Files

EJClaw 1a87ec6677 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>

2026-09-21 10:47:11 +09:00

4.0 KiB

Raw Blame History

구조

데이터 흐름

[캡처 스레드]           [분할 스레드]              [추론 스레드]          [GUI 스레드]
hearo_capture.exe  →  Segmenter (VAD)  →  Whisper → 번역 모델  →  자막 오버레이
  또는 WASAPI          발화 단위로 절단      용어집 적용            컨트롤 창 로그
      ↓                     ↓                     ↓                     ↑
  오디오 큐            구간 큐(최대 32)      TranslationLine        Qt Signal
 (16kHz mono f32)      확정 / 중간결과

세 워커 스레드는 모두 큐로만 연결된다. 어느 한 단계가 밀려도 나머지가 멈추지 않는다. 큐가 가득 차면 오래된 오디오를 버린다 — 실시간 자막에서는 밀린 소리보다 지금 나는 소리가 항상 더 가치 있기 때문이다.

패키지

src/hearo/
  constants.py        전역 상수, 언어 표, 경로
  config.py           설정 dataclass + JSON 영속화
  app.py              진입점

  audio/
    base.py           CaptureBackend 추상 클래스, 리샘플링
    process_loopback.py  프로그램별 캡처 (네이티브 보조 프로그램 구동)
    wasapi_loopback.py   출력 장치 전체 캡처 (PyAudioWPatch)
    file_source.py    WAV 재생 (테스트·데모용)
    segmenter.py      적응형 VAD로 발화 구간 절단

  models/
    tiers.py          5단계 티어 정의
    asr.py            faster-whisper 래퍼
    translator.py     CTranslate2 / Transformers 두 백엔드
    glossary.py       용어집 (플레이스홀더 보호 + 프롬프트 주입)
    manager.py        티어별 모델 쌍 로드·해제, GPU 탐지

  core/
    engine.py         파이프라인 오케스트레이션 (Qt 비의존)
    events.py         TranslationLine, EngineStatus

  ui/
    theme.py          디자인 토큰 + QSS
    overlay.py        자막 창 + 공용 렌더링 함수
    main_window.py    사이드바 + 페이지 스택
    pages/            홈 / 모델 / 자막 / 용어집 / 설정
    widgets/          Card, StatusPill, LevelMeter

native/process_loopback/   WASAPI process loopback C++ 보조 프로그램
scripts/finetune_mt.py     LoRA 추가학습

설계 판단

캡처를 별도 실행 파일로 뺀 이유

WASAPI의 ActivateAudioInterfaceAsync + AUDIOCLIENT_ACTIVATION_TYPE_PROCESS_LOOPBACK 은 COM 비동기 콜백을 요구한다. ctypes로 COM vtable을 흉내 내는 것보다 C++ 200줄이 훨씬 안전하고 디버깅이 쉽다. 파이프로 생 PCM만 주고받으므로 인터페이스도 단순하다.

보조 프로그램이 없으면 capture_capabilities() 가 이를 알려주고 장치 루프백으로 자동 폴백한다. 빌드 없이도 프로그램은 동작한다.

중간 결과는 번역하지 않는다

말하는 도중에도 인식 결과를 흐리게 보여주면 체감 지연이 크게 줄어든다. 하지만 매번 번역까지 돌리면 GPU가 몇 배로 바빠지고, 문장이 완성되기 전 번역은 어차피 틀린다. 그래서 중간 결과는 원문만, 확정 문장만 번역한다.

UI 코드와 렌더링 코드 분리

자막 설정 미리보기와 실제 오버레이가 paint_subtitle() 하나를 공유한다. QSS로 미리보기를 흉내 내면 text-shadow 미지원 같은 이유로 실제와 어긋난다.

엔진은 Qt를 모른다

core/engine.py 는 콜백만 받는다. Qt 의존은 MainWindow 가 콜백을 Signal로 다시 던지는 지점에만 있다. 덕분에 GPU도 오디오 장치도 없는 환경에서 파이프라인 전체를 테스트할 수 있다 (tests/test_pipeline.py).

테스트

pytest 전체가 GPU·오디오 장치 없이 돈다.

test_segmenter.py — 합성 사인파로 VAD 절단 검증
test_pipeline.py — 가짜 캡처/인식/번역으로 엔진 종단 검증
test_glossary.py — 최장일치, 단어경계, 왕복 변환
test_config.py — 스키마 변경 내성
test_ui_smoke.py — offscreen 렌더링으로 화면 생성 및 자막 픽셀 검증

4.0 KiB Raw Blame History

구조