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.

docs/03-aufnahme-pipeline.md

@@ -15,16 +15,21 @@ sequenceDiagram
     participant LLM as llm.js (Gemma, NPU)
     participant DB as MariaDB
 
+    GUI->>SRV: (während der Aufnahme) POST /api/record/marker {name}
+    SRV->>REC: addMarker() → Namensmarker mit Offset im Puffer
     GUI->>SRV: Stop
     SRV->>REC: stopAndSave()
     REC->>DB: WAV + MP3 + Zeile (status=transcribing)
+    SRV->>DB: addMarkers() → Tabelle markers
     Note over REC: kehrt nach ~1,5 s zurück — GUI frei
     REC->>REC: A76-Takt kappen (1,6 GHz)
     REC->>WH: transcribeWav() [BatchedInferencePipeline, batch=8]
     WH-->>REC: Wörter + Zeitstempel
-    REC->>DI: diarize() [Timeout = Dauer × 2,5, min. 20 min]
+    REC->>DI: diarize(…, {markers}) [Timeout = Dauer × 2,5, min. 20 min]
+    Note over DI: v2: Fenster-Embeddings + gelernte Schwelle,<br/>Marker als must-/cannot-link (Kap. 04)
     DI-->>REC: Sprecher-Segmente
     REC->>DB: setTranscript (status=done)
+    SRV->>SRV: applyMarkers(): Cluster benennen + Stimmen lernen
     REC->>REC: finally: Takt zurück
     SRV->>LLM: analyzeRecording() (fire-and-forget, analysis_status=pending)
     LLM->>DB: Titel/Summary/Teilnehmer/Todos (analysis_status=done, analysis_ms)