Merge branch 'experiment/parakeet-backend-opencode'

Эксперимент с DeepSeek V4 Pro: добавление onnx-asr бэкенда (Parakeet/GigaAM/ FastConformer) с независимой валидацией качества через agent-judge. Реализация: - backends/onnx_asr.py — третий pluggable backend через onnxruntime + Silero VAD. - --device onnx с моделями gigaam-v3 (рекомендуется для русского) и parakeet-v3. - _normalize_quantization() — маппинг compute_type → onnx-asr quantization (int8/fp16 pass-through, float16→fp16, float32/fp32→None, остальные→ValueError). - DEVICE_DEFAULTS для onnx, _VALID_DEVICES расширен. Документация: - ADR-006 — итоги: GigaAM v3 как best-CPU choice для русских встреч, Parakeet непригоден для русского (воспроизведены три класса проблем из ADR-005), новый класс ошибок Whisper medium на длинных файлах с тихими фрагментами. - backlog.md — устойчивый список будущих экспериментов (GigaAM v3 RNN-T и др.). Контекст эксперимента: - ADR-005 (Opus, master) отклонил Parakeet на двух 15-мин файлах с тихим микрофоном. ADR-006 повторяет на 22-81-мин файлах + добавляет GigaAM. - Реализация прошла три фазы валидации: smoke-test (4 mock-API расхождения → fix), agent-judge на 9 транскриптах (подтверждение проблем Parakeet, обнаружение Whisper-галлюцинаций), adversarial-review через GPT-5.5 (compute_type=float32 ломал onnx-загрузку → fix + 4 теста). Не включено в merge: docs/superpowers/specs/ и plans/ от DeepSeek (stale assumptions, итоговый канон в ADR-006; полные документы — в истории ветки). Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
2026-04-26 00:33:30 +03:00
parent 0b5703a0e3 9cfa437b33
commit 1c779be139
10 changed files with 755 additions and 10 deletions
@@ -8,7 +8,7 @@ transcribe meeting.mp4
 ```

 - **Полностью локально** — данные не покидают машину
- **Авто-ускорение** — NVIDIA CUDA, Intel GPU (OpenVINO), OpenVINO CPU или CPU fallback
+- **Авто-ускорение** — NVIDIA CUDA, Intel GPU (OpenVINO), ONNX (CPU), OpenVINO CPU или CPU fallback
 - **Батч-режим** — обработка нескольких файлов за один вызов
 - **Markdown с таймкодами** — удобен для суммаризации ИИ
 - **Аудио и видео** — mp3, wav, mp4, mkv и [другие форматы](#поддерживаемые-форматы)
@@ -114,6 +114,12 @@ transcribe podcast.wav --model large-v3 --compute-type float16
 # Максимальное качество на Intel GPU
 transcribe podcast.wav --model large-v3 --device openvino-gpu

+# Максимальная скорость на CPU (русский)
+transcribe meeting.mp4 --device onnx --model gigaam-v3
+
+# CPU с пунктуацией (русский, для parakeet-v3 нужен явный язык)
+transcribe podcast.wav --device onnx --model parakeet-v3 --language ru
+
 # Сохранить в конкретный файл
 transcribe interview.m4a --output result.md
 ```
@@ -145,8 +151,8 @@ transcribe *.mp4 --force
 | `--model` | `-m` | `medium` | Модель Whisper |
 | `--language` | `-l` | `ru` | Язык (ru, en, auto и др.) |
 | `--output` | `-o` | `<файл>-transcript.md` | Путь к выходному файлу |
-| `--device` | `-d` | `auto` | Устройство (auto, cpu, cuda, openvino, openvino-gpu, openvino-cpu) |
-| `--compute-type` | — | float16 (CUDA) / int8 (OpenVINO GPU/CPU) / float32 (CPU) | Тип вычислений |
+| `--device` | `-d` | `auto` | Устройство (auto, cpu, cuda, openvino, openvino-gpu, openvino-cpu, onnx) |
+| `--compute-type` | — | float16 (CUDA) / int8 (OpenVINO/ONNX) / float32 (CPU) | Тип вычислений |
 | `--threads` | `-t` | 0 (авто) | Потоки CPU (рекомендуется = число физ. ядер) |
 | `--force` | `-f` | — | Перезаписать существующие транскрипты |
 | `--verbose` | `-v` | — | Подробный вывод |
@@ -158,6 +164,7 @@ transcribe *.mp4 --force
 | CPU | ✅ | ✅ | ✅ |
 | OpenVINO (x86 CPU) | ✅ авто | — | ✅ авто |
 | OpenVINO (Intel GPU) | ✅ авто | — | ✅ авто |
+| ONNX (CPU) | ✅ явно | ✅ явно | ✅ явно |
 | GPU (NVIDIA) | ✅ авто | — | ✅ (нужен CUDA 12) |

 <details>
@@ -210,11 +217,11 @@ language = "en"

 Дефолты зависят от устройства:

-| Параметр | CUDA | OpenVINO (GPU) | OpenVINO (CPU) | CPU |
-|----------|------|----------------|----------------|-----|
-| model | medium | medium | medium | medium |
-| compute_type | float16 | int8 | int8 | float32 |
-| language | ru | ru | ru | ru |
+| Параметр | CUDA | OpenVINO (GPU) | OpenVINO (CPU) | ONNX | CPU |
+|----------|------|----------------|----------------|------|-----|
+| model | medium | medium | medium | gigaam-v3 | medium |
+| compute_type | float16 | int8 | int8 | int8 | float32 |
+| language | ru | ru | ru | ru | ru |

 ## Модели и GPU

@@ -222,6 +229,8 @@ language = "en"
 - **По умолчанию:** `medium` — хороший баланс скорости и качества
 - **Макс. качество (NVIDIA):** `large-v3` + `--compute-type float16`
 - **Макс. качество (Intel GPU):** `large-v3` + `--device openvino-gpu`
+- **Макс. скорость CPU (русский):** `--device onnx --model gigaam-v3` (17-29× RTF, без пунктуации; рекомендуется LLM-нормализация терминов после)
+- **CPU с пунктуацией (русский):** `--device openvino-cpu --model medium` (5-6× RTF; для встреч ≤30 мин с равномерной громкостью — на длинных файлах с тихими фрагментами возможны галлюцинации)
 - **Быстрый тест:** `tiny` — для проверки пайплайна

 <details>
@@ -235,6 +244,17 @@ language = "en"
 | `medium` | ~1.5 GB | ~2.5 GB | ★★ | ★★★★ |
 | `large-v3` | ~3 GB | ~2.5 GB | ★ | ★★★★★ |

+#### ONNX-модели (`--device onnx`)
+
+Другие архитектуры, не Whisper. Работают через onnxruntime на CPU:
+
+| Модель | Размер (int8) | RTFx CPU | Языки | Пунктуация |
+|--------|--------------|----------|-------|-----------|
+| `gigaam-v3` | ~300 MB | 17-29× | ru | ❌ |
+| `parakeet-v3` | ~600 MB | 12-20× | 25 языков | ✅ |
+
+> **Рекомендация**: для русского — `gigaam-v3` (единственный из onnx-моделей, дающий пригодный для конспекта транскрипт на русских встречах; см. [ADR-006](docs/adr/006-onnx-asr-backend.md)). `parakeet-v3` уместен только для англоязычного / multilingual контента — на русском воспроизводит проблемы из [ADR-005](docs/adr/005-parakeet-evaluation.md) (Mm-hmm-редукция тихих реплик, иноязычные вставки).
+
 </details>

 <details>
@@ -0,0 +1,135 @@
+# ADR-006: onnx-asr бэкенд — GigaAM v3 как CPU-default для русских встреч
+
+**Статус**: Принято
+**Дата**: 2026-04-25
+
+## Контекст
+
+Целевая аудитория `local-transcriber` — пользователи с Intel iGPU / CPU, без дискретного NVIDIA GPU.
+Существующие CPU-бэкенды (faster-whisper, OpenVINO) дают 0.5-6x RTF для средних моделей — транскрипция часовой записи занимает 10-120 минут.
+
+[onnx-asr](https://github.com/istupakov/onnx-asr) — легковесная обёртка (onnxruntime + numpy) над ONNX-моделями Parakeet, GigaAM, FastConformer и Canary. Заявляет 30-90x RTF на CPU при сравнимом с Whisper качестве для русского языка.
+
+[ADR-005](005-parakeet-evaluation.md) ранее отклонил Parakeet TDT 0.6B v3 для целевого use case на двух 15-минутных файлах с тихим микрофоном менти и плотной IT-терминологией. ADR-006 повторяет эксперимент на новом наборе файлов (22-81 мин, разной громкости), добавляет GigaAM v3 как кандидата для русской речи и проверяет три класса проблем Parakeet из ADR-005 на актуальном материале.
+
+## Эксперимент
+
+Три реальных русскоязычных записи установочных встреч (формат ментор↔менти, mp4, 22-81 мин), ноутбук с Intel i7-11800H (CPU-only). Сравнивались три CPU-бэкенда:
+
+- **gigaam-v3** (onnx-asr GigaAM v3 CTC, int8, monolingual ru, без пунктуации)
+- **parakeet-v3** (onnx-asr Parakeet TDT 0.6B v3, int8, multilingual)
+- **ov-medium** (OpenVINO Whisper medium int8) — baseline
+
+Качественная оценка проведена независимым agent-judge'ем по методологии ADR-005 (4 критерия: completeness / term accuracy / fluency / summary utility, шкала 1-5). Транскрипты сохранены в `/mnt/c/ddmitry/Videos/OBS/<basename>.{onnx-gigaam,parakeet-v3,ov-medium}.md` и доступны для верификации.
+
+### Скорость
+
+| Файл | Длит. | gigaam-v3 | parakeet-v3 --ru | OpenVINO medium |
+|---|---|---|---|---|
+| 10-59-59 | 22:26 | 81с (16.6×) | 116с (11.6×) | 265с (5.1×) |
+| Vasya | 45:51 | 95с (29×) | 138с (20×) | 455с (6×) |
+| 12-02-37 | 1:20:44 | 170с (28.5×) | 251с (19.3×) | 779с (6.2×) |
+
+GigaAM в 3-5× быстрее OpenVINO medium, Parakeet в 2.5-3.5× быстрее.
+
+### Качество (agent-judge, 1-5)
+
+| Файл | Backend | Completeness | Term accuracy | Fluency | Summary utility |
+|------|---------|:-:|:-:|:-:|:-:|
+| 10-59-59 | **gigaam** | **5** | **4** | **4** | **4** |
+| 10-59-59 | parakeet | 4 | 2 | 2 | 2 |
+| 10-59-59 | ov-medium | 3 | 4 | 4 | 2 |
+| Vasya | **gigaam** | 3 | **4** | **4** | **4** |
+| Vasya | parakeet | 2 | 2 | 2 | 2 |
+| Vasya | ov-medium | 2 | 3 | 2 | 2 |
+| 12-02-37 | **gigaam** | 4 | 3 | 3 | **4** |
+| 12-02-37 | parakeet | 3 | 2 | 1 | 1 |
+| 12-02-37 | ov-medium | 2 | 3 | 2 | 1 |
+
+GigaAM — единственный backend, дающий summary utility 4/5 на всех трёх файлах. Parakeet и ov-medium систематически уступают по разным причинам (см. ниже).
+
+### Класс ошибок: Parakeet — три проблемы из ADR-005 воспроизведены
+
+Все три класса систематических ошибок Parakeet, описанные в [ADR-005](005-parakeet-evaluation.md), воспроизводятся на новом наборе файлов:
+
+**1. Mm-hmm/Yeah-редукция тихих реплик менти.** Массово на всех трёх файлах:
+- Vasya `[04:56-09:33]` блок из ~10 реплик: `Mm-hmm. Mm-hmm. Mm. That's nice. Mm-hmm. Mm-hmm.` — полностью утеряны ответы менти на вопросы ментора.
+- 10-59-59 `[19:03]` `Yeah. Иногда лучше дышали в облаке`.
+- 12-02-37 `[00:00:01]` `I mean.` вместо «не пони…».
+
+**2. Вставки иностранных языков посреди русского.** На этом наборе ещё агрессивнее, чем в ADR-005 (там был только польский):
+- 10-59-59 `[00:08]` `Secondo, Alice. The mutual microphone.` — итальянский+английский для «секунду, Алиса, замьючен микрофон».
+- 10-59-59 `[22:02]` `Ah si va sur. Well.` — испано-французская смесь в финальном прощании.
+- Vasya `[27:31]` `Mas o żegnienie.` — польский в полностью русской встрече.
+- 12-02-37 `[10:38]` `Запроси к Każdemu Actually, таблица классная` — русско-польско-английский в одной фразе.
+- 12-02-37 `[01:03:23]` `No już je wsie.` — польский («ну уже всё»).
+
+**3. Искажение IT-терминов и имён компаний:**
+- 10-59-59 `[02:21]` `не Аринадата и не Терринте игра` вместо «Аренадата и Тере-Интегра» (имена работодателей).
+- 10-59-59 `[01:23]` `Запромбанке` (с unk-токенами) вместо «Газпромбанк».
+- 12-02-37 `[02:35]` `Basic space clear cause` вместо «база данных кликхаус».
+- 12-02-37 `[06:12]` `Поскре это не колочный, чтобы это греплан. Ловочная.` — Postgres/Greenplum/«колоночная» искажены до неразборчивости.
+- 12-02-37 `[16:53]` `своеобресть` вместо «Wildberries» — целевой работодатель в задаче, имя потеряно.
+
+### Класс ошибок: Whisper medium — галлюцинации на длинных файлах с тихими фрагментами
+
+Не описано в ADR-005 (там были 15-минутные отрывки) — обнаружено только на длинных файлах:
+
+- 12-02-37 `[01:03:43-01:20:14]` — **17 минут хвоста встречи** забиты галлюцинированными повторами: `«Вместе с вами мы решим, как мы будем работать с вами»`, `«Это не то, чтобы не было»`, `«Выбор? Нет. Выбор? Нет.»`. Бытовая часть встречи целиком потеряна.
+- 12-02-37 `[19:54-20:49]` — 11 повторов `«И вот, как я вам рассказываю, это очень интересно»` вместо реального решения SQL-задачи.
+- Vasya `[10:08-11:59]` — ~6 повторов `«Но если вы хотите, чтобы мы не разговаривали, то вы можете.»` (~2 минуты галлюцинации).
+- Vasya `[36:00-36:30]` — 14 повторов `«Ага. Ага.»` (loop).
+- Vasya `[45:51]` — `«Субтитры сделаны с помощью СМС, аппарата — Лариса.»` — классический Whisper-артефакт «титров».
+- 10-59-59 `[10:56-11:40]` — строка из ~1000 символов `«ааааа…»` — галлюцинация на тихом фрагменте, проглатывает 30 секунд аудио.
+- 12-02-37 `[01:18:47]` — приписан несуществующий человек `«Валерий Сюткин»`.
+
+Это критичный класс ошибок: текст выглядит правдоподобно, и читатель конспекта не отличит галлюцинацию от реального содержания без возврата к аудио. Хуже потери — потому что вводит в заблуждение.
+
+### Класс ошибок: GigaAM — локальные искажения латиницы и имён
+
+GigaAM monolingual ru, латиницу не выдаёт. На транскрипте:
+- `«эскель»`/`«эсквель»` вместо `SQL` (везде кириллицей).
+- `«гитам ардауна»` вместо `git и markdown` (Vasya `[14:14]`).
+- `«арендата»`/`«арендат»`/`«арендода»` для «Аренадата» (10-59-59 `[02:21]`) — три разных варианта одного имени.
+- `«дв один»` вместо `DEV1` (12-02-37 `[00:50:56]`).
+- `«яндекс тим под яндекс тим»` для «Яндекс ТимКод» (12-02-37 `[00:14:15]`).
+
+Mm-hmm-редукция и иностранные вставки **не обнаружены**: monolingual архитектура исключает language-confusion, тихие реплики менти остаются как русские «угу/да/ну».
+
+Эти ошибки локальны, предсказуемы и легко чинятся LLM-этапом нормализации без знания исходного аудио (восстановить SQL, Greenplum, ClickHouse, имена компаний из контекста).
+
+## Решение
+
+**Принять onnx-asr как экспериментальный бэкенд с явным `--device onnx`. GigaAM v3 — рекомендуемая модель для русских встреч на CPU.**
+
+Бэкенд **не в auto-detect** — только при явном указании пользователем (политика experimental backend, как для openvino).
+
+Модели:
+- **`gigaam-v3`** — рекомендуемая для русских встреч на CPU. 17-29× RTF, summary utility 4/5 на всех протестированных файлах. Без пунктуации, без латиницы; ошибки локальны, чинятся LLM-нормализацией.
+- **`parakeet-v3`** — multilingual (25 языков), формально доступен. **Не рекомендуется для русских встреч**: Mm-hmm-редукция и иноязычные вставки воспроизводятся систематически (см. выше). Уместен только для англоязычного контента.
+
+Обе модели в int8-квантизации (~300 MB).
+
+## Последствия
+
+- Пользователи CPU-only с русскоязычным контентом получают 3-5× ускорение по сравнению с OpenVINO medium **при превосходящем качестве** (4/5 vs 1-2/5 summary utility на длинных файлах).
+- Whisper medium (`--device openvino-cpu`) **остаётся допустимым** для коротких (≤30 мин) встреч с равномерной громкостью; на длинных файлах с тихими участками он галлюцинирует целыми блоками — этот риск зафиксирован, но решение не выводит OpenVINO из списка дефолтов (часть пользователей всё ещё нуждается в пунктуации, и для коротких файлов галлюцинации не воспроизводятся).
+- Parakeet-v3 формально доступен, но в README рекомендуется только для англоязычного контента — для русского явно не годится.
+- GPU faster-whisper large-v3 остаётся эталоном по качеству (для пользователей с NVIDIA GPU).
+- Пост-процессинг GigaAM-транскрипта LLM-этапом нормализации (восстановление латинских терминов и имён компаний) — рекомендуемая практика для финального конспекта.
+
+## Открытые вопросы / следующие шаги
+
+- **Galлюцинации Whisper medium на длинных файлах** — отдельный продуктовый риск, требующий собственного исследования. Возможно, имеет смысл ограничить максимальную длину чанка для openvino-medium, или дать предупреждение пользователю.
+- **GigaAM v3 RNN-T** (вариант `gigaam-v3-rnnt` вместо `gigaam-v3-ctc`) — заявлен как немного качественнее CTC, не тестировался. Может закрыть часть GigaAM-ошибок на латинице.
+- **Canary** (`nemo-canary-1b-v2`) — тяжелее, но multilingual + пунктуация. Кандидат на «лучшее качество за разумную скорость» для тех, кому важна пунктуация.
+- **Auto-detect onnx**: после стабилизации в production-использовании (несколько недель) — рассмотреть включение в auto-detect как первый CPU-бэкенд (ниже CUDA, выше OpenVINO).
+
+## Отклонённые альтернативы
+
+| Альтернатива | Почему отклонена |
+|---|---|
+| NeMo Parakeet напрямую (без onnx-asr) | Требует PyTorch + CUDA, Python ≥ 3.12, ~2 GB зависимостей — слишком тяжело для CLI |
+| Замена faster-whisper на onnx-asr | faster-whisper поддерживает 99+ языков и пунктуацию, остаётся лучшим GPU-бэкендом |
+| GigaAM как auto-detect default | Экспериментальный бэкенд, политика — не сюрпризить существующих пользователей; включение в auto-detect — после периода стабилизации |
+| Parakeet-v3 как multilingual default | Воспроизведённые проблемы из ADR-005 (Mm-hmm-редукция, иноязычные вставки) делают его непригодным для русского; для других языков не валидировано в этом эксперименте |
@@ -0,0 +1,87 @@
+# Backlog — будущие эксперименты и направления
+
+Список открытых направлений, которые имеют смысл, но не реализованы. Каждый пункт содержит обоснование и ссылку на источник (ADR / статья), чтобы при возврате не пришлось воспроизводить контекст с нуля.
+
+Когда направление становится в работу — переносится в spec/план или соответствующий ADR. Когда отклоняется — остаётся в backlog с пометкой «отклонено» и причиной (для истории решений).
+
+---
+
+## ASR-бэкенды и модели
+
+### GigaAM v3 RNN-T — потенциальная замена CTC-дефолта для `--device onnx`
+
+**Что:** Прогнать `gigaam-v3-rnnt` (или `v3_e2e_rnnt` если доступен через onnx-asr) по той же методологии, что и в [ADR-006](adr/006-onnx-asr-backend.md): 3 файла × agent-judge × 4 критерия.
+
+**Почему интересно:**
+
+- **WER 2.6% vs 13.2%** для CTC на сложных текстах — в 5 раз ниже на разговорной речи и доменной лексике (источник: SberDevices / Хабр-публикация GigaAM-v3).
+- **Контекстный декодер** — структурно решает основную проблему GigaAM-CTC из ADR-006: кириллизация латиницы и искажения имён компаний (`Запромбанк` → `Газпромбанк`, `яндекс тим под яндекс тим` → `Яндекс ТимКод`). RNN-T видит контекст уже сгенерированных токенов и может «дотянуть» имена.
+- **`v3_e2e_rnnt` с пунктуацией и нормализацией** — закрывает главное ограничение GigaAM-CTC, ради которого в README сейчас стоит fallback на `openvino-cpu medium` (с задокументированными в ADR-006 галлюцинациями на длинных файлах).
+- **70:30 vs Whisper-large-v3** — GigaAM-v3 (CTC и RNN-T) выигрывает у `large-v3` по LLM-as-Judge (Gemini 2.5 Pro). Если переносится на наш use case — RNN-T на CPU становится сильнее GPU faster-whisper large-v3.
+- **30% лучше на «новых доменах»** (callcenter-like речь, нестандартные характеристики) — это и есть домен установочных встреч.
+
+**Tradeoff:**
+
+- Скорость ниже CTC (RNN-T декодинг последовательный). Реалистичная оценка: 10-15× RTF на CPU вместо 17-29× у CTC. Всё ещё в 1.5-2× быстрее Whisper medium.
+- Размер модели больше (~500 MB int8 против ~300 MB у CTC) — оценка, нужна верификация.
+
+**Если подтвердится бенчмарком:**
+
+- Дефолт в `--device onnx` меняется с `gigaam-v3-ctc` на `gigaam-v3-rnnt`.
+- `openvino-cpu medium` уходит из рекомендаций для русского.
+- Формулировка «GPU faster-whisper large-v3 — эталон» в README может стать неточной.
+- Пишется ADR-007 с переоценкой дефолта.
+
+**Уточнить перед запуском:** какой именно вариант RNN-T доступен в onnx-asr (`gigaam-v3-rnnt` без пунктуации vs `v3_e2e_rnnt` с пунктуацией). Проверить через `huggingface_hub` listing для `istupakov/gigaam-v3-onnx`.
+
+---
+
+### Canary 1B — multilingual + пунктуация на CPU
+
+**Что:** Протестировать `nemo-canary-1b-v2` через onnx-asr на тех же 3 файлах.
+
+**Почему:** Multilingual + пунктуация в одной модели. Кандидат на «лучшее качество за разумную скорость» для пользователей, которым нужны и не-русский контент, и пунктуация одновременно. Упомянут в [ADR-006](adr/006-onnx-asr-backend.md#открытые-вопросы--следующие-шаги).
+
+**Tradeoff:** Тяжелее GigaAM (~1 GB vs ~300 MB), скорость на CPU ожидаемо ниже. Если RNN-T закроет потребность в пунктуации — Canary становится менее приоритетным.
+
+---
+
+## Качество и устойчивость
+
+### Whisper medium галлюцинации на длинных файлах с тихими фрагментами
+
+**Что:** Воспроизвести и зафиксировать класс ошибок: `12-02-37` теряет 17 минут хвоста, `Vasya` имеет 5-минутные блоки повторов, появляются несуществующие имена (`Валерий Сюткин`). Источник: agent-judge в [ADR-006](adr/006-onnx-asr-backend.md#класс-ошибок-whisper-medium--галлюцинации-на-длинных-файлах-с-тихими-фрагментами).
+
+**Возможные направления:**
+
+- Ограничить длину чанка для openvino-medium (chunk_length параметр в WhisperPipeline).
+- Внедрить `compression_ratio_threshold` / `log_prob_threshold` фильтры через переписывание pipeline (как у CTranslate2). Уже частично описано в [docs/gpu.md «Качественный pipeline для OpenVINO»](gpu.md#качественный-pipeline-для-openvino).
+- Предупреждать пользователя при `--device openvino-cpu` для файлов >30 мин.
+
+**Приоритет:** средний — пока есть `gigaam-v3` как альтернатива для русского. Критично, если openvino остаётся единственным вариантом для пунктуации (отпадает после теста RNN-T).
+
+---
+
+### Качественный pipeline для OpenVINO (temperature fallback + фильтры)
+
+**Что:** Реализовать temperature fallback, compression_ratio и log_prob фильтры поверх OpenVINO GenAI WhisperPipeline. Эвристики — логика на Python (~50-100 строк), не зависящая от inference engine.
+
+**Почему:** Дать Intel Arc / AMD GPU и AMD CPU то же качество, что сейчас есть только у CUDA-пользователей через CTranslate2. Полностью описано в [docs/gpu.md](gpu.md#качественный-pipeline-для-openvino).
+
+---
+
+## Авто-детект и UX
+
+### Включение `onnx` в `--device auto`
+
+**Что:** После периода стабилизации `--device onnx` (несколько недель production-использования без жалоб) — рассмотреть включение в auto-detect chain.
+
+**Порядок в chain (предложение):** CUDA → onnx (если CPU x86_64) → OpenVINO → CPU.
+
+**Почему откладывается:** политика experimental backend — не сюрпризить существующих пользователей до накопления опыта. Источник: [ADR-006](adr/006-onnx-asr-backend.md#решение).
+
+---
+
+## Отклонённые направления
+
+*(пока пусто — добавлять сюда то, что попробовали и решили не делать, с причиной)*
@@ -12,6 +12,7 @@ dependencies = [
    "nvidia-cublas-cu12>=12.4; sys_platform == 'linux' and platform_machine == 'x86_64'",
    "openvino-genai>=2025.0; sys_platform != 'darwin' and (platform_machine == 'x86_64' or platform_machine == 'AMD64')",
    "tomli>=2.0; python_version < '3.11'",
+    "onnx-asr[cpu,hub]>=0.11.0",
 ]

 [project.scripts]
@@ -25,6 +25,15 @@ def get_backend(device: str, *, compute_type_explicit: bool = True) -> Backend:
            ov_device=device, compute_type_explicit=compute_type_explicit
        )

+    if device == "onnx":
+        try:
+            from .onnx_asr import OnnxAsrBackend
+        except ImportError:
+            raise ValueError(
+                "onnx-asr бэкенд недоступен. Установите: pip install onnx-asr[cpu,hub]"
+            ) from None
+        return OnnxAsrBackend()
+
    # cuda, cpu и всё остальное → faster-whisper
    from .faster_whisper import FasterWhisperBackend

@@ -0,0 +1,154 @@
+"""Бэкенд транскрипции на основе onnx-asr (GigaAM, Parakeet, FastConformer)."""
+
+from __future__ import annotations
+
+from collections.abc import Callable
+from pathlib import Path
+from typing import Any
+
+from local_transcriber.types import Segment, TranscribeResult
+
+MODEL_ALIASES: dict[str, str] = {
+    "gigaam-v3": "gigaam-v3-ctc",
+    "parakeet-v3": "nemo-parakeet-tdt-0.6b-v3",
+}
+
+SUPPORTED_ALIASES = ", ".join(MODEL_ALIASES)
+
+# compute_type проекта → onnx-asr quantization (file suffix; None = unquantized).
+_QUANTIZATION_MAP: dict[str, str | None] = {
+    "int8": "int8",
+    "fp16": "fp16",
+    "float16": "fp16",
+    "float32": None,
+    "fp32": None,
+}
+
+
+def _normalize_quantization(compute_type: str) -> str | None:
+    """Маппит compute_type проекта в значение onnx-asr ``quantization``.
+
+    onnx-asr использует ``quantization`` как суффикс имени файла модели:
+    ``int8``/``fp16`` подгружают квантизованные веса, ``None`` — unquantized
+    (float32). Передача ``"float32"`` строкой пытается найти несуществующий
+    файл с суффиксом ``_float32`` и приводит к ошибке загрузки.
+    """
+    if compute_type not in _QUANTIZATION_MAP:
+        supported = ", ".join(sorted(_QUANTIZATION_MAP))
+        raise ValueError(
+            f"Неподдерживаемый compute_type '{compute_type}' для onnx-asr. "
+            f"Допустимо: {supported}."
+        )
+    return _QUANTIZATION_MAP[compute_type]
+
+
+class OnnxAsrBackend:
+    """Бэкенд транскрипции через onnx-asr (ONNX Runtime)."""
+
+    def __init__(self):
+        self.actual_compute_type: str | None = None
+        self._resolved_model_id: str | None = None
+        self._vad: Any = None
+
+    def ensure_model_available(
+        self,
+        model_name: str,
+        compute_type: str,
+        on_status: Callable[[str], None] | None = None,
+    ) -> str:
+        """Resolves model alias and returns the onnx-asr model identifier.
+
+        onnx-asr downloads models automatically via load_model(),
+        so this just validates the alias and returns the identifier string.
+        """
+        self.actual_compute_type = compute_type
+        self._resolved_model_id = self._resolve_model(model_name)
+        return self._resolved_model_id
+
+    def create_model(
+        self,
+        model_path: str,
+        device: str,
+        compute_type: str,
+        cpu_threads: int = 0,
+    ) -> Any:
+        """Creates onnx-asr model with VAD.
+
+        compute_type маппится в onnx-asr ``quantization`` — это суффикс файла
+        модели; для unquantized (float32/fp32) нужно None, не строку.
+        """
+        import onnx_asr
+
+        quantization = _normalize_quantization(compute_type)
+
+        model = onnx_asr.load_model(
+            model=model_path,
+            quantization=quantization,
+        )
+        vad = onnx_asr.load_vad("silero")
+        self._vad = vad
+        return model.with_vad(vad)
+
+    def transcribe(
+        self,
+        model: Any,
+        file_path: Path,
+        language: str | None,
+        on_segment: Callable[[Segment], None] | None = None,
+        on_status: Callable[[str], None] | None = None,
+    ) -> TranscribeResult:
+        """Transcribes audio file using onnx-asr model with VAD.
+
+        model: result of create_model() — a SegmentResultsAsrAdapter.
+        file_path: path to audio/video file (any format supported by faster-whisper decode).
+        language: language code (e.g. "ru", "en") — only meaningful for multilingual models.
+        """
+        from faster_whisper import decode_audio
+
+        _notify(on_status, "Загружаю аудио...")
+        audio_array = decode_audio(str(file_path), sampling_rate=16000)
+        duration = len(audio_array) / 16000.0
+
+        _notify(on_status, "Транскрибирую (onnx-asr)...")
+        segments: list[Segment] = []
+        detected_language = language or "unknown"
+
+        for vad_seg in model.recognize(audio_array, sample_rate=16000, language=language):
+            seg = Segment(
+                start=max(0.0, vad_seg.start),
+                end=max(0.0, vad_seg.end),
+                text=vad_seg.text,
+            )
+            if on_segment is not None:
+                on_segment(seg)
+            segments.append(seg)
+            _notify(
+                on_status,
+                f"Транскрибирую (onnx-asr)... [{len(segments)} сегм.]",
+            )
+
+        return TranscribeResult(
+            segments=segments,
+            language=detected_language,
+            language_probability=1.0 if language else 0.0,
+            duration=duration,
+            device_used="",  # оркестратор проставит
+        )
+
+    def _resolve_model(self, model_name: str) -> str:
+        """Resolve alias to onnx-asr model name. Raw names pass through."""
+        if model_name in MODEL_ALIASES:
+            return MODEL_ALIASES[model_name]
+        if "/" in model_name or model_name.count("-") >= 2:
+            # Looks like a raw onnx-asr name — allow passthrough
+            return model_name
+        raise ValueError(
+            f"Неподдерживаемая модель '{model_name}'. "
+            f"Доступные алиасы: {SUPPORTED_ALIASES}. "
+            f"Либо укажите полное имя модели onnx-asr."
+        )
+
+
+def _notify(on_status: Callable[[str], None] | None, message: str) -> None:
+    if on_status is not None:
+        on_status(message)
@@ -55,7 +55,7 @@ def main(
    output: Path | None = typer.Option(None, "--output", "-o", help="Путь к выходному файлу"),
    device: str | None = typer.Option(
        None, "--device", "-d", show_default=False,
-        help="Устройство (auto|cpu|cuda|openvino|openvino-gpu|openvino-cpu) [по умолч.: auto]"
+        help="Устройство (auto|cpu|cuda|openvino|openvino-gpu|openvino-cpu|onnx) [по умолч.: auto]"
    ),
    compute_type: str | None = typer.Option(
        None, "--compute-type", show_default=False,
@@ -22,11 +22,12 @@ DEVICE_DEFAULTS: dict[str, dict[str, str]] = {
    "openvino": {"model": "medium", "compute_type": "int8"},
    "openvino-gpu": {"model": "medium", "compute_type": "int8"},
    "openvino-cpu": {"model": "medium", "compute_type": "int8"},
+    "onnx": {"model": "gigaam-v3", "compute_type": "int8"},
 }

 # Одно место правды для допустимых ключей конфига
 _VALID_KEYS = set(HARDCODED_DEFAULTS)
-_VALID_DEVICES = {"auto", "cpu", "cuda", "openvino", "openvino-gpu", "openvino-cpu"}
+_VALID_DEVICES = {"auto", "cpu", "cuda", "openvino", "openvino-gpu", "openvino-cpu", "onnx"}


 def find_config_file() -> Path | None:
@@ -0,0 +1,314 @@
+"""Tests for onnx-asr backend."""
+
+import pytest
+from pathlib import Path
+
+from local_transcriber.backends.onnx_asr import OnnxAsrBackend, MODEL_ALIASES
+from local_transcriber.types import Segment, TranscribeResult
+
+
+class FakeVadSegment:
+    """Mimics onnx-asr SegmentResult."""
+
+    def __init__(self, start, end, text):
+        self.start = start
+        self.end = end
+        self.text = text
+
+
+class TestEnsureModelAvailable:
+    def test_returns_model_id_for_gigaam(self):
+        backend = OnnxAsrBackend()
+        result = backend.ensure_model_available("gigaam-v3", "int8")
+        assert result == "gigaam-v3-ctc"
+
+    def test_returns_model_id_for_parakeet(self):
+        backend = OnnxAsrBackend()
+        result = backend.ensure_model_available("parakeet-v3", "fp16")
+        assert result == "nemo-parakeet-tdt-0.6b-v3"
+
+    def test_stores_compute_type(self):
+        backend = OnnxAsrBackend()
+        backend.ensure_model_available("gigaam-v3", "float32")
+        assert backend._resolved_model_id == "gigaam-v3-ctc"
+        assert backend.actual_compute_type == "float32"
+
+
+class TestCreateModel:
+    def test_calls_load_model_with_correct_args(self, monkeypatch):
+        """Verify create_model passes correct args to onnx_asr.load_model."""
+        calls = []
+
+        def fake_load_model(model=None, path=None, quantization=None,
+                           **kwargs):
+            calls.append({
+                "model": model, "path": path, "quantization": quantization,
+            })
+            return FakeAsrAdapter()
+
+        class FakeAsrAdapter:
+            def with_vad(self, vad):
+                return self
+
+        monkeypatch.setattr("onnx_asr.load_model", fake_load_model)
+
+        backend = OnnxAsrBackend()
+        backend.actual_compute_type = "int8"
+        model = backend.create_model("gigaam-v3-ctc", "onnx", "int8")
+
+        assert len(calls) == 1
+        assert calls[0]["quantization"] == "int8"
+        assert model is not None
+
+    def test_loads_silero_vad(self, monkeypatch):
+        """Verify Silero VAD is loaded and attached to model."""
+        vad_calls = []
+
+        def fake_load_vad(model, **kwargs):
+            vad_calls.append(model)
+            return "fake_vad"
+
+        def fake_load_model(**kwargs):
+            return FakeAsrAdapter()
+
+        class FakeAsrAdapter:
+            def with_vad(self, vad):
+                self._vad = vad
+                return self
+
+        monkeypatch.setattr("onnx_asr.load_model", fake_load_model)
+        monkeypatch.setattr("onnx_asr.load_vad", fake_load_vad)
+
+        backend = OnnxAsrBackend()
+        model = backend.create_model("gigaam-v3-ctc", "onnx", "int8")
+
+        assert vad_calls == ["silero"]
+
+    def test_fp16_compute_type(self, monkeypatch):
+        """Verify fp16 compute_type is passed through."""
+        calls = []
+
+        def fake_load_model(model=None, quantization=None, **kwargs):
+            calls.append(quantization)
+            return FakeAsrAdapter()
+
+        class FakeAsrAdapter:
+            def with_vad(self, vad):
+                return self
+
+        monkeypatch.setattr("onnx_asr.load_model", fake_load_model)
+        monkeypatch.setattr("onnx_asr.load_vad", lambda model, **kw: None)
+
+        backend = OnnxAsrBackend()
+        backend.create_model("parakeet-v3", "onnx", "fp16")
+
+        assert calls == ["fp16"]
+
+    def test_float32_maps_to_none(self, monkeypatch):
+        """compute_type='float32' маппится в quantization=None (unquantized).
+
+        onnx-asr использует quantization как суффикс файла; для float32 нужен None,
+        строка "float32" приведёт к попытке загрузить несуществующий файл.
+        """
+        calls = []
+
+        def fake_load_model(model=None, quantization="MISSING", **kwargs):
+            calls.append(quantization)
+            return FakeAsrAdapter()
+
+        class FakeAsrAdapter:
+            def with_vad(self, vad):
+                return self
+
+        monkeypatch.setattr("onnx_asr.load_model", fake_load_model)
+        monkeypatch.setattr("onnx_asr.load_vad", lambda model, **kw: None)
+
+        backend = OnnxAsrBackend()
+        backend.create_model("gigaam-v3-ctc", "onnx", "float32")
+
+        assert calls == [None]
+
+    def test_fp32_maps_to_none(self, monkeypatch):
+        """compute_type='fp32' тоже маппится в quantization=None."""
+        calls = []
+
+        def fake_load_model(model=None, quantization="MISSING", **kwargs):
+            calls.append(quantization)
+            return FakeAsrAdapter()
+
+        class FakeAsrAdapter:
+            def with_vad(self, vad):
+                return self
+
+        monkeypatch.setattr("onnx_asr.load_model", fake_load_model)
+        monkeypatch.setattr("onnx_asr.load_vad", lambda model, **kw: None)
+
+        backend = OnnxAsrBackend()
+        backend.create_model("gigaam-v3-ctc", "onnx", "fp32")
+
+        assert calls == [None]
+
+    def test_float16_alias_maps_to_fp16(self, monkeypatch):
+        """compute_type='float16' (CUDA-naming) маппится в onnx-asr 'fp16'."""
+        calls = []
+
+        def fake_load_model(model=None, quantization=None, **kwargs):
+            calls.append(quantization)
+            return FakeAsrAdapter()
+
+        class FakeAsrAdapter:
+            def with_vad(self, vad):
+                return self
+
+        monkeypatch.setattr("onnx_asr.load_model", fake_load_model)
+        monkeypatch.setattr("onnx_asr.load_vad", lambda model, **kw: None)
+
+        backend = OnnxAsrBackend()
+        backend.create_model("gigaam-v3-ctc", "onnx", "float16")
+
+        assert calls == ["fp16"]
+
+    def test_unknown_compute_type_raises(self, monkeypatch):
+        """Неподдерживаемый compute_type → ValueError, не silent fallback."""
+        monkeypatch.setattr("onnx_asr.load_model", lambda **kw: None)
+        monkeypatch.setattr("onnx_asr.load_vad", lambda model, **kw: None)
+
+        backend = OnnxAsrBackend()
+        with pytest.raises(ValueError, match="Неподдерживаемый compute_type"):
+            backend.create_model("gigaam-v3-ctc", "onnx", "int8_float32")
+
+
+class TestTranscribe:
+    def test_transcribe_collects_segments(self, monkeypatch, tmp_path):
+        """Verify transcribe maps VAD segments to project Segments."""
+        wav_file = tmp_path / "test.wav"
+        wav_file.write_bytes(b"fake audio")
+
+        audio_samples = [0.0] * 16000  # 1 second of silence
+
+        def fake_decode_audio(path, sampling_rate=16000):
+            import numpy as np
+            return np.array(audio_samples, dtype=np.float32)
+
+        class FakeModel:
+            def recognize(self, waveform, sample_rate, language=None):
+                yield FakeVadSegment(0.0, 1.0, "hello")
+                yield FakeVadSegment(1.0, 2.5, "world")
+
+        monkeypatch.setattr("faster_whisper.decode_audio", fake_decode_audio)
+
+        backend = OnnxAsrBackend()
+        backend.actual_compute_type = "int8"
+        result = backend.transcribe(
+            FakeModel(), wav_file, language=None,
+        )
+
+        assert isinstance(result, TranscribeResult)
+        assert len(result.segments) == 2
+        assert result.segments[0] == Segment(start=0.0, end=1.0, text="hello")
+        assert result.segments[1] == Segment(start=1.0, end=2.5, text="world")
+        assert result.duration == 1.0  # 16000 samples / 16000 Hz
+
+    def test_transcribe_calls_on_segment(self, monkeypatch, tmp_path):
+        """Verify on_segment callback is invoked per segment."""
+        wav_file = tmp_path / "test.wav"
+        wav_file.write_bytes(b"fake audio")
+
+        def fake_decode_audio(path, sampling_rate=16000):
+            import numpy as np
+            return np.array([0.0] * 16000, dtype=np.float32)
+
+        segments_captured = []
+
+        class FakeModel:
+            def recognize(self, waveform, sample_rate, language=None):
+                yield FakeVadSegment(0.0, 2.0, "one")
+                yield FakeVadSegment(2.0, 4.0, "two")
+
+        monkeypatch.setattr("faster_whisper.decode_audio", fake_decode_audio)
+
+        backend = OnnxAsrBackend()
+        result = backend.transcribe(
+            FakeModel(), wav_file, language=None,
+            on_segment=lambda s: segments_captured.append(s),
+        )
+
+        assert len(segments_captured) == 2
+        assert segments_captured[0].text == "one"
+        assert segments_captured[1].text == "two"
+
+    def test_transcribe_passes_language(self, monkeypatch, tmp_path):
+        """Verify language is passed to recognize()."""
+        wav_file = tmp_path / "test.wav"
+        wav_file.write_bytes(b"fake audio")
+
+        def fake_decode_audio(path, sampling_rate=16000):
+            import numpy as np
+            return np.array([0.0] * 16000, dtype=np.float32)
+
+        lang_received = []
+
+        class FakeModel:
+            def recognize(self, waveform, sample_rate, language=None):
+                lang_received.append(language)
+                yield FakeVadSegment(0.0, 1.0, "text")
+
+        monkeypatch.setattr("faster_whisper.decode_audio", fake_decode_audio)
+
+        backend = OnnxAsrBackend()
+        backend.transcribe(FakeModel(), wav_file, language="ru")
+
+        assert lang_received == ["ru"]
+
+    def test_transcribe_empty_audio(self, monkeypatch, tmp_path):
+        """Verify zero segments for silent audio."""
+        wav_file = tmp_path / "test.wav"
+        wav_file.write_bytes(b"fake audio")
+
+        def fake_decode_audio(path, sampling_rate=16000):
+            import numpy as np
+            return np.array([0.0] * 16000, dtype=np.float32)
+
+        class FakeModel:
+            def recognize(self, waveform, sample_rate, language=None):
+                # No segments yielded
+                if False:
+                    yield
+
+        monkeypatch.setattr("faster_whisper.decode_audio", fake_decode_audio)
+
+        backend = OnnxAsrBackend()
+        result = backend.transcribe(FakeModel(), wav_file, language=None)
+
+        assert len(result.segments) == 0
+        assert result.language == "unknown"
+        assert result.duration == 1.0
+
+
+class TestBackendRegistration:
+    def test_get_backend_returns_onnx_backend(self):
+        from local_transcriber.backends import get_backend
+        backend = get_backend("onnx")
+        assert isinstance(backend, OnnxAsrBackend)
+
+
+class TestModelAliases:
+    def test_gigaam_v3_resolves(self):
+        backend = OnnxAsrBackend()
+        result = backend._resolve_model("gigaam-v3")
+        assert result == "gigaam-v3-ctc"
+
+    def test_parakeet_v3_resolves(self):
+        backend = OnnxAsrBackend()
+        result = backend._resolve_model("parakeet-v3")
+        assert result == "nemo-parakeet-tdt-0.6b-v3"
+
+    def test_raw_name_passes_through(self):
+        backend = OnnxAsrBackend()
+        result = backend._resolve_model("nemo-canary-1b-v2")
+        assert result == "nemo-canary-1b-v2"
+
+    def test_unknown_alias_raises(self):
+        backend = OnnxAsrBackend()
+        with pytest.raises(ValueError, match="Неподдерживаемая модель"):
+            backend._resolve_model("nonexistent-model")
@@ -301,6 +301,7 @@ source = { editable = "." }
 dependencies = [
    { name = "faster-whisper" },
    { name = "nvidia-cublas-cu12", marker = "platform_machine == 'x86_64' and sys_platform == 'linux'" },
+    { name = "onnx-asr", extra = ["cpu", "hub"] },
    { name = "openvino-genai", marker = "(platform_machine == 'AMD64' and sys_platform != 'darwin') or (platform_machine == 'x86_64' and sys_platform != 'darwin')" },
    { name = "rich" },
    { name = "socksio" },
@@ -317,6 +318,7 @@ dev = [
 requires-dist = [
    { name = "faster-whisper", specifier = ">=1.2.1" },
    { name = "nvidia-cublas-cu12", marker = "platform_machine == 'x86_64' and sys_platform == 'linux'", specifier = ">=12.4" },
+    { name = "onnx-asr", extras = ["cpu", "hub"], specifier = ">=0.11.0" },
    { name = "openvino-genai", marker = "(platform_machine == 'AMD64' and sys_platform != 'darwin') or (platform_machine == 'x86_64' and sys_platform != 'darwin')", specifier = ">=2025.0" },
    { name = "rich" },
    { name = "socksio", specifier = ">=1.0.0" },
@@ -512,6 +514,28 @@ wheels = [
    { url = "https://files.pythonhosted.org/packages/77/3c/aa88abe01f3be3d1f8f787d1d33dc83e76fec05945f9a28fbb41cfb99cd5/nvidia_cublas_cu12-12.9.1.4-py3-none-manylinux_2_27_x86_64.whl", hash = "sha256:453611eb21a7c1f2c2156ed9f3a45b691deda0440ec550860290dc901af5b4c2", size = 581242350, upload-time = "2025-06-05T20:04:51.979Z" },
 ]

+[[package]]
+name = "onnx-asr"
+version = "0.11.0"
+source = { registry = "https://pypi.org/simple" }
+dependencies = [
+    { name = "numpy", version = "2.2.6", source = { registry = "https://pypi.org/simple" }, marker = "python_full_version < '3.11'" },
+    { name = "numpy", version = "2.4.3", source = { registry = "https://pypi.org/simple" }, marker = "python_full_version >= '3.11'" },
+    { name = "typing-extensions", marker = "python_full_version < '3.11'" },
+]
+sdist = { url = "https://files.pythonhosted.org/packages/78/f6/b154881761a593312f509522f99542acffa2516f7a1df6ddf5660ad4a162/onnx_asr-0.11.0.tar.gz", hash = "sha256:57ad8d9571dc17db95f0daf9ba432b9472383de320c610735850e56b5375a37d", size = 43665, upload-time = "2026-03-23T02:30:57.349Z" }
+wheels = [
+    { url = "https://files.pythonhosted.org/packages/82/04/bdffd682cc38b43144b6528186c80451f219a05e3fd0eb331a548f455b9a/onnx_asr-0.11.0-py3-none-any.whl", hash = "sha256:142d8b3ce7716684992826a269304f5ce9cf1c0fe704b751358e223f45d2a5cf", size = 138349, upload-time = "2026-03-23T02:30:58.566Z" },
+]
+
+[package.optional-dependencies]
+cpu = [
+    { name = "onnxruntime" },
+]
+hub = [
+    { name = "huggingface-hub" },
+]
+
 [[package]]
 name = "onnxruntime"
 version = "1.24.3"