feat(onnx): добавлена модель GigaAM Multilingual Large

- Зачем:
  - расширенный benchmark показал устойчивое улучшение multilingual large на трёх реальных записях.
- Что:
  - добавлен alias gigaam-multilingual-large-ctc с квантизациями int8 и float32.
  - обновлены README, спецификация, backlog и сравнительный benchmark.
- Проверка:
  - uv run pytest -q: 225 passed, 1 skipped.
  - uvx ruff check src/local_transcriber/backends/onnx_asr.py tests/test_onnx_asr.py.

README.md

@@ -124,6 +124,9 @@ transcribe podcast.wav --device onnx --model gigaam-v3-e2e-ctc
 # Смешанная русско-английская речь
 transcribe meeting.wav --device onnx --model gigaam-multilingual-ctc
 
+# Повышенная точность смешанной речи (медленнее, ~590 MB)
+transcribe meeting.wav --device onnx --model gigaam-multilingual-large-ctc
+
 # Сохранить в конкретный файл
 transcribe interview.m4a --output result.md
 ```
@@ -280,24 +283,28 @@ language = "en"
 | Модель | Размер (int8) | RTFx CPU | Языки | Пунктуация |
 |--------|--------------|----------|-------|-----------|
 | `gigaam-v3` | ~300 MB | 17-29× | ru | ❌ |
-| `gigaam-multilingual-ctc` | ~300 MB | 10,5×* | ru, en, kk, ky, uz | ❌ |
+| `gigaam-multilingual-ctc` | ~300 MB | 10,0×* | ru, en, kk, ky, uz | ❌ |
-| `gigaam-v3-e2e-ctc` | ~300 MB | 12,3×* | ru | ✅ |
+| `gigaam-multilingual-large-ctc` | ~590 MB | 4,8×* | ru, en, kk, ky, uz | ❌ |
-| `gigaam-v3-e2e-rnnt` | ~300 MB | 11,7×* | ru | ✅ |
+| `gigaam-v3-e2e-ctc` | ~300 MB | 11,9×* | ru | ✅ |
+| `gigaam-v3-e2e-rnnt` | ~300 MB | 11,5×* | ru | ✅ |
 | `parakeet-v3` | ~600 MB | 12-20× | 25 языков | ✅ |
 
-\* Наблюдение на AMD Ryzen 7 8845H, Windows, `int8`, запись 14:51. Это не
+\* Наблюдение на AMD Ryzen 7 8845H, Windows, `int8`, три записи общей
-приёмочный замер для целевого Intel Core i5. Методика и качественное сравнение:
+длительностью 43:37. Это не приёмочный замер для целевого Intel Core i5.
+Методика и качественное сравнение:
 [benchmark GigaAM и Whisper](docs/benchmarks/2026-08-11-gigaam-model-comparison.md).
 
 > **Рекомендация**: для готового читаемого русского текста
 > используйте `gigaam-v3-e2e-rnnt`, для последующей машинной обработки — более
-> точный по словам `gigaam-v3` без пунктуации. Вывод проверен на трёх реальных
+> точный по словам `gigaam-v3` без пунктуации. Для смешанной речи с приоритетом
-> записях общей длительностью 43:37. `parakeet-v3` на русском воспроизводит
+> качества используйте `gigaam-multilingual-large-ctc`: она примерно вдвое
-> проблемы из [ADR-005](docs/adr/005-parakeet-evaluation.md).
+> медленнее small-варианта, но приблизилась к monolingual GigaAM по WER.
+> `parakeet-v3` на русском воспроизводит проблемы из
+> [ADR-005](docs/adr/005-parakeet-evaluation.md).
 
-GigaAM Multilingual сама распознаёт русский, английский, казахский, кыргызский и
+Обе GigaAM Multilingual сами распознают русский, английский, казахский,
-узбекский внутри одной записи. `onnx-asr` не передаёт этой модели подсказку
+кыргызский и узбекский внутри одной записи. `onnx-asr` не передаёт этим моделям
-языка, поэтому `--language` не управляет её выбором языка.
+подсказку языка, поэтому `--language` не управляет выбором языка.
 
 Для моделей из таблицы опубликованы `int8` и `float32`. Если неявный
 device-aware дефолт недоступен для выбранной модели, CLI сообщит о подстановке

docs/backlog.md

@@ -10,6 +10,11 @@
 
 ### Переоценка CPU-дефолта после обновления `onnx-asr` 0.12
 
+**Промежуточный статус 2026-08-11:** короткая матрица на трёх записях завершена
+и описана в [benchmark GigaAM и Whisper](benchmarks/2026-08-11-gigaam-model-comparison.md).
+Multilingual Large добавлена как явный качественный профиль; решение о default
+по-прежнему ждёт целевого Intel Core i5 и длинных негативных примеров.
+
 **Проблема:** текущий CPU-путь через OpenVINO Whisper medium нестабилен на
 длинных записях с тихими участками: модель генерирует правдоподобные повторы и
 несуществующий текст. На файле `2026-07-29 13-58-39.mp4` разговор заканчивается
@@ -28,7 +33,7 @@
    Python 3.10.
    Шаг 1 в части onnx-пути вынесен в отдельную работу —
    [спека «Onnx-каталог, Python 3.13 и границы версий»](specs/2026-08-11-onnx-model-catalog.md): движок
-   обновляется, три модели становятся поддерживаемыми, дефолт и OpenVINO не
+   обновляется, четыре модели становятся поддерживаемыми, дефолт и OpenVINO не
    трогаются намеренно, чтобы сохранить точку отсчёта для будущего сравнения.
 2. После интеграционных тестов провести сравнительный бенчмарк моделей. Не
    менять CPU-дефолт только по model card или результату на одном файле.

docs/benchmarks/2026-08-11-gigaam-model-comparison.md

@@ -5,6 +5,7 @@
 **Статус:** завершённый benchmark на трёх записях
 
 **Машина:** AMD Ryzen 7 8845H, Windows, CPU
+
 **Квантизация ONNX:** int8
 
 ## Цель
@@ -40,6 +41,7 @@
 | OpenVINO medium | 190,6 с | 4,67× | **23,9%** | 187 |
 | GigaAM v3 | **72,6 с** | **12,27×** | 26,5% | 0 |
 | GigaAM Multilingual CTC | 84,8 с | 10,51× | 27,9% | 0 |
+| GigaAM Multilingual Large CTC | 192,0 с | 4,64× | 27,5% | 0 |
 | GigaAM v3 E2E RNN-T | 76,1 с | 11,71× | 29,0% | 326 |
 | GigaAM v3 E2E CTC | **72,6 с** | **12,27×** | 31,8% | 338 |
 
@@ -55,11 +57,13 @@ cached-прогон для точного замера.
 |---|---|---:|---:|---:|
 | RSQM | GigaAM v3 | 75,1 с | 11,25× | **23,1%** |
 | RSQM | Multilingual CTC | 82,7 с | 10,21× | 24,4% |
+| RSQM | Multilingual Large CTC | 163,4 с | 5,17× | 23,8% |
 | RSQM | E2E RNN-T | 72,8 с | 11,60× | 25,4% |
 | RSQM | E2E CTC | **71,1 с** | **11,88×** | 28,0% |
 | RSQM | FasterWhisper medium | 686,1 с | 1,23× | **19,7%** |
 | DataCat | GigaAM v3 | **74,8 с** | **11,79×** | 27,5% |
 | DataCat | Multilingual CTC | 94,2 с | 9,36× | 27,9% |
+| DataCat | Multilingual Large CTC | 189,6 с | 4,65× | 26,7% |
 | DataCat | E2E RNN-T | 78,0 с | 11,31× | **26,4%** |
 | DataCat | E2E CTC | 76,0 с | 11,60× | 28,3% |
 | DataCat | FasterWhisper medium | 954,5 с | 0,92× | **21,9%** |
@@ -77,6 +81,7 @@ WER ниже посчитан как micro-average: сумма ошибок по
 |---|---:|---:|---:|---:|
 | FasterWhisper medium CPU | 2511,6 с* | 1,04× | **20,9%** | 269 |
 | GigaAM v3 | 222,5 с | 11,76× | **26,0%** | 0 |
+| GigaAM Multilingual Large CTC | 545,0 с | 4,80× | **26,2%** | 0 |
 | GigaAM v3 E2E RNN-T | 226,9 с | 11,54× | 26,9% | 290 |
 | GigaAM Multilingual CTC | 261,7 с | 10,00× | 26,9% | 0 |
 | GigaAM v3 E2E CTC | **219,7 с** | **11,91×** | 29,3% | 305 |
@@ -86,8 +91,10 @@ FasterWhisper включал ещё около 263 секунд загрузки
 прогретом кеше — 686,1 и 954,5 секунды соответственно.
 
 RNN-T оказалась лишь на 2% медленнее обычного GigaAM по суммарному времени.
-Multilingual медленнее обычного GigaAM на 18%, а выигрыш E2E CTC относительно
+Multilingual Small медленнее обычного GigaAM на 18%, а выигрыш E2E CTC
-RNN-T составляет только 3% и не компенсирует ухудшение текста.
+относительно RNN-T составляет только 3% и не компенсирует ухудшение текста.
+Multilingual Large в 2,08 раза медленнее Small и в 2,45 раза медленнее обычного
+GigaAM, но всё ещё в 4,6 раза быстрее FasterWhisper.
 
 ## Качественное чтение
 
@@ -109,6 +116,10 @@ RNN-T составляет только 3% и не компенсирует ух
   `иnженter`, `мetднные`, `оrкl`, `линейдgами`.
 - Multilingual CTC не улучшила даже терминологически насыщенный DataCat и
   оказалась на 15–26% медленнее обычного GigaAM на новых записях.
+- Multilingual Large CTC улучшила Small на всех трёх записях и почти сравнялась
+  с monolingual GigaAM по совокупному WER: 26,2% против 26,0%. При ручном
+  чтении скрытой деградации не найдено, но пунктуации по-прежнему нет, а термины
+  передаются преимущественно фонетически (`файнбиай`, `найфай`, `терадата`).
 
 Длинных автономных галлюцинаций не найдено. Есть локальные потенциально
 опасные искажения имён и терминов: `Иришка`, `Lutriness`, «расчёт
@@ -131,8 +142,11 @@ FasterWhisper лучше сохраняет `API`, `ETL`, `Open Platform`; об
 - Для последующей машинной обработки, поиска или собственной расстановки
   пунктуации — `gigaam-v3`: лучший совокупный WER среди быстрых ONNX-вариантов
   и более стабильный сырой текст.
-- `gigaam-v3-e2e-ctc` и `gigaam-multilingual-ctc` на этой записи преимуществ
+- Для смешанной речи с приоритетом качества сырого текста —
-  не показали.
+  `gigaam-multilingual-large-ctc`. Она устойчиво лучше Small и почти равна
+  monolingual GigaAM по WER, но требует 545 секунд против 262 секунд на том же
+  наборе. Small остаётся вариантом с приоритетом скорости.
+- `gigaam-v3-e2e-ctc` преимуществ на этом наборе не показала.
 - FasterWhisper medium остаётся выбором для важных записей с плотной
   терминологией, если допустима обработка около realtime. По трём файлам она в
   11 раз медленнее GigaAM ради снижения WER примерно на 5–6 процентных пунктов.

docs/specs/2026-08-11-onnx-model-catalog.md

@@ -14,9 +14,11 @@
 ## Что делаем
 
 Снимаем ограничение версии, поднимаем `onnx-asr` до 0.12 и делаем
-поддерживаемыми три модели:
+поддерживаемыми четыре модели:
 
-- `gigaam-multilingual-ctc` — смешанная речь с англоязычными терминами;
+- `gigaam-multilingual-ctc` и `gigaam-multilingual-large-ctc` — смешанная речь
+  с англоязычными терминами; large добавлена после сравнительного benchmark по
+  явному решению пользователя;
 - `gigaam-v3-e2e-ctc` и `gigaam-v3-e2e-rnnt` — пунктуация и нормализация текста.
 
 Каталог моделей в бэкенде хранит, помимо имени, опубликованные для модели
@@ -142,9 +144,10 @@ Python и зависимости при неизменных моделях —
 - **скорость на Intel Core i5 не измерялась.** Замеры делаются на Ryzen 7
   8845H и записываются как наблюдение с указанием CPU — для решения о
   CPU-дефолте этого недостаточно;
-- **качество моделей друг относительно друга не измерялось.** Ручная проверка
+- **качество моделей измерено предварительно на трёх 14–15-минутных записях.**
-  отвечает на вопрос «работает ли», а не «лучше ли»; сравнение — отдельная
+  Результат фиксирует WER, скорость и ручное чтение, но не заменяет приёмку на
-  работа, см. [backlog](../backlog.md).
+  целевом Intel Core i5 и длинных записях; см.
+  [benchmark](../benchmarks/2026-08-11-gigaam-model-comparison.md).
 
 Пошаговый чеклист и практика прогона нужны только на время работ и живут в
 задаче трекера
@@ -153,8 +156,9 @@ Python и зависимости при неизменных моделях —
 
 ## Документация
 
-README: три модели в таблицу ONNX-моделей. Рекомендация остаётся прежней —
+README: четыре модели в таблицу ONNX-моделей. Для русского без пунктуации
-`gigaam-v3` для русского — пока нет данных, чтобы её менять; у новых моделей
+рекомендуется `gigaam-v3`, для готового читаемого текста — E2E RNN-T, для
-стоит оговорка, что скорость на слабых CPU не измерялась. Требование Python
+смешанной речи с приоритетом качества — multilingual large. Скорость на слабых
+CPU не измерялась. Требование Python
 правится в [`docs/PRD.md`](../PRD.md) — раздел «Требования» и таблица
 технологий; в README версии Python не упоминаются.

src/local_transcriber/backends/onnx_asr.py

@@ -30,6 +30,10 @@ MODEL_CATALOG: dict[str, OnnxModelSpec] = {
         "gigaam-multilingual-ctc",
         _INT8_AND_FLOAT32,
     ),
+    "gigaam-multilingual-large-ctc": OnnxModelSpec(
+        "gigaam-multilingual-large-ctc",
+        _INT8_AND_FLOAT32,
+    ),
     "gigaam-v3-e2e-ctc": OnnxModelSpec(
         "gigaam-v3-e2e-ctc",
         _INT8_AND_FLOAT32,

tests/test_onnx_asr.py

@@ -36,6 +36,7 @@ class TestEnsureModelAvailable:
         "model_name",
         [
             "gigaam-multilingual-ctc",
+            "gigaam-multilingual-large-ctc",
             "gigaam-v3-e2e-ctc",
             "gigaam-v3-e2e-rnnt",
         ],