·다운로드가 되는지 확인하세요.\n"
+            "«authorized list» / 403 이면: (1) 위 목록 중 빠진 저장소가 있는지 (2) 다른 HF 계정으로 로그인한 것은 아닌지.\n"
+            "토큰은 **위 접근이 된 계정**으로 발급하고, 게이트 동의 이후에 새로 만든 Read 토큰을 권장합니다.\n"
+            "  hf auth login\n"
+            "  hf auth whoami\n"
+            "  # 또는 export HF_TOKEN=hf_...\n\n"
+            "미리 받아 두기(동의된 계정으로):\n"
+            "  hf download pyannote/speaker-diarization-community-1 --local-dir ./models/pyannote-community-1\n"
             "  hf download pyannote/speaker-diarization-3.1 \\\n"
             f"    --local-dir {DEFAULT_DIARIZE_MODEL_DIR}\n",
             file=sys.stderr,