feat(input,voice): instant first-word-after-focus PC layout fix and speech disfluency post-processing (INPUT-04, INPUT-19, AI-03, AI-05)

This commit is contained in:
Yun Chan 2026-10-29 19:05:01 +09:00
parent dbed97c348
commit 7a86afa7b0
22 changed files with 359 additions and 39 deletions

View file

@ -0,0 +1,136 @@
// packages/core/src/dictation-cleaner.ts
// 음성 받아쓰기(STT) 구어 군더더기·추임새·말바꾸기·중복·동음이의어 결정적 정리기 (순수 함수).
//
// LLM 후처리가 꺼져 있거나(none) 로컬 LLM 연결이 안 된 상태에서도 지연 시간(0ms) 없이
// 화자의 원래 말투(반말/해요체/합쇼체)를 100% 보존하면서:
// 1. 무의미한 추임새·간투사('어', '음', '흠', '아 그', '어 그', 'uh', 'um' 등) 제거
// (단, '어라든가', '아라든가' 처럼 추임새 자체를 언급한 인용 표현은 보존)
// 2. 말하다가 즉시 고쳐 말한 자기 수정('검색 아니 검색이 아니라 타이핑을' → '타이핑을') 정리
// 3. 연속 말더듬('내가 내가', '어 어', '그 그') 및 의미 중복('쓸데없는 의미없는' → '불필요한') 축약
// 4. 구어체 잉여 보조사('예를 들자면은' → '예를 들어', '타이핑하면은' → '타이핑하면') 정리
// 5. 문맥상 명백한 STT 동음이의어 오인식('pc라고 타이핑하면 스시가 영어로' → 'PC라고 타이핑하면 PC가 영어로') 교정
/** 의도적 강조·부사 반복으로 유지해야 하는 어절 */
const INTENTIONAL_REDUPLICATIONS: ReadonlySet<string> = new Set([
'조금',
'하나',
'하루',
'차근',
'천천히',
'매우',
'정말',
'진짜',
'너무',
'자주',
'많이',
'빨리',
'점점',
'다들',
'각각',
'사사',
'건건'
])
/** 지시관형사 '그'(that)가 수식할 수 없는 부사·대명사·접속사·수식어 — 앞의 단독 '그'는 추임새다 */
const NON_MODIFIABLE_AFTER_GEU =
/^(?:내가|나는|나도|우리|제가|저는|지금|일단|예를|그래서|그런데|근데|그리고|혹시|이제|약간|막|좀|참|원래|사실|어차피|아무튼|어쨌든|쓸데없는|의미없는|불필요한)/u
/**
* 받아쓰기 전사 원문에서 추임새, 말 바꾸기, 어절 중복, 구어 군더더기, 문맥상 명백한 STT 오인식을
* 화자의 원래 말투(반말·존댓말)를 바꾸지 않고 정리한다.
*
* 정리 결과가 빈 문자열이 되면(예: 사용자가 감탄사 한 글자만 말한 경우) 원문 trim 결과를 그대로 돌려준다.
*/
export function cleanDictatedText(text: string): string {
const original = text.trim()
if (!original) return text
let cleaned = original
// 1. 말 바꾸기 / 자기 수정 (Self-correction):
// "검색 아니 검색이 아니라 타이핑을" → "타이핑을"
// "내일 아니 내일이 아니라 모레" → "모레"
cleaned = cleaned.replace(
/([가-힣A-Za-z0-9]{1,12})(?:이|가|은|는|을|를|도|로|에서|에)?\s+아니(?:아니)?\s+\1(?:이|가|은|는|을|를|도|로|에서|에)?\s+아니라\s+/gu,
''
)
// "내일 아 아니 모레" / "검색 아니아니 타이핑" / "3시 아니 잠깐만 4시" → 취소한 앞 어절 제거
cleaned = cleaned.replace(
/([가-힣A-Za-z0-9]{1,10})\s+(?:아\s+아니|어\s+아니|아니아니|아니\s+참|아니\s+잠깐만?)\s+/gu,
''
)
// 2. 복합 추임새 사슬 먼저 제거 ("어 그", "음 그", "아 그", "어 음", "음 어", "아 어", "어 아")
cleaned = cleaned.replace(
/(?:^|(?<=\s))(?:어|음|흠|아|에)\s+(?:그|어|음|흠|아)(?=\s)/gu,
''
)
// 3. 단독 추임새 제거 ('어', '음', '흠', '어어', '음음', '아아', '저기')
// 단, '어라든가', '아라든가' 처럼 조사가 붙은 어절은 공백 경계(?=\s)에 걸리지 않으므로 안전하게 보존된다.
cleaned = cleaned.replace(
/(?:^|(?<=\s))(?:어+|음+|흠+|에+|저기)(?:[,.…]+)?(?=\s)/gu,
''
)
// 문장 중간의 단독 감탄형 추임새 '아' (뒤에 공백이 이어지고 인용/호격이 아닌 경우)
cleaned = cleaned.replace(
/(?<=[가-힣]\s)아(?=\s+[가-힣A-Za-z0-9])/gu,
''
)
// 영문 추임새 (uh, um, erm, hmm)
cleaned = cleaned.replace(/\b(?:uh+|um+|erm+|hmm+)\b[,.]?\s*/giu, '')
// 4. 지시관형사가 될 수 없는 자리의 추임새 '그' 제거 (예: "그 쓸데없는", "그 내가", "그 지금")
cleaned = cleaned
.split(/\s+/u)
.filter((token, idx, arr) => {
if (token !== '그') return true
const next = arr[idx + 1]
if (!next) return false
if (next === '그') return false
if (NON_MODIFIABLE_AFTER_GEU.test(next)) return false
return true
})
.join(' ')
// 5. 연속 동일 어절 말더듬 축약 ("내가 내가" → "내가", "지금 지금" → "지금")
cleaned = cleaned.replace(
/(?:^|(?<=\s))([가-힣A-Za-z0-9]{1,10})\s+\1(?=\s|$|[,.?!])/gu,
(full, word: string) => (INTENTIONAL_REDUPLICATIONS.has(word) ? full : word)
)
// 6. 구어 잉여 어미 및 상투적 중복 구절 정리
cleaned = cleaned
.replace(/예를\s*들자면은?/gu, '예를 들어')
.replace(/([가-힣]{0,12}(?:하|보|오|가|나|쓰|치|두|주|트|키|열|닫|되|이|있|없|같|싶|자)면)은(?=\s|$|[,.?!])/gu, '$1')
.replace(/([가-힣]{1,12})거든\s+요(?=\s|$|[,.?!])/gu, '$1거든요')
.replace(/(?:쓸데없는\s+의미\s*없는|의미\s*없는\s+쓸데없는)/gu, '불필요한')
.replace(/정리해\s*가지고\s+해\s*주는\s+거/gu, '정리해 주는 기능')
.replace(/그럼\s+(기능들?[도이은는을를]?)(?=\s+(?:좀|있었으면|있으면|있어|좋겠))/gu, '그런 $1')
// 7. 문맥상 명백한 기술 용어 / STT 동음이의어 교정
// 'pc' / '피씨' → 'PC'
cleaned = cleaned.replace(
/\bpc(?=(?:가|는|를|에|에서|로|라고|도|만|와|과|의|\s|$|[,.?!]))/giu,
'PC'
)
cleaned = cleaned.replace(
/(?:^|(?<=\s))피씨(?=(?:가|는|를|에|에서|로|라고|도|만|와|과|의|\s|$|[,.?!]))/gu,
'PC'
)
// PC·타이핑·키보드·한글·영어 문맥에서 Whisper가 'PC가'를 '스시가'로 오인식한 경우 복원
if (/(?:PC|타이핑|키보드|영어로|한글로|컴퓨터)/u.test(cleaned)) {
cleaned = cleaned.replace(/스시(가|는|를|도|로|라고)(?=\s|$|[,.?!])/gu, 'PC$1')
}
// 8. 같은 절 안에서 "~라고 (한글로) 타이핑을 했을 때 ~라고 타이핑하면" 중복 축약
cleaned = cleaned.replace(
/([가-힣A-Za-z0-9]+라고)\s+([가-힣]+로\s+)?타이핑을?\s+했을\s+때\s+\1\s+타이핑하면/gu,
(_m, quoted: string, langMod?: string) => `${quoted} ${langMod ?? ''}타이핑하면`
)
// 다중 공백 정리
cleaned = cleaned.replace(/\s{2,}/gu, ' ').trim()
return cleaned.length > 0 ? cleaned : original
}

View file

@ -5,6 +5,7 @@
export * from './types'
export * from './keybinding'
export * from './input-intelligence'
export * from './dictation-cleaner'
export * from './personal-graph'
export * from './errors'
export * from './ipc-channels'

View file

@ -1111,9 +1111,31 @@ const LOOSE_JAMO_TWO_LETTER_ENGLISH: Readonly<Record<string, string>> = {
ㅕㅌ: 'UX',
ㅇㅠ: 'DB',
ㅔㅊ: 'PC',
ㅖㅊ: 'PC',
ㅅㅍ: 'TV',
ㅆㅍ: 'TV',
ㅑㅇ: 'ID',
ㅑㅔ: 'IP',
ㅑㅖ: 'IP',
ㅐㄴ: 'OS',
ㅒㄴ: 'OS',
ㅔㄱ: 'PR',
ㅖㄱ: 'PR',
ㅊㅑ: 'CI',
ㅍㅡ: 'VM',
ㅔㅡ: 'PM',
ㅖㅡ: 'PM',
ㅔㅐ: 'PO',
ㅖㅐ: 'PO',
ㅗㄱ: 'HR',
ㅑㄱ: 'IR',
ㅇㅡ: 'DM',
ㅡㅇ: 'MD',
ㅔㅇ: 'PD',
ㅖㅇ: 'PD',
ㅍㅔ: 'VP',
ㅍㅖ: 'VP',
ㅠㅡ: 'BM',
ㅑㅡ: "I'm"
}
@ -1697,6 +1719,20 @@ export function detectHangulTypedLatin(
}
}
// 2a-2. 한국어 어절/접두 + 한글 자판으로 친 영단어·약어(+조사) 합성어 복원
// 예: "내ㅔㅊ" → "내PC", "회사ㅔㅊ에서" → "회사PC에서", "한글로ㅔㅊ라고" → "한글로PC라고", "윈도우ㅐㄴ" → "윈도우OS", "새ㅁㅔㅑ를" → "새API를"
const korPrefixAndJamoRest = word.match(/^([가-힣]{1,6})([ㄱ-ㆎ][가-힣ㄱ-ㆎ]*)$/u)
if (korPrefixAndJamoRest) {
const [, korPrefix, jamoRest] = korPrefixAndJamoRest
if (Array.from(korPrefix).every((ch) => isCommonHangulSyllable(ch))) {
const restResolved =
LOOSE_JAMO_TWO_LETTER_ENGLISH[jamoRest] ?? detectHangulTypedLatin(jamoRest, options)
if (restResolved) {
return `${korPrefix}${restResolved}`
}
}
}
const helpers = createMixedWordHelpers(options.vocabulary)
const mixed = splitMixedWord(latin, helpers)
if (mixed && /^[A-Za-z]{2,}[가-힣]+$/u.test(mixed)) {