HUTAMS (AI 기반 전동차 운용관리 플랫폼 - 무전 STT 시스템)

본 프로젝트는 현장 철도 무전(LTE-R) 음성을 실시간으로 수집하고, Edge 단에서 AI(Faster-Whisper + 0.8B 온디바이스 LLM + RapidFuzz 결합)를 기반으로 고속 문맥 분석과 긴급 상황을 식별하는 STT 및 분석 시스템입니다.

핵심 기동 방법 (Vibe Coding with uv)

1. 사전 준비:

   • uv 설치 및 파이썬 패키지 세팅

     uv sync
     

   • [주의] 대용량 언어모델 수동 배치: Qwen3.5-0.8B-Q4_K_M.gguf (또는 지정된 모델 버전)와 같은 대형 .gguf 파일들은 .gitignore 처리되어 Git에서 제외되므로 개별적으로 다운로드 받아 프로젝트 내 llm_weights/ 폴더 안에 배치해야 합니다. (동봉된 setup.ps1 스크립트를 관리자 권한으로 실행하면 모델 다운로드 및 폴더 생성까지 자동으로 처리됩니다).

   • 최초 기동 시 오디오 저장 폴더(data/audio/, data/samples/) 및 로컬 DB 파일(whisper.db)은 시스템 내에 자동으로 초기화됩니다.

   • whisper_weights 폴더와 llm_weights 폴더는 .gitignore 처리되어 Git에서 제외되므로 개별적으로 다운로드 받아 프로젝트 내 whisper_weights/ 폴더와 llm_weights/ 폴더 안에 배치해야 합니다.

2. 서버 실행: run_server.ps1 또는 아래 구문을 사용합니다.

   uv run uvicorn app.main:app --host 0.0.0.0 --port 28000
   

3. 테스트 도구: 현장 오디오 입력을 위해 USB 사운드카드로 Line-in을 받을 때 쓰는 샘플 스크립트입니다.

   # 디바이스 목록 확인
   uv run python tools/record_sample.py --list-devices
   # 특정 인덱스로 녹음
   uv run python tools/record_sample.py --device 2 --duration 10
   

4. 문서 구조:

   • docs/project_spec.md: 모듈 기능 구조와 파이프라인 정비
   • docs/api_contract.md: REST API 및 WebSocket 명세서
   • docs/issue.md: 작업 현황과 롤링 이슈