feat: diarisation des locuteurs en temps réel (ECAPA-TDNN + clustering incrémental)

- Nouveau module diarizer.py : EmbeddingModel (SpeechBrain ECAPA-TDNN) + SpeakerDiarizer par session
- Backend : chargement modèle au lifespan, migration DB (colonne speaker), worker enrichi, exports avec locuteur
- Frontend : badges locuteurs colorés (8 couleurs), toggle activation, copie avec [Locuteur X]
- Config : DIARIZATION=on/off, DIARIZATION_THRESHOLD=0.70, PyTorch CPU-only dans Dockerfile
- Rétrocompatible : désactivé par défaut (DIARIZATION=off)

.env.example

@@ -11,3 +11,11 @@ ASR_API_KEY=sk-local
 
 # Jeton Hugging Face, seulement si le téléchargement du modèle l'exige.
 HF_TOKEN=
+
+# Diarisation des locuteurs : on / off (défaut : off).
+# Nécessite le modèle ECAPA-TDNN (~25 Mo, téléchargé au premier lancement).
+DIARIZATION=off
+
+# Seuil de similarité cosinus pour regrouper deux segments au même locuteur.
+# Plus bas = plus permissif (risque de fusion), plus haut = plus strict (risque de split).
+DIARIZATION_THRESHOLD=0.70