화자 분리

⚠ 에너지 기반 임시 세그멘테이션 — 실제 화자 식별(embedding 기반)은 추후 지원 예정입니다. 현재는 무음 경계를 화자 전환점으로 간주해 번갈아 Speaker 1 / 2 를 배정합니다.