feat: Hearo 1차 구현 — 프로그램 소리 실시간 번역 자막

프로그램별 오디오를 캡처해 로컬 GPU에서 음성인식→번역하고 화면 위
자막으로 보여주는 데스크톱 앱. 한/영/일/중 4개 언어.

구성
- audio: WASAPI 프로그램별 캡처(C++ 보조 프로그램) + 장치 루프백 폴백,
  적응형 VAD 발화 분할
- models: 속도~품질 5단계 티어, faster-whisper + CTranslate2/LLM 2백엔드,
  용어집(플레이스홀더 보호 + 프롬프트 주입)
- core: Qt 비의존 파이프라인 엔진 (캡처/분할/추론 3스레드, 큐 연결)
- ui: 사이드바 5화면 + 무테두리 항상위 자막 오버레이, 자체 다크 테마

모델 선정 근거는 docs/MODELS.md, 추가학습 가능 여부와 방법은
docs/FINETUNING.md 참고.

검증: pytest 39개 통과 (GPU·오디오 장치 없이 실행), ruff clean

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

tests/test_pipeline.py

@@ -0,0 +1,129 @@
+"""엔진 파이프라인을 가짜 모델로 끝까지 돌려본다 (GPU/오디오 장치 불필요)."""
+
+from __future__ import annotations
+
+import time
+
+import numpy as np
+import pytest
+
+from hearo.audio.base import CaptureBackend, to_mono_16k
+from hearo.config import AppConfig
+from hearo.constants import SAMPLE_RATE
+from hearo.core.engine import TranslationEngine
+from hearo.models.asr import Transcript
+
+
+class FakeCapture(CaptureBackend):
+    """말-침묵-말-침묵 패턴을 즉시 흘려보낸다."""
+
+    name = "fake"
+    per_process = True
+
+    @staticmethod
+    def available() -> bool:
+        return True
+
+    @staticmethod
+    def list_sources():
+        return []
+
+    def _run(self) -> None:
+        def tone(ms, amp=0.35):
+            n = SAMPLE_RATE * ms // 1000
+            t = np.arange(n, dtype=np.float32) / SAMPLE_RATE
+            return (np.sin(2 * np.pi * 240 * t) * amp).astype(np.float32)
+
+        pattern = np.concatenate(
+            [np.zeros(SAMPLE_RATE // 5, np.float32), tone(900),
+             np.zeros(SAMPLE_RATE, np.float32)]
+        )
+        while not self._stop.is_set():
+            for i in range(0, pattern.size, 1600):
+                if self._stop.is_set():
+                    return
+                self._emit(pattern[i : i + 1600].copy())
+                time.sleep(0.005)
+
+
+class FakeRecognizer:
+    loaded = True
+
+    def load(self):
+        pass
+
+    def unload(self):
+        pass
+
+    def transcribe(self, audio, language=None, fast=False, prompt=""):
+        return Transcript(text="hello world", language="en", confidence=0.99)
+
+
+class FakeTranslator:
+    loaded = True
+
+    def load(self):
+        pass
+
+    def unload(self):
+        pass
+
+    def translate(self, text, source_lang, target_lang, glossary=None):
+        return f"[{target_lang}] {text}"
+
+
+@pytest.fixture
+def engine(tmp_path, monkeypatch):
+    config = AppConfig()
+    config.models.preload_on_start = False
+    config.glossary.path = str(tmp_path / "glossary.json")
+    config.audio.partial_interval_ms = 0
+    config.audio.silence_ms = 300
+    config.audio.min_segment_ms = 200
+
+    lines = []
+    eng = TranslationEngine(config, on_line=lines.append)
+    monkeypatch.setattr(eng.models, "recognizer", lambda: FakeRecognizer())
+    monkeypatch.setattr(eng.models, "translator", lambda: FakeTranslator())
+    monkeypatch.setattr("hearo.core.engine.create_capture", lambda cfg: FakeCapture())
+    eng.lines = lines
+    yield eng
+    eng.shutdown()
+
+
+def test_engine_produces_translated_lines(engine):
+    engine.start()
+    deadline = time.time() + 12
+    while time.time() < deadline and not engine.lines:
+        time.sleep(0.05)
+    engine.stop()
+
+    assert engine.lines, "12초 안에 자막이 한 줄도 나오지 않았습니다"
+    line = engine.lines[0]
+    assert line.source_text == "hello world"
+    assert line.translated_text == "[ko] hello world"
+    assert line.source_lang == "en"
+    assert line.is_final
+    assert line.latency_s >= 0
+
+
+def test_stop_is_idempotent(engine):
+    engine.start()
+    time.sleep(0.3)
+    engine.stop()
+    engine.stop()
+    assert not engine.running
+
+
+def test_to_mono_16k_downmixes_and_resamples():
+    stereo_48k = np.tile(np.array([1.0, -1.0], dtype=np.float32), 48_000)
+    out = to_mono_16k(stereo_48k, channels=2, src_rate=48_000)
+    assert out.dtype == np.float32
+    assert abs(out.size - 16_000) <= 2  # 1초 분량
+    assert np.allclose(out, 0.0, atol=1e-6)  # L+R 이 상쇄
+
+
+def test_to_mono_16k_passthrough_when_already_correct():
+    mono = np.linspace(-1, 1, 16_000, dtype=np.float32)
+    out = to_mono_16k(mono, channels=1, src_rate=16_000)
+    assert np.array_equal(out, mono)