lukehemmin
0d90845ac6
CPU-only dev env verified via mocks; the notebook runs the full real pipeline on Colab Pro T4: clone → ffmpeg/venv install → detect (GPU capability tier) → 127 unit/integration tests → sample TTS (KO+EN tech terms) → real faster-whisper transcription → hotword/postprocess → API smoke → benchmark.
128 lines
5.1 KiB
Markdown
128 lines
5.1 KiB
Markdown
# luke_scribe
|
|
|
|
내부용 **로컬 STT 전사 API** — faster-whisper(CTranslate2) 기반, 하드웨어 적응형, privacy-first.
|
|
|
|
한국어 + 영문 기술용어(KO+EN code-switching)를 외부 STT API에 보내지 않고
|
|
통제된 환경에서 전사한다. 단일 `Job` 추상화로 배치(파일)와 실시간(WebSocket)을 처리한다.
|
|
|
|
> 설계 단일 진실원본(SoT): [`.omc/plans/consensus-luke-scribe-stt-api.md`](.omc/plans/consensus-luke-scribe-stt-api.md),
|
|
> [`.omc/specs/deep-interview-luke-scribe-stt-api.md`](.omc/specs/deep-interview-luke-scribe-stt-api.md)
|
|
|
|
## 상태
|
|
|
|
- 설계 완료(모호도 ~5%) · **구현 완료(v0.1 전체 플랫폼, mock 검증)** — `feat/full-platform`
|
|
- 이 저장소 환경은 CPU-only이고 ffmpeg/모델 다운로드가 없으므로 **단위/통합 테스트는
|
|
mock 기반**으로 검증한다. 실제 GPU/모델 스모크는 GPU가 있는 환경에서 수행한다.
|
|
|
|
## 빠른 시작 (개발)
|
|
|
|
```bash
|
|
# 1) 의존성 (Python 3.11+)
|
|
python3 -m venv .venv && source .venv/bin/activate
|
|
pip install -e ".[engine,api]" # 또는: uv sync --extra engine --extra api
|
|
|
|
# 2) 환경 설정
|
|
cp .env.example .env
|
|
|
|
# 3) 하드웨어 감지 → 능력 등급/정밀도/워커수
|
|
luke-scribe detect
|
|
|
|
# 4) 단일 파일 전사 (CPU에서도 동작)
|
|
luke-scribe transcribe samples/hello-ko-en.wav --language ko --device cpu
|
|
|
|
# 5) API 서버 (개발 기본: in-proc 큐, Redis 불필요)
|
|
luke-scribe serve
|
|
|
|
# 6) API 키 생성 (1회만 출력, 다이제스트만 저장)
|
|
luke-scribe key --create --scopes transcribe,admin
|
|
```
|
|
|
|
### 5분 스모크 (mock 환경에서도 CLI 동작 확인)
|
|
|
|
```bash
|
|
./run.sh test # 단위/통합 테스트
|
|
luke-scribe detect # JSON 프로필
|
|
```
|
|
|
|
## CLI
|
|
|
|
| 명령 | 설명 | 상태 |
|
|
|------|------|------|
|
|
| `detect` | 하드웨어 감지 · 능력 등급(T0~T3) · 정밀도 · 워커수 | ✅ |
|
|
| `transcribe <file>` | 단발 파일 전사 (faster-whisper, CPU/GPU) | ✅ |
|
|
| `bench <manifest>` | turbo vs large-v3 도메인 벤치 · 모델 결정 게이트 | ✅ |
|
|
| `serve` | FastAPI 서버 (in-proc 또는 Redis 큐) | ✅ |
|
|
| `key --create` | API 키 생성 (1회 출력 + 다이제스트 저장) | ✅ |
|
|
|
|
Exit codes: `0` 성공 · `2` 입력 오류 · `3` 모델/장치 오류 · `4` 추론 오류 · `5` 결과 쓰기 오류 · `130` 인터럽트
|
|
|
|
## REST API (배치)
|
|
|
|
| 메서드 | 경로 | 설명 |
|
|
|--------|------|------|
|
|
| `POST` | `/v1/jobs` | multipart 업로드 (`file` + `options` JSON) → `202 {job_id}` |
|
|
| `GET` | `/v1/jobs/{id}` | 상태 · `queue_position` · `progress` |
|
|
| `GET` | `/v1/jobs/{id}/result?format=json\|txt\|srt\|vtt` | 결과 |
|
|
| `DELETE` | `/v1/jobs/{id}` | 협조적 취소 |
|
|
| `GET` | `/v1/jobs` | 내 job 목록 |
|
|
| `GET` | `/health` | 헬스체크 (공개) |
|
|
| `GET` | `/v1/system` · `/v1/models` | admin 전용 |
|
|
|
|
인증: `X-API-Key` 헤더 (또는 `Authorization: Bearer`). 스코프 + **Job 소유권** 강제.
|
|
|
|
```bash
|
|
KEY=$(luke-scribe key --create --scopes transcribe | python -c "import sys,json;print(json.load(sys.stdin)['key'])")
|
|
curl -X POST localhost:8000/v1/jobs \
|
|
-H "X-API-Key: $KEY" \
|
|
-F file=@samples/hello-ko-en.wav \
|
|
-F 'options={"language":"ko","formats":["json","srt"]}'
|
|
```
|
|
|
|
## WebSocket (실시간)
|
|
|
|
`WS /v1/stream` — 첫 메시지는 init 프레임(인증 + 오디오 협상):
|
|
|
|
```json
|
|
{"type":"init","api_key":"...","audio":{"codec":"pcm_s16le","sample_rate":16000,"channels":1},"options":{"language":"ko"}}
|
|
```
|
|
|
|
응답: `partial`(가설) / `final`(확정, LocalAgreement) / `status`.
|
|
|
|
## 벤치마크
|
|
|
|
```bash
|
|
luke-scribe bench benchmarks/manifest.yaml --output benchmarks/report.json --decision benchmarks/decisions/default-model-v1.json
|
|
```
|
|
|
|
절대 기준: entity 보존 ≥95% · K-CER ≤15% · 실패율 0%. 게이트는 turbo 우선,
|
|
미달 시 large-v3 채택. 단일 모델 run은 decision artifact를 생성하지 않는다.
|
|
|
|
## Docker (프로덕션)
|
|
|
|
```bash
|
|
# CPU 프로파일
|
|
docker compose --profile cpu up -d
|
|
# GPU 프로파일 (NVIDIA Container Toolkit 필요)
|
|
docker compose --profile gpu up -d
|
|
```
|
|
|
|
API + Redis + 워커, 공유 스토어 볼륨. `LUKESCRIBE_API_KEYS` 필수.
|
|
|
|
## Colab 실전 테스트 (GPU)
|
|
|
|
이 저장소의 CI/개발 환경은 CPU-only라 모델·ffmpeg는 mock으로만 검증했다.
|
|
GPU + 실제 faster-whisper 모델로 실전 검증하려면 **Colab 노트북**을 사용한다
|
|
(Colab Pro T4 GPU 권장 — 터미널에서도 동일 명령 실행 가능):
|
|
|
|
- `notebooks/luke-scribe-colab.ipynb` — 클론 → 설치 → `detect`(GPU 감지) →
|
|
테스트 → 샘플 TTS 생성 → **실제 한국어 전사** → hotword/후처리 → API 스모크 → 벤치마크
|
|
- 노트북은 `scripts/build_colab_notebook.py`로 생성/재생성한다
|
|
- private 저장소이면 1번 셀의 `GITEA_TOKEN`에 토큰을 넣는다
|
|
|
|
## 알려진 제한 (v0.1)
|
|
|
|
- 실시간 decode는 `EngineOwner` 스텁 (실제 WS decode는 GPU 환경에서 활성화).
|
|
- Redis/RQ 브로커는 Redis 설치 시에만 동작 (기본 in-proc).
|
|
- 화자 분리(pyannote) / 외부 LLM 보정은 `[diarize]`/`[llm]` extra + allowlist 필요.
|
|
- 이 저장소 환경(CPU-only, ffmpeg 없음)에서는 모델·ffmpeg 호출을 mock으로 검증.
|