Android v1.8 기능 옮기기: 사람 소리, 쉬운 설정, Silero 조기 표시 (v2.1.0)

README.ko.md

@@ -8,7 +8,7 @@
 
 <img width="1024" height="818" alt="SoundVisualizer" src="https://github.com/user-attachments/assets/b11aa5b3-c995-4e36-8ff6-3e2f2c2b2388" />
 
-<img width="1024" alt="SoundVisualizer 오버레이: 환경음, 대화음, 위협음, 왼쪽에서 나는 소리, 오른쪽에서 나는 소리" src="docs/images/readme_screens.png" />
+<img width="1024" alt="SoundVisualizer 오버레이: 환경음, 사람 소리, 위협음, 왼쪽에서 나는 소리, 오른쪽에서 나는 소리" src="docs/images/readme_screens.png" />
 
 [![License: AGPL v3](https://img.shields.io/badge/License-AGPL_v3-blue.svg)](https://www.gnu.org/licenses/agpl-3.0)
 [![WPF](https://img.shields.io/badge/WPF-blue?style=for-the-badge&logo=windows)](https://docs.microsoft.com/en-us/dotnet/desktop/wpf/)
@@ -23,9 +23,9 @@
 <br/>
 
 > **SoundVisualizer**는 컴퓨터의 시스템 오디오를 실시간으로 캡처하여 방향·크기·의미를 그래픽 오버레이로 변환하는 데스크톱 애플리케이션입니다. 
-단순한 파형 시각화를 넘어, **YAMNet**과 **ONNX Runtime** 기반의 AI 사운드 분류기를 내장하여 현재 재생 중인 소리의 종류(배경음, 대화음, 위협음 등)를 실시간으로 인지하고 피드백을 제공합니다.
+단순한 파형 시각화를 넘어, **YAMNet**과 **ONNX Runtime** 기반의 AI 사운드 분류기를 내장하여 현재 재생 중인 소리의 종류(환경음, 사람 소리, 위협음)를 실시간으로 인지하고 피드백을 제공합니다.
 
-> 📱 안드로이드 버전도 있습니다: [SoundVisualizer for Android](https://github.com/bibibic76/SoundVisualizer)
+> 📱 안드로이드 버전도 있습니다: [SoundVisualizer for Android](https://github.com/SOVIS-Team/SoundVisualizer-Android)
 
 ---
 
@@ -59,6 +59,7 @@
 - **패드 모드 (Pad)**: 지정된 공간 그리드(방향)에 고정된 패드 형태로 소리를 표현합니다.
 - **외곽선 모드 (Outline)**: 파도 모드를 기반으로, 파도의 상한 외곽선 테두리만 표현하여 화면 가림을 최소화합니다.
 - 30 FPS부터 모니터 주사율까지, 최대 프레임을 얼마로 두어도 그래픽이 같은 빠르기로 움직입니다.
+- **쉬운 설정**: 설정 탭은 그림으로 선택하는 화면으로 열립니다. 모양, 크기(작게·보통·크게), 보여 줄 소리 종류를 선택하고, 나머지 설정은 ‘자세한 설정’에서 바꿉니다.
 
 ### 2. 온스크린 실시간 제어 및 에디터
 전체 화면 게임을 내리지 않고도 오버레이 상태에서 즉각적인 수정이 가능합니다.
@@ -71,14 +72,15 @@
 - 스테레오 출력에서는 좌우에 함께 있는 소리를 화면 위쪽에, 좌우 차이만 옆쪽에 그립니다. 그래서 가운데에서 나는 소리가 양쪽에서 나는 소리처럼 보이지 않습니다.
 
 ### 4. AI 실시간 사운드 분류 (ONNX & YAMNet)
-- **3-Class 분류 체계**: 모든 소리를 `Ambient(환경음)`, `Speech(대화음)`, `Danger(위협음)` 3가지로 분석하여 카테고리별로 지정된 UI 색상과 투명도로 동적 시각 피드백을 제공합니다. 색상과 투명도는 커스터마이징이 가능합니다.
+- **3-Class 분류 체계**: 모든 소리를 `Ambient(환경음)`, `Human sounds(사람 소리)`, `Danger(위협음)` 3가지로 분석하여 카테고리별로 지정된 UI 색상과 투명도로 동적 시각 피드백을 제공합니다. 색상과 투명도는 커스터마이징이 가능합니다.
 - **위협 단서**: 사이렌, 경보, 폭발음, 폭죽 같은 경고음은 모델의 상위 후보 다섯 개 안에(5% 이상) 들기만 해도 `위협음`으로 봅니다. 음악이나 게임 소리에 묻혀도 놓치지 않기 위해서입니다. 총소리 이름은 오경보를 막기 위해 이렇게 끌어올리지 않습니다.
-- **흔들리지 않는 색**: `위협음`은 조건을 넘는 첫 결과에 바로 바뀌고, `대화음`과 `환경음`은 두 번 연달아 같아야 바뀌어 색이 깜빡이지 않습니다. 조용한 동안에는 AI 가 쉬고, 소리가 나면 바로 다시 듣습니다.
+- **흔들리지 않는 색**: `위협음`은 조건을 넘는 첫 결과에 바로 바뀌고, `사람 소리`와 `환경음`은 두 번 연달아 같아야 바뀌어 색이 깜빡이지 않습니다. 조용한 동안에는 AI 가 쉬고, 소리가 나면 바로 다시 듣습니다.
+- **더 빠른 사람 소리**: 말소리가 시작되면 작은 음성 감지 모델(Silero VAD)이 새로 들어온 소리를 확인해 `사람 소리`를 한 박자(약 0.25초) 먼저 보여 줍니다. 화면 표시만 바꾸며, `위협음`과 분류 탭에서 정한 종류가 늘 우선합니다.
 - **모든 채널을 듣습니다**: 5.1/7.1 환경에서는 앞쪽뿐 아니라 뒤쪽·옆쪽 채널의 소리도 AI 가 듣습니다.
 - **늦게 온 위협음**: `위협음` 판정이 소리보다 조금 늦게 와도, 그 소리를 나던 때의 크기로 그립니다. 앞서 숨겨 둔 종류였던 소리도 그렇습니다.
 
 ### 5. 소리마다 종류 정하기 (분류 탭)
-- AI 가 알아듣는 소리 521개를 안드로이드 버전과 같은 묶음으로 보여 주고, 묶음마다(고급 모드에서는 소리마다) `환경음`, `대화음`, `위협음` 가운데 무엇으로 볼지 선택합니다.
+- AI 가 알아듣는 소리 521개를 안드로이드 버전과 같은 묶음으로 보여 주고, 묶음마다(고급 모드에서는 소리마다) `환경음`, `사람 소리`, `위협음` 가운데 무엇으로 볼지 선택합니다.
 - 이름으로 찾고, 종류나 바꾼 소리로 거르고, 한 번에 모두 되돌릴 수 있습니다. 바꾼 것은 오버레이의 AI 에 바로 반영됩니다.
 
 ### 6. 도움말, 안내, 트레이 아이콘
@@ -111,7 +113,7 @@
 
 SoundVisualizer는 설치가 필요 없는 가벼운 **포터블(Portable)** 패키지로 제공됩니다. Windows 10/11 (64비트)에서 돌아가며, .NET 을 따로 설치하지 않아도 됩니다.
 
-1. **[GitHub Releases](https://github.com/amophi/SoundVisualizer/releases)** 페이지에 접속합니다.
+1. **[GitHub Releases](https://github.com/SOVIS-Team/SoundVisualizer-Windows/releases)** 페이지에 접속합니다.
 2. 최신 버전의 `SoundVisualizer_vX.Y.zip` 파일을 다운로드해 원하는 곳에 압축 해제합니다.
 3. 폴더 내의 **`SoundVisualizer.exe`**를 실행합니다.
 4. 런처에서 언어 및 초기 설정을 마친 후, **실행**을 눌러 오버레이를 켭니다.
@@ -127,7 +129,7 @@ SoundVisualizer는 설치가 필요 없는 가벼운 **포터블(Portable)** 패
 1. **요구 사항**: Windows 10/11, .NET 10 SDK. Visual Studio 2026 (.NET 데스크톱 개발 워크로드)은 있어도 되고 없어도 됩니다.
 2. **리포지토리 클론**:
    ```bash
-   git clone https://github.com/amophi/SoundVisualizer.git
+   git clone https://github.com/SOVIS-Team/SoundVisualizer-Windows.git
    ```
 3. 리포지토리 폴더에서 빌드하고 테스트합니다.
    ```bash

README.md

@@ -8,7 +8,7 @@
 
 <img width="1024" height="818" alt="SoundVisualizer" src="https://github.com/user-attachments/assets/b11aa5b3-c995-4e36-8ff6-3e2f2c2b2388" />
 
-<img width="1024" alt="SoundVisualizer overlay: ambient, speech, danger, sound from the left, and sound from the right" src="docs/images/readme_screens.png" />
+<img width="1024" alt="SoundVisualizer overlay: ambient, human sounds, danger, sound from the left, and sound from the right" src="docs/images/readme_screens.png" />
 
 [![License: AGPL v3](https://img.shields.io/badge/License-AGPL_v3-blue.svg)](https://www.gnu.org/licenses/agpl-3.0)
 [![WPF](https://img.shields.io/badge/WPF-blue?style=for-the-badge&logo=windows)](https://docs.microsoft.com/en-us/dotnet/desktop/wpf/)
@@ -23,9 +23,9 @@
 <br/>
 
 > **SoundVisualizer** is a desktop application that captures real-time system audio and translates its direction, intensity, and meaning into a graphical overlay. 
-Going beyond simple waveform rendering, it integrates an AI sound classifier powered by **YAMNet** and **ONNX Runtime** to instantly identify the type of sound playing (ambient, speech, danger) and provide adaptive visual feedback.
+Going beyond simple waveform rendering, it integrates an AI sound classifier powered by **YAMNet** and **ONNX Runtime** to instantly identify the type of sound playing (ambient, human sounds, danger) and provide adaptive visual feedback.
 
-> 📱 There is also an Android version: [SoundVisualizer for Android](https://github.com/bibibic76/SoundVisualizer).
+> 📱 There is also an Android version: [SoundVisualizer for Android](https://github.com/SOVIS-Team/SoundVisualizer-Android).
 
 ---
 
@@ -59,6 +59,7 @@ We provide 4 unique rendering modes that intuitively map sound intensity and dir
 - **Pad Mode**: Displays glowing pads anchored to specific spatial grid directions.
 - **Outline Mode**: A minimalist variation of Wave mode, showing only the thin borders of the wave to minimize screen occlusion.
 - Animations move at the same speed at any frame rate, from 30 FPS up to your monitor's refresh rate.
+- **Easy settings**: The Settings tab opens with a picture-based view where you choose the shape, the size (Small, Medium, Large), and which sound types to show. Switch to “Detailed” for every other setting.
 
 ### 2. On-Screen Real-Time Editor (F4)
 Modify settings instantly while in a full-screen application or game without minimizing the window.
@@ -71,14 +72,15 @@ Modify settings instantly while in a full-screen application or game without min
 - With stereo output, sound common to both channels is drawn at the top and only the difference between left and right goes to the sides, so a centred sound no longer looks like sound coming from both sides.
 
 ### 4. Real-Time AI Sound Classification (ONNX & YAMNet)
-- **3-Class Detection**: Analyzes all incoming audio into `Ambient`, `Speech`, and `Danger` categories. Each category triggers independent, customizable UI colors and dynamic opacity changes.
+- **3-Class Detection**: Analyzes all incoming audio into `Ambient`, `Human sounds`, and `Danger` categories. Each category triggers independent, customizable UI colors and dynamic opacity changes.
 - **Warning cues**: Sirens, alarms, explosions, fireworks and similar warning sounds count as `Danger` even when they are only among the model's top five candidates (at 5% or more), so music or game audio can't drown them out. Gunshot labels are not promoted this way, to avoid false alarms.
-- **Stable colors**: `Danger` appears on the first qualifying result; `Speech` and `Ambient` need two in a row, so the color doesn't flicker. The AI pauses while it's quiet and resumes as soon as sound returns.
+- **Stable colors**: `Danger` appears on the first qualifying result; `Human sounds` and `Ambient` need two in a row, so the color doesn't flicker. The AI pauses while it's quiet and resumes as soon as sound returns.
+- **Faster human sounds**: When a voice starts, a small voice detector (Silero VAD) checks the newest audio and can show `Human sounds` one step (about 0.25 s) earlier. It only changes what you see: `Danger` and your choices in the Sounds tab always win.
 - **Every channel counts**: On 5.1/7.1 systems, the AI hears the rear and side channels too, not just the front.
 - **Late danger**: If a `Danger` result arrives a moment after the sound, the overlay still draws that sound at the size it had, even when its earlier type was hidden.
 
 ### 5. Choose How Each Sound Counts (Sounds Tab)
-- Browse the 521 sounds the AI knows, grouped like the Android version, and choose whether each group (or, in advanced mode, each sound) counts as `Ambient`, `Speech`, or `Danger`.
+- Browse the 521 sounds the AI knows, grouped like the Android version, and choose whether each group (or, in advanced mode, each sound) counts as `Ambient`, `Human sounds`, or `Danger`.
 - Search by name, filter by type or by the sounds you changed, and reset everything in one step. The overlay's AI follows your changes immediately.
 
 ### 6. Help, Notices, and Tray Icon
@@ -111,7 +113,7 @@ The project is rigorously engineered for high-performance, real-time background
 
 SoundVisualizer is provided as a lightweight, **portable (no-install)** open-source package for Windows 10/11 (64-bit). You don't need to install .NET.
 
-1. Go to the **[GitHub Releases](https://github.com/amophi/SoundVisualizer/releases)** page.
+1. Go to the **[GitHub Releases](https://github.com/SOVIS-Team/SoundVisualizer-Windows/releases)** page.
 2. Download the latest `SoundVisualizer_vX.Y.zip` file and extract it to any location on your PC.
 3. Run **`SoundVisualizer.exe`**.
 4. Configure your initial settings and language in the launcher, then click **Start** to activate the overlay.
@@ -127,7 +129,7 @@ To build from source to modify the code or contribute to the project:
 1. **Prerequisites**: Windows 10/11 and the .NET 10 SDK. Visual Studio 2026 (with the .NET Desktop Development workload) is optional.
 2. **Clone the repository**:
    ```bash
-   git clone https://github.com/amophi/SoundVisualizer.git
+   git clone https://github.com/SOVIS-Team/SoundVisualizer-Windows.git
    ```
 3. Build and test from the repository folder:
    ```bash

SoundVisualizer.Core/Ai/AiAudioBuffer.cs

@@ -30,6 +30,10 @@ public sealed class AiAudioBuffer
         private readonly int _windowSamples;
         private int _tail;
         private int _count;
+        // 말소리 미리보기(SileroStreamWorker)가 링의 어디까지 읽었는지 맞춰 보는 값. 프레임은 이 세대에 들어온 모노 프레임 수이고,
+        // 세대는 Reset 마다 하나씩 올라 이전 캡처의 소리를 새 캡처의 소리로 읽지 않게 한다(Android #422).
+        private long _totalFrames;
+        private long _generation;
 
         /// <summary>섞은 모노를 링에 넣기 전에 잠깐 두는 곳. 버퍼마다 할당하지 않으려고 다시 쓴다.</summary>
         private readonly float[] _monoScratch = new float[MaxRingSize / 2];
@@ -73,6 +77,43 @@ public void Reset()
             {
                 _tail = 0;
                 _count = 0;
+                _totalFrames = 0;
+                _generation++;
+            }
+        }
+
+        /// <summary>링의 세대와 이 세대에 들어온 모노 프레임 수. 어느 스레드에서나 부른다.</summary>
+        internal readonly record struct StreamCursor(long Generation, long Frames);
+
+        /// <summary>지금의 세대와 들어온 프레임 수(Android 의 cursor()).</summary>
+        internal StreamCursor Cursor()
+        {
+            lock (_lock) return new StreamCursor(_generation, _totalFrames);
+        }
+
+        /// <summary>
+        /// 이 세대의 절대 프레임 [<paramref name="first"/>, <paramref name="first"/> + <paramref name="destination"/>.Length) 를 복사한다
+        /// (Android 의 copyRange). 0 보다 앞의 프레임은 0 이다. 세대가 다르거나, 아직 다 들어오지 않았거나, 이미 2초 밖으로 밀려났으면
+        /// 복사하지 않고 false 를 돌려준다. 그래서 미래의 소리나 덮어쓴 소리, 이전 캡처의 소리를 새 소리로 읽지 않는다.
+        /// 모델을 기다리지 않고 잠금 안에서 복사만 한다.
+        /// </summary>
+        internal bool CopyRange(long generation, long first, Span<float> destination)
+        {
+            lock (_lock)
+            {
+                long size = destination.Length;
+                if (generation != _generation || first + size > _totalFrames || Math.Max(first, 0L) < _totalFrames - _count) return false;
+
+                int leading = (int)Math.Clamp(-first, 0L, size);
+                destination[..leading].Clear();
+                int remaining = destination.Length - leading;
+                if (remaining == 0) return true;
+                // 링 끝(_tail)이 프레임 _totalFrames 다. 2의 거듭제곱 마스크라 음수도 링 안의 자리로 돈다.
+                int ringStart = (int)((_tail - (_totalFrames - (first + leading))) & _ringMask);
+                int firstPart = Math.Min(remaining, _ring.Length - ringStart);
+                _ring.AsSpan(ringStart, firstPart).CopyTo(destination[leading..]);
+                _ring.AsSpan(0, remaining - firstPart).CopyTo(destination[(leading + firstPart)..]);
+                return true;
             }
         }
 
@@ -108,6 +149,7 @@ private void AppendMono(ReadOnlySpan<float> monoChunk)
         {
             lock (_lock)
             {
+                _totalFrames += monoChunk.Length;
                 for (int i = 0; i < monoChunk.Length; i++)
                 {
                     _ring[_tail] = monoChunk[i];

SoundVisualizer.Core/Ai/AiClassificationResult.cs

@@ -53,5 +53,33 @@ public sealed class AiClassificationResult
         /// (<see cref="AiClassificationStage.LastClassification"/>).
         /// </summary>
         internal FrozenDictionary<string, string> MappingInputs { get; init; } = FrozenDictionary<string, string>.Empty;
+
+        /// <summary>
+        /// 말소리 미리보기로 한 박자 먼저 보이는 화면 전용 결과인지(Android #422). 확정 결과(<see cref="RealtimeAiPipeline.LastClassification"/>)는
+        /// 늘 false 이고, 화면용 <see cref="RealtimeAiPipeline.LastDisplayClassification"/> 만 true 인 결과를 줄 수 있다.
+        /// </summary>
+        public bool SpeechPreview { get; init; }
+
+        /// <summary>
+        /// 이 확정 결과(환경음)를 부모로 한 미리보기(Android 의 parent.copy(coarse = "speech", ..., speechPreview = true)). 종류는 대화음,
+        /// 이름과 확신도는 부모 프레임의 대화음 후보 값, 시각은 미리보기를 만든 때다. 상위 5개·소요시간·매핑은 부모 그대로 둔다.
+        /// </summary>
+        internal AiClassificationResult AsSpeechPreview(string display, float confidence, long timestampMs) => new()
+        {
+            Coarse = SoundType.Speech,
+            Display = display,
+            Confidence = confidence,
+            Top5 = Top5,
+            DangerCuePromoted = DangerCuePromoted,
+            MeetsThreshold = MeetsThreshold,
+            TimestampMs = timestampMs,
+            PreprocessMs = PreprocessMs,
+            YamnetMs = YamnetMs,
+            TotalMs = TotalMs,
+            MappingOverrideCount = MappingOverrideCount,
+            MappingSignature = MappingSignature,
+            MappingInputs = MappingInputs,
+            SpeechPreview = true,
+        };
     }
 }