docs(gpu): CPU int8_float32, сравнение pipeline-ов, CUDA рекомендации

- Добавлена секция CPU бэкенда: int8_float32 как рекомендация, тюнинг потоков
- Объяснение разницы качества OpenVINO vs CTranslate2 (pipeline декодирования)
- Секция CUDA: int8_float32/int8_float16 как альтернатива для тестирования
- Обновлена таблица OpenVINO моделей (medium fp16)
- Обновлены таблицы скорости и качества

Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>

docs/gpu.md

@@ -37,7 +37,7 @@ OpenVINO ускоряет inference на x86 процессорах (Intel и AM
 | tiny | OpenVINO/whisper-tiny-int8-ov | — |
 | base | — | OpenVINO/whisper-base-fp16-ov |
 | small | OpenVINO/whisper-small-int8-ov | — |
-| medium | OpenVINO/whisper-medium-int8-ov | — |
+| medium | OpenVINO/whisper-medium-int8-ov | OpenVINO/whisper-medium-fp16-ov |
 | large-v3 | OpenVINO/whisper-large-v3-int8-ov | OpenVINO/whisper-large-v3-fp16-ov |
 
 ### Результаты тестирования OpenVINO
@@ -77,6 +77,83 @@ OpenVINO ускоряет inference на x86 процессорах (Intel и AM
 - **medium** — для повседневного использования и обработки ИИ. Ключевые термины верные, единичные ляпы не влияют на смысл конспекта. Оптимальный баланс скорости и качества.
 - **large-v3** — для важных записей, где нужна дословная точность. Лучшая пунктуация и связность. На OpenVINO (416с) быстрее, чем medium на чистом CPU (734с) — лучшее качество при выше скорости.
 
+## CPU бэкенд (CTranslate2 / faster-whisper)
+
+При `--device cpu` используется faster-whisper на основе CTranslate2. Этот бэкенд медленнее
+OpenVINO, но обеспечивает **лучшее качество** благодаря развитому pipeline декодирования.
+
+### Рекомендуемый compute_type: `int8_float32`
+
+```bash
+transcribe meeting.mp4 --device cpu --compute-type int8_float32
+```
+
+`int8_float32` — int8 квантизация весов с float32 аккумулятором. Даёт **1.5x ускорение**
+vs float32 при сопоставимом качестве (протестировано на русском языке с техтерминами).
+
+| compute_type | Скорость* | Качество | Когда использовать |
+|---|---|---|---|
+| `int8_float32` | **~460с** | Отлично | **Рекомендуется** — лучший баланс |
+| `float32` | ~880с | Отлично (эталон) | Если важна максимальная точность |
+| `int8` | быстрее | Хорошо, но бывают галлюцинации | Не рекомендуется для длинных записей |
+
+\* Замеры на AMD Ryzen 7 8845H, medium, запись 14:41, 8 потоков.
+
+### Оптимизация потоков
+
+CTranslate2 по умолчанию использует 4 потока. На многоядерных CPU рекомендуется
+задать число потоков равным числу **физических ядер** (не виртуальных):
+
+```bash
+OMP_NUM_THREADS=8 transcribe meeting.mp4 --device cpu --compute-type int8_float32
+```
+
+SMT/Hyper-Threading не помогает — 16 потоков на 8-ядерном CPU медленнее, чем 8.
+
+### Почему CPU бэкенд качественнее OpenVINO
+
+При одной и той же модели (medium) CTranslate2 даёт заметно лучше распознавание,
+чем OpenVINO. Разница **не в квантизации**, а в pipeline декодирования:
+
+| Механизм | CTranslate2 (faster-whisper) | OpenVINO GenAI |
+|---|---|---|
+| Temperature fallback | ✅ до 5 попыток с ростом temperature | ❌ один проход |
+| Фильтр по compression_ratio | ✅ отсекает повторы | ❌ нет |
+| Фильтр по log_prob | ✅ отсекает неуверенные сегменты | ❌ нет |
+| no_speech_threshold | ✅ детекция тишины | ❌ нет |
+| VAD (Silero) | ✅ опционально | ❌ нет |
+| condition_on_previous_text | ✅ с умным сбросом | ⚠️ базовый |
+
+Эти эвристики критичны для русской разговорной речи с паузами и перебивками.
+
+### Выбор между OpenVINO и CPU
+
+| Сценарий | Рекомендация |
+|---|---|
+| Быстрый черновой транскрипт | `--device openvino-cpu` (int8, ~240с) |
+| Качественный транскрипт для суммаризации | `--device cpu --compute-type int8_float32` (~460с) |
+| Максимальная точность | `--device cpu --compute-type float32` (~880с) |
+
+## CUDA: compute_type и качество
+
+На NVIDIA GPU дефолт — `float16`, и для большинства случаев это оптимальный выбор.
+
+Однако `large-v3` с `int8` на GPU может давать **галлюцинации** на длинных записях
+(зафиксировано: повтор фраз ×25, потеря контента). Причина — чистый int8 без float
+аккумулятора теряет точность в глубокой модели.
+
+**Альтернатива для тестирования:**
+
+| compute_type | Ожидаемый эффект |
+|---|---|
+| `float16` | **Дефолт** — отлично работает |
+| `int8_float32` | Потенциально быстрее float16, качество на уровне float32. Не протестировано — ждём feedback |
+| `int8_float16` | int8 веса + float16 аккумулятор. Может быть быстрее int8_float32 при приемлемом качестве |
+| `int8` | Быстрый, но рискует галлюцинациями на large-v3 и длинных записях |
+
+Если у вас есть NVIDIA GPU и вы протестировали `int8_float32` / `int8_float16` —
+поделитесь результатами через [issues](https://github.com/dementev-dev/local-transcriber/issues).
+
 ## Настройка по платформам
 
 ### Linux / WSL2 (x86_64)
@@ -115,9 +192,12 @@ winget install -e --id Nvidia.CUDA --version 12.9   # требует запус
 | **OpenVINO + small int8** | **93с** | **153с** | **~10-16x реалтайм** |
 | **OpenVINO + medium int8** | **171-205с** | **413с** | **~4-6x реалтайм** |
 | **OpenVINO + large-v3 fp16** | **416с** | — | **~2.3x реалтайм** |
+| **CPU + medium int8_float32** | **~460с*** | — | **~2x реалтайм** |
 | CPU + medium float32 | 658с (11 мин) | ~26 мин | ~1.5x реалтайм |
 | CPU + large-v3 int8 | 839с (14 мин) | ~37 мин | ~1:1 реалтайм |
 
+\* Замер на AMD Ryzen 7 8845H (8 потоков), файл 14:41. На эталонном 16-мин файле — TBD.
+
 ## Результаты тестирования качества
 
 Тесты проведены на реальных записях рабочих созвонов (русский язык, технические термины:
@@ -128,6 +208,7 @@ SQL, PostgreSQL, Greenplum, Airflow, ClickHouse, Docker, CDR, GTP, MAP).
 | large-v3 int8 GPU | Плохо | Галлюцинации (фразы ×25), потеря контента |
 | large-v3 float16 GPU | Отлично | — |
 | medium float16 GPU | Хорошо | Редкие мелкие ляпы в терминах |
+| medium int8_float32 CPU | Отлично | Качество ≈ float32, на уровне облачных сервисов |
 | medium float32 CPU | Хорошо | Сопоставимо с large-v3 int8, без галлюцинаций |
 | large-v3 int8 CPU | Хорошо | Без галлюцинаций (на коротких файлах) |
 
@@ -137,6 +218,9 @@ SQL, PostgreSQL, Greenplum, Airflow, ClickHouse, Docker, CDR, GTP, MAP).
 2. **float16/float32 стабильнее int8** — особенно на записях >20 минут
 3. **medium + float16 на GPU — лучший баланс** скорости и качества для повседневного использования
 4. **large-v3 + float16 на GPU** — для максимального качества важных записей
+5. **CPU: int8_float32 — лучший баланс** — 1.5x быстрее float32 при том же качестве
+6. **OpenVINO быстрее, но CPU бэкенд качественнее** — разница в pipeline декодирования
+   (temperature fallback, фильтры галлюцинаций), а не в квантизации
 
 ## Troubleshooting