docs(benchmark): расширено сравнение моделей на русских встречах

- Зачем:
  - выбор CPU-модели должен опираться на несколько реальных записей, а не на единичный прогон.
- Что:
  - добавлены скорость, WER и качественное сравнение пяти моделей на трёх встречах.
  - обновлены рекомендации README и открытый вопрос ADR-006 для E2E RNN-T.
- Проверка:
  - git diff --cached --check.

README.md

@@ -286,14 +286,14 @@ language = "en"
 | `parakeet-v3` | ~600 MB | 12-20× | 25 языков | ✅ |
 
 \* Наблюдение на AMD Ryzen 7 8845H, Windows, `int8`, запись 14:51. Это не
-приёмочный замер для целевого Intel Core i5.
+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 русского по-прежнему используйте проверенный `gigaam-v3`
+> **Рекомендация**: для готового читаемого русского текста
-> (см. [ADR-006](docs/adr/006-onnx-asr-backend.md)). E2E-модели добавляют
+> используйте `gigaam-v3-e2e-rnnt`, для последующей машинной обработки — более
-> пунктуацию и нормализацию, но их скорость на слабых CPU не измерялась;
+> точный по словам `gigaam-v3` без пунктуации. Вывод проверен на трёх реальных
-> `gigaam-v3-e2e-rnnt` декодирует последовательно и особенно медленна на длинных
+> записях общей длительностью 43:37. `parakeet-v3` на русском воспроизводит
-> записях. `parakeet-v3` на русском воспроизводит проблемы из
+> проблемы из [ADR-005](docs/adr/005-parakeet-evaluation.md).
-> [ADR-005](docs/adr/005-parakeet-evaluation.md).
 
 GigaAM Multilingual сама распознаёт русский, английский, казахский, кыргызский и
 узбекский внутри одной записи. `onnx-asr` не передаёт этой модели подсказку

docs/adr/006-onnx-asr-backend.md

@@ -121,7 +121,10 @@ Mm-hmm-редукция и иностранные вставки **не обна
 ## 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.
+- **GigaAM v3 E2E RNN-T** протестирована позднее на трёх 14–15-минутных
+  записях: она практически равна обычному GigaAM по скорости и даёт готовую
+  пунктуацию, но немного уступает по совокупному WER. Результаты и обновлённая
+  рекомендация: [benchmark 2026-08-11](../benchmarks/2026-08-11-gigaam-model-comparison.md).
 - **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).
 

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

@@ -0,0 +1,156 @@
+# Сравнение GigaAM v3, E2E и Whisper на русских встречах
+
+**Дата:** 2026-08-11
+
+**Статус:** завершённый benchmark на трёх записях
+
+**Машина:** AMD Ryzen 7 8845H, Windows, CPU
+**Квантизация ONNX:** int8
+
+## Цель
+
+Выбрать практический CPU-профиль на случай, когда OpenVINO недоступен или
+нестабилен. Сравниваются скорость, близость к внешнему транскрипту, сохранность
+смысла и терминов, пунктуация и пригодность результата для чтения.
+
+Внешний транскрипт используется как неточный ориентир, а не ground truth: он
+сам содержит ошибки, редактирует разговорную речь и добавляет диаризацию.
+Поэтому WER — сравнительный сигнал внутри одного файла, а не абсолютная оценка.
+
+## Набор данных
+
+Три реальные записи общей длительностью 43:37:
+
+| Запись | Длительность | Характер речи | Ориентир |
+|---|---:|---|---|
+| Уточнение задачи BDMA | 14:51 | 2 говорящих, русский с IT-терминами | внешний транскрипт |
+| RSQM, внутренний дейлик | 14:04 | 5 говорящих, короткие реплики и задачи | внешний транскрипт с диаризацией |
+| DataCat, обсуждение архитектуры | 14:42 | 3 говорящих, высокая плотность английских терминов | внешний транскрипт с диаризацией |
+
+Сырые записи и внешние транскрипты не коммитятся в репозиторий.
+
+## Запись 1: уточнение задачи BDMA
+
+Файл `2026-07-29 T2 BDMA уточнение задачи от Ильи.mp4`, длительность 14:51,
+преимущественно русская речь с IT- и продуктовыми терминами.
+
+| Модель | Время | RTFx | WER к внешнему тексту | Пунктуация / 1000 слов |
+|---|---:|---:|---:|---:|
+| FasterWhisper medium CPU | 1133,9 с* | 0,79×* | **20,8%** | 313 |
+| 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 v3 E2E RNN-T | 76,1 с | 11,71× | 29,0% | 326 |
+| GigaAM v3 E2E CTC | **72,6 с** | **12,27×** | 31,8% | 338 |
+
+\* FasterWhisper включает около 263 секунд первой загрузки модели. Оценка
+самого распознавания — около 871 секунды, то есть 1,02× RTFx. Нужен отдельный
+cached-прогон для точного замера.
+
+Все модели дошли до конца записи без предупреждений о потере хвоста.
+
+## Расширенный прогон
+
+| Запись | Модель | Время | RTFx | WER |
+|---|---|---:|---:|---:|
+| RSQM | GigaAM v3 | 75,1 с | 11,25× | **23,1%** |
+| RSQM | Multilingual CTC | 82,7 с | 10,21× | 24,4% |
+| 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 | 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%** |
+
+Все модели обработали записи до конца. Разрыв между длительностью файла и
+последним сегментом составил 0,3–5,9 секунды, предупреждений о потере хвоста или
+повторах не было.
+
+### Сводка по трём записям
+
+WER ниже посчитан как micro-average: сумма ошибок по трём файлам делится на
+суммарное число слов во внешних транскриптах.
+
+| Модель | Суммарное время | RTFx | WER | Пунктуация / 1000 слов |
+|---|---:|---:|---:|---:|
+| FasterWhisper medium CPU | 2511,6 с* | 1,04× | **20,9%** | 269 |
+| GigaAM v3 | 222,5 с | 11,76× | **26,0%** | 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 |
+
+\* Для BDMA использована оценка 871 секунд чистого inference: первый запуск
+FasterWhisper включал ещё около 263 секунд загрузки. RSQM и DataCat измерены на
+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
+RNN-T составляет только 3% и не компенсирует ухудшение текста.
+
+## Качественное чтение
+
+Независимый reviewer сначала прочитал полные тексты без таблицы метрик, затем
+сверил вывод с WER:
+
+- FasterWhisper лучше сохраняет логику разговора и техническую лексику:
+  `Teradata`, `ClickHouse`, `ETL`, `legacy`, `MPP`, `SAP/BW/HANA`, `GUI`,
+  `Apex`. Значимых пропусков целых смысловых фрагментов не обнаружено.
+- OpenVINO близок к FasterWhisper, но чаще склеивает слова и иногда локально
+  меняет смысл: около 00:59 «расчёт маржинальности называется» превращается в
+  «расчёт маржинальности не бывает».
+- Обычный GigaAM v3 сохраняет почти весь смысл, числа и структуру обсуждения,
+  но фонетические ошибки и отсутствие пунктуации ухудшают чтение и поиск.
+- E2E RNN-T читается лучше обычного GigaAM и устойчивее E2E CTC, но агрессивно
+  дробит живую речь. На DataCat она лучше обычного GigaAM по WER, однако на
+  BDMA и RSQM хуже на 2,3–2,5 процентного пункта.
+- E2E CTC даёт больше обрывков, ложных границ и смешанных артефактов:
+  `иnженter`, `мetднные`, `оrкl`, `линейдgами`.
+- Multilingual CTC не улучшила даже терминологически насыщенный DataCat и
+  оказалась на 15–26% медленнее обычного GigaAM на новых записях.
+
+Длинных автономных галлюцинаций не найдено. Есть локальные потенциально
+опасные искажения имён и терминов: `Иришка`, `Lutriness`, «расчёт
+маржинальности не бывает», «расчёты по губам», «понюхаю дело».
+
+На RSQM FasterWhisper сохраняет `edge-кейсы`, `Confluence` и `Backlog`; GigaAM
+передаёт их фонетически и нестабильно (`еджкейсы`, `ичкейсы`). На DataCat
+FasterWhisper лучше сохраняет `API`, `ETL`, `Open Platform`; обычный GigaAM
+хорошо удерживает сам смысл архитектурного обсуждения и большинство названий
+фонетически. RNN-T делает текст визуально аккуратнее, но название одного и того
+же продукта может плавать между `Fine BI`, `Fine Bia`, `FNB`, а `API` — между
+`API`, `AP`, `пи`.
+
+## Рекомендация
+
+- Для чтения человеком без дополнительного постпроцессинга —
+  `gigaam-v3-e2e-rnnt`: по трём записям всего на 2% медленнее обычного GigaAM,
+  но уже содержит пунктуацию и нормализацию. Это выбор цена/качество, а не
+  максимум дословной точности.
+- 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
+  не показали.
+- 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.
+  На CUDA соотношение необходимо измерять отдельно.
+
+Три записи подтверждают RNN-T как практический профиль для готового текста, но
+не дают оснований молча менять общий default: существующие пользователи могут
+предпочитать более точный сырой `gigaam-v3`, а пунктуация RNN-T заметно дробит
+живую речь. Лучше выразить выбор явными профилями CLI или конфигурации.
+
+## Воспроизводимость
+
+Для каждого ONNX-профиля использовалась команда вида:
+
+```powershell
+uv run transcribe <recording.mp4> --device onnx --model <model> --compute-type int8
+```
+
+Время измерялось на прогретом кеше модели. WER считался после удаления
+метаданных и таймкодов, приведения к нижнему регистру, замены `ё` на `е` и
+удаления пунктуации.