Diarization v2: Fenster-Clustering mit gelernter Schwelle + Live-Namensmarker

#74 (22 Teilnehmer) ergab automatisch 44 Sprecher, dieselbe Stimme mehrfach.
Ursache gemessen: ein Zentroid pro sherpa-Cluster aus max. 3 Schnitten, fester
Kosinus auf rohen Embeddings (Kreuz-Turn-Kosinus ~0,4 = keine Trennschaerfe).

v2: sherpa liefert nur Turn-Grenzen, Identitaet aus 3-s-Fenster-Embeddings,
Mittelwert-Zentrierung, Average-Linkage-AHC, Weak-Fold, Schwelle pro Aufnahme
per 2-Gauss-EM gelernt. Validiert: #74 44->20, #70 ->4, #68 ->2.

Live-Namensmarker: Namen waehrend der Aufnahme tippen; Zeitstempel benennt
spaeter den Cluster und dient als must-/cannot-link-Zwangsbedingung.

app/lab/lab-run2.sh

@@ -0,0 +1,19 @@
+#!/bin/bash
+# Regression set: the two recordings whose true speaker count we know
+# (#70 = 4 speakers, #71 = 2). Same pipeline as #74 so the chosen thresholds can
+# be checked against small calls, not just the 23-person weekly.
+cd /opt/callrec/lab
+/opt/callrec/aime-cpucap.sh 1416000
+run() {   # $1 = tag, $2 = wav
+  [ -f segs$1.txt ] || ./lab-dump-segs.sh "$2" segs$1.txt 0.2
+  for m in nemo_titanet_small 3dspeaker_speech_campplus_sv_zh_en_16k-common_advanced nemo_en_titanet_large; do
+    out=emb$1.$m.json
+    [ -f "$out" ] && continue
+    echo "=== $1 $m $(date -Is)"
+    taskset -c 4-7 node lab-embed.mjs segs$1.txt "$2" /opt/sherpa/$m.onnx "$out" 3.0 1.5 2>&1 | tail -3
+  done
+}
+run 70 /opt/callrec/recordings/rec_1784192426082.wav
+run 71 /opt/callrec/recordings/rec_1784205293914.wav
+/opt/callrec/aime-cpucap.sh 2256000
+echo "ALLDONE2 $(date -Is)"