docs: ADR-003, обновлены gpu.md и README для OpenVINO

- Зачем:
  - документация должна отражать новую архитектуру бэкендов и поддержку OpenVINO.
- Что:
  - docs/adr/003-pluggable-backends.md: Protocol, lazy imports, fallback, compute_type контракт.
  - docs/gpu.md: секция OpenVINO с таблицей моделей, таблица бэкендов, CUDA 12 для Windows исправлен везде.
  - README.md: OpenVINO в фичах, платформах, CLI опциях, дефолтах; fp16 документирован как OpenVINO-тип.
- Проверка:
  - uv run pytest -q — 124 passed.

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

README.md

@@ -8,7 +8,7 @@ transcribe meeting.mp4
 ```
 
 - **Полностью локально** — данные не покидают машину
-- **Авто-GPU** — автоматически использует NVIDIA CUDA, если доступен
+- **Авто-ускорение** — NVIDIA CUDA, OpenVINO (Intel/AMD 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)
@@ -30,10 +30,10 @@ powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | ie
 uv tool install git+https://github.com/dementev-dev/local-transcriber
 ```
 
-**3. (Опционально) GPU-ускорение:**
+**3. Ускорение (ставится автоматически):**
-
-Если есть NVIDIA GPU — транскрипция будет в 5–10× быстрее. Требуется **CUDA 12** (ctranslate2 4.7 не совместим с CUDA 11 и 13).
 
+- **OpenVINO** (Intel/AMD x86 CPU): ставится автоматически на Linux и Windows — ускорение в 2-4 раза
+- **NVIDIA CUDA** (GPU): если есть GPU — транскрипция в 5-10× быстрее
   - **Windows**: `winget install -e --id Nvidia.CUDA --version 12.9` (от администратора), перезапустить терминал
   - **Linux / WSL2**: работает из коробки (нужен только драйвер: `nvidia-smi`)
 
@@ -106,8 +106,8 @@ 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) |
+| `--device` | `-d` | `auto` | Устройство (auto, cpu, cuda, openvino) |
-| `--compute-type` | — | float16 (GPU) / float32 (CPU) | Тип вычислений |
+| `--compute-type` | — | float16 (CUDA) / int8 (OpenVINO) / float32 (CPU) | Тип вычислений |
 | `--force` | `-f` | — | Перезаписать существующие транскрипты |
 | `--verbose` | `-v` | — | Подробный вывод |
 
@@ -116,6 +116,7 @@ transcribe *.mp4 --force
 |  | Linux / WSL2 | macOS | Windows |
 |---|---|---|---|
 | CPU | ✅ | ✅ | ✅ |
+| OpenVINO (x86 CPU) | ✅ авто | — | ✅ авто |
 | GPU (NVIDIA) | ✅ авто | — | ✅ (нужен CUDA 12) |
 
 <details>
@@ -166,11 +167,11 @@ language = "en"
 
 Дефолты зависят от устройства:
 
-| Параметр | GPU (CUDA) | CPU |
+| Параметр | CUDA | OpenVINO | CPU |
-|----------|-----------|-----|
+|----------|------|----------|-----|
-| model | medium | medium |
+| model | medium | medium | medium |
-| compute_type | float16 | float32 |
+| compute_type | float16 | int8 | float32 |
-| language | ru | ru |
+| language | ru | ru | ru |
 
 ## Модели и GPU
 
@@ -195,19 +196,23 @@ language = "en"
 <details>
 <summary>Типы квантизации (--compute-type)</summary>
 
-| Тип | Устройство | VRAM/RAM | Качество | Когда использовать |
+| Тип | Бэкенд | VRAM/RAM | Качество | Когда использовать |
-|-----|-----------|----------|----------|--------------------|
+|-----|--------|----------|----------|--------------------|
-| `float16` | GPU | ~4.5-5 GB | Отлично | **По умолчанию для GPU** |
+| `float16` | CUDA | ~4.5-5 GB | Отлично | **По умолчанию для CUDA** |
-| `int8_float16` | GPU | ~4.7 GB | Отлично | GPU от 6 GB, альтернатива float16 |
+| `int8_float16` | CUDA | ~4.7 GB | Отлично | GPU от 6 GB, альтернатива float16 |
-| `int8` | GPU/CPU | Низкое | Хорошо, но бывают галлюцинации | GPU от 4 GB, CPU |
+| `int8` | CUDA / OpenVINO | Низкое | Хорошо, но бывают галлюцинации | **По умолчанию для OpenVINO** |
+| `fp16` | OpenVINO | Низкое | Отлично | OpenVINO large-v3 (выбирается автоматически) |
 | `float32` | CPU | Среднее | Отлично | **По умолчанию для CPU** |
 
 **Важно:** `int8` на длинных записях может давать галлюцинации (повтор фраз, потеря контента).
-`float16` и `float32` значительно стабильнее на записях >20 минут.
+`float16`/`fp16` и `float32` значительно стабильнее на записях >20 минут.
+
+> Для OpenVINO `--compute-type` выбирает предквантизированную модель (int8 или fp16),
+> а не runtime-параметр. Для `large-v3` по умолчанию выбирается `fp16`.
 
 </details>
 
-Подробнее: бенчмарки, совместимость GPU, результаты тестирования — [docs/gpu.md](docs/gpu.md).
+Подробнее: бенчмарки, OpenVINO, совместимость GPU, результаты тестирования — [docs/gpu.md](docs/gpu.md).
 
 <details>
 <summary>Формат вывода</summary>

docs/adr/003-pluggable-backends.md

@@ -0,0 +1,96 @@
+# ADR-003: Pluggable backends и OpenVINO
+
+**Статус**: Принято
+**Дата**: 2026-03-21
+
+## Контекст
+
+На CPU (faster-whisper/CTranslate2) транскрипция работает медленно (~1.5x реалтайм для medium).
+CUDA доступна на малом проценте машин (ноутбуки с NVIDIA GPU), на офисных ПК её нет.
+
+OpenVINO ускоряет inference на x86 CPU (Intel и AMD) в 2-4 раза. Для его поддержки
+нужен второй движок транскрипции, а архитектура должна позволять добавлять новые
+бэкенды (CoreML для Mac, AMD XDNA NPU) без переписывания существующего кода.
+
+## Решение
+
+### Backend Protocol (structural typing)
+
+Минимальный интерфейс в `backends/base.py`:
+
+```python
+class Backend(Protocol):
+    def ensure_model_available(self, model_name, compute_type, on_status) -> str: ...
+    def create_model(self, model_path, device, compute_type) -> Any: ...
+    def transcribe(self, model, file_path, language, on_segment, on_status) -> TranscribeResult: ...
+```
+
+Protocol вместо ABC — бэкенды не наследуются, достаточно реализовать методы.
+Соответствует стилю проекта (наследование нигде не используется).
+
+### Ленивые импорты
+
+Бэкенды импортируются только при выборе — `get_backend(device)` делает import внутри.
+Импорт faster-whisper запускает CUDA bootstrap (~1ms), импорт openvino-genai загружает ~50MB
+shared libraries. Ни то, ни другое не должно происходить, если бэкенд не выбран.
+
+### Device как селектор бэкенда
+
+Вместо отдельного `--backend` флага устройство само определяет бэкенд:
+- `cuda`, `cpu` → FasterWhisperBackend
+- `openvino` → OpenVINOBackend
+- `auto` → CUDA (nvidia-smi) → OpenVINO (import check + x86) → CPU
+
+### load_model() — единственный владелец pipeline
+
+`load_model()` выполняет ensure_model_available + create_model в одном вызове.
+CLI не вызывает ensure_model_available отдельно — это убирает двойной resolution
+и гарантирует, что модель скачивается для правильного бэкенда.
+
+### Cross-backend fallback
+
+Fallback живёт в `transcriber.py` (оркестратор), не в бэкендах:
+- CUDA ошибка → CPU (FasterWhisper)
+- OpenVINO ошибка → CPU (FasterWhisper)
+- `strict_device=True` (явный `--device`) → ошибка без fallback
+
+При fallback в батч-режиме обновляются model, backend, model_path и actual_device
+через TranscribeFileResult — следующий файл использует правильный бэкенд.
+
+### Аудио для OpenVINO
+
+OpenVINO GenAI WhisperPipeline принимает raw PCM float массив, не путь к файлу.
+Используем `faster_whisper.decode_audio()` (PyAV) → `.tolist()` → `pipe.generate()`.
+Системный ffmpeg не требуется — PyAV бандлит FFmpeg внутри wheel.
+
+### compute_type для OpenVINO
+
+OpenVINO модели предквантизированы (int8/fp16), compute_type определяет какую модель
+скачать. Контракт:
+- Явный `--compute-type` или значение из конфига — уважается всегда
+- Из дефолтов: для large-v3 автоматически выбирается fp16 (стабильнее по качеству)
+- Несуществующая пара (model + compute_type) при явном выборе → ошибка
+
+### Обе зависимости по умолчанию
+
+faster-whisper (~37MB) и openvino-genai (~69MB) ставятся вместе — суммарно ~106MB,
+приемлемо. Модели скачиваются только для активного бэкенда. CUDA (nvidia-cublas-cu12,
+~554MB) остаётся conditional (Linux x86_64). OpenVINO — conditional (x86_64/AMD64, не macOS).
+
+## Последствия
+
+- Обратная совместимость: `transcribe()` сохранён; `load_model()` изменил сигнатуру (возвращает 4-tuple вместо 2-tuple, добавлен `compute_type_explicit`)
+- Новый бэкенд добавляется одним файлом в `backends/` + регистрацией в `__init__.py`
+- Модели скачиваются по запросу — CUDA пользователь не качает OpenVINO модели, и наоборот
+- ARM и macOS: OpenVINO не ставится (platform markers), работает CPU через faster-whisper
+
+## Отклонённые альтернативы
+
+| Альтернатива | Почему отклонена |
+|---|---|
+| OpenVINO как optional extra (`pip install .[openvino]`) | Теряется zero-config UX; пользователь должен знать про extras |
+| whisper.cpp (pywhispercpp) | Другой движок, больший объём интеграции; OpenVINO GenAI проще |
+| Единый бэкенд с OpenVINO для всего | CTranslate2 лучше оптимизирован для CUDA; OpenVINO — для CPU |
+| ABC вместо Protocol | Наследование не используется в проекте; Protocol проще |
+| librosa для загрузки аудио в OpenVINO | Лишняя зависимость; для видеоконтейнеров ненадёжна без системного ffmpeg |
+| `--backend` как отдельный флаг | Усложняет CLI; device уже однозначно определяет бэкенд |

docs/gpu.md

@@ -1,10 +1,46 @@
-# GPU и CUDA
+# Ускорение транскрипции
 
 ## Режимы `--device`
 
-- `auto` (по умолчанию) — выберет GPU если `nvidia-smi` доступен, иначе CPU
+- `auto` (по умолчанию) — CUDA → OpenVINO → CPU (первый доступный)
-- `cuda` — строго GPU, ошибка если недоступен (без silent fallback)
+- `cuda` — строго NVIDIA GPU, ошибка если недоступен
-- `cpu` — строго CPU
+- `openvino` — OpenVINO на CPU (ускорение 2-4x на x86)
+- `cpu` — строго CPU (faster-whisper/CTranslate2)
+
+## Какой бэкенд на каком оборудовании
+
+| Оборудование | Рекомендуемый `--device` | Бэкенд | Ожидаемая скорость |
+|---|---|---|---|
+| NVIDIA GPU (6+ GB VRAM) | `auto` / `cuda` | faster-whisper (CTranslate2) | 7-19x реалтайм |
+| Intel/AMD x86 CPU | `auto` / `openvino` | OpenVINO GenAI | 3-6x реалтайм* |
+| Любой CPU (fallback) | `cpu` | faster-whisper (CTranslate2) | ~1.5x реалтайм |
+| Apple Silicon (macOS) | `cpu` | faster-whisper (CTranslate2) | ~2x реалтайм |
+
+\* Ожидаемая оценка на основе бенчмарков OpenVINO. Реальная скорость зависит от CPU и модели.
+
+## OpenVINO
+
+OpenVINO ускоряет inference на x86 процессорах (Intel и AMD) через оптимизированные инструкции
+(AVX2, AVX-512, VNNI, AMX). Ставится автоматически на Linux и Windows (x86_64/AMD64).
+
+- **Модели**: предконвертированные из [HuggingFace](https://huggingface.co/OpenVINO) (int8/fp16)
+- **Дефолт**: `medium` + `int8` (для `large-v3` автоматически выбирается `fp16`)
+- **Аудиодекодирование**: через PyAV (бандлит FFmpeg), системный ffmpeg не нужен
+
+### Доступные OpenVINO модели
+
+| Модель | int8 | fp16 |
+|--------|------|------|
+| tiny | OpenVINO/whisper-tiny-int8-ov | — |
+| base | — | OpenVINO/whisper-base-fp16-ov |
+| small | OpenVINO/whisper-small-int8-ov | — |
+| medium | OpenVINO/whisper-medium-int8-ov | — |
+| large-v3 | OpenVINO/whisper-large-v3-int8-ov | OpenVINO/whisper-large-v3-fp16-ov |
+
+### Качество OpenVINO int8
+
+OpenVINO использует NNCF (калиброванная post-training квантизация), отличается от runtime-квантизации
+CTranslate2. Качество может быть другим — **тестирование на реальных сэмплах рекомендуется**.
 
 ## Настройка по платформам
 
@@ -17,12 +53,10 @@
 
 ### Windows
 
-Нужен системный CUDA toolkit:
+Нужен системный **CUDA 12** (ctranslate2 4.7 не совместим с CUDA 11 и 13):
 
 ```bash
-choco install cuda
+winget install -e --id Nvidia.CUDA --version 12.9   # требует запуска от имени администратора
-# или
-winget install -e --id Nvidia.CUDA   # требует запуска от имени администратора
 ```
 
 После установки перезапустите терминал.
@@ -77,11 +111,9 @@ SQL, PostgreSQL, Greenplum, Airflow, ClickHouse, Docker, CDR, GTP, MAP).
 
 ### Windows: ошибка при загрузке модели на GPU
 
-GPU на Windows требует CUDA toolkit (включает cuBLAS). Установите:
+GPU на Windows требует **CUDA 12** (ctranslate2 4.7 не совместим с CUDA 11 и 13). Установите:
 ```bash
-choco install cuda
+winget install -e --id Nvidia.CUDA --version 12.9   # требует запуска от имени администратора
-# или
-winget install -e --id Nvidia.CUDA
 ```
 После установки перезапустите терминал.