feat(onnx): изменена модель по умолчанию на GigaAM RNN-T

- Зачем:
  - пользователям нужен читаемый транскрипт без обязательной LLM-обработки.
- Что:
  - моделью ONNX по умолчанию выбрана `gigaam-v3-e2e-rnnt`.
  - сохранён явный профиль `gigaam-v3` для более точного сырого текста.
  - обновлены тест, README, спецификация, ADR и benchmark.
- Проверка:
  - `uv run pytest -q` — 226 passed, 1 skipped.
  - `git diff --check`.

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
 ```
@@ -248,14 +251,15 @@ language = "en"
 
 | Параметр | CUDA | OpenVINO (GPU) | OpenVINO (CPU) | ONNX | CPU |
 |----------|------|----------------|----------------|------|-----|
-| model | medium | medium | medium | gigaam-v3 | medium |
+| model | medium | medium | medium | gigaam-v3-e2e-rnnt | medium |
 | compute_type | float16 | int8 | int8 | int8 | float32 |
 | language | ru | ru | ru | ru | ru |
 
 ## Модели и GPU
 
 Рекомендации:
-- **По умолчанию:** `medium` — хороший баланс скорости и качества
+- **По умолчанию для ONNX:** `gigaam-v3-e2e-rnnt` — читаемый русский текст с
+  пунктуацией почти без потери скорости относительно сырого `gigaam-v3`
 - **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)
@@ -280,24 +284,29 @@ 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 | ✅ |
-| `parakeet-v3` | ~600 MB | 12-20× | 25 языков | ✅ |
+| `gigaam-v3-e2e-rnnt` | ~300 MB | 11,5×* | ru | ✅ |
+| `parakeet-v3` | ~600 MB | 7,6×* | 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
+> **Рекомендация**: ONNX по умолчанию использует `gigaam-v3-e2e-rnnt` для
-> используйте `gigaam-v3-e2e-rnnt`, для последующей машинной обработки — более
+> готового читаемого русского текста. Для последующей машинной обработки можно
-> точный по словам `gigaam-v3` без пунктуации. Вывод проверен на трёх реальных
+> явно выбрать более точный по словам `gigaam-v3` без пунктуации. Для смешанной
-> записях общей длительностью 43:37. `parakeet-v3` на русском воспроизводит
+> речи с приоритетом 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` в 1,58 раза быстрее Large и ставит пунктуацию, но на тех же
+> трёх записях хуже по WER и вставляет ложные английские фразы в русскую речь;
+> это подтверждает 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/adr/006-onnx-asr-backend.md

@@ -1,7 +1,8 @@
-# ADR-006: onnx-asr бэкенд — GigaAM v3 как CPU-default для русских встреч
+# ADR-006: GigaAM RNN-T как модель по умолчанию для ONNX-пути
 
 **Статус**: Принято
 **Дата**: 2026-04-25
+**Обновлено**: 2026-08-11
 
 ## Контекст
 
@@ -100,19 +101,27 @@ Mm-hmm-редукция и иностранные вставки **не обна
 
 ## Решение
 
-**Принять onnx-asr как экспериментальный бэкенд с явным `--device onnx`. GigaAM v3 — рекомендуемая модель для русских встреч на CPU.**
+**Принять onnx-asr как экспериментальный бэкенд с явным `--device onnx`.
+GigaAM v3 E2E RNN-T — модель по умолчанию 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.
+- **`gigaam-v3-e2e-rnnt`** — модель по умолчанию: практически равна обычному
+  GigaAM по скорости, немного уступает по WER, но выдаёт готовую пунктуацию для
+  пользователей, которые читают транскрипт напрямую.
+- **`gigaam-v3`** — явный профиль для последующей машинной обработки. 17-29×
+  RTF, summary utility 4/5 на всех протестированных файлах. Без пунктуации и
+  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).
+Все перечисленные модели доступны в int8-квантизации.
 
 ## 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).
+- Пользователи ONNX без явного `--model` получают пунктуацию и нормализацию
+  RNN-T; более точный сырой CTC остаётся доступен как `--model gigaam-v3`.
 - 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).
@@ -121,10 +130,6 @@ 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 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/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
@@ -29,6 +30,21 @@
 
 Сырые записи и внешние транскрипты не коммитятся в репозиторий.
 
+### Манифест файлов
+
+На тестовом ноутбуке все файлы находятся в `C:\Users\ddmitry\Videos\OBS`.
+Размер и SHA-256 позволяют проверить, что в повторном прогоне используется та
+же версия записи или ориентира.
+
+| Набор | Роль | Имя файла | Размер, байт | SHA-256 |
+|---|---|---|---:|---|
+| BDMA | видео | `2026-07-29 T2 BDMA уточнение задачи от Ильи.mp4` | 19 216 865 | `51866D247FE3EDA134CDD884F707B1F1DB8855B492E8BD14D2B56B62476255ED` |
+| BDMA | ориентир | `2026-07-29 T2 BDMA уточнение задачи от Ильи.md` | 18 000 | `9098548743A86F868DFCDD906BCDE34ED1CE5A935602CBE399F4BCEDA8685B3C` |
+| RSQM | видео | `2026-02-18 RSQM дейлик внутренний.mp4` | 19 694 785 | `E72000BE43A5E04BFB670B0A16D85D8AEA51A02A285ED778FF5726767E97E9B0` |
+| RSQM | ориентир | `2026-02-18 RSQM дейлик внутренний_transcript.md` | 16 128 | `260DF5D6964817434092005936127C0DC2C22682B7CB20FF07D14C5D81B8D287` |
+| DataCat | видео | `2026-03-23 T2 DataCat - архитектура в контуре заказчика - первое обсуждение с Машей.mp4` | 22 584 108 | `ACFF960A68AAA6A305F7E7053BB0642B5DA265B68865ABD018E7C9A8980AC3F5` |
+| DataCat | ориентир | `2026-03-23 T2 DataCat - архитектура в контуре заказчика - первое обсуждение с Машей-transcript-whsper.md` | 24 874 | `7943944A0A046EAA3A1384CAC47D36B381FBEF2FCFDF18089411619F00725456` |
+
 ## Запись 1: уточнение задачи BDMA
 
 Файл `2026-07-29 T2 BDMA уточнение задачи от Ильи.mp4`, длительность 14:51,
@@ -40,6 +56,8 @@
 | 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 |
+| Parakeet v3 | 119,2 с | 7,47× | 28,2% | 338 |
 | 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 +73,15 @@ 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 | Parakeet v3 | 103,7 с | 8,14× | 29,1% |
 | 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 | Parakeet v3 | 122,7 с | 7,19× | 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%** |
@@ -77,8 +99,10 @@ 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 |
+| Parakeet v3 | 345,6 с | 7,57× | 28,3% | 301 |
 | GigaAM v3 E2E CTC | **219,7 с** | **11,91×** | 29,3% | 305 |
 
 \* Для BDMA использована оценка 871 секунд чистого inference: первый запуск
@@ -86,8 +110,30 @@ 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.
+
+### GigaAM Multilingual Large против Parakeet v3
+
+Large точнее Parakeet на каждой записи: 27,5% против 28,2% WER на BDMA,
+23,8% против 29,1% на RSQM и 26,7% против 27,9% на DataCat. В сумме Large
+получила 26,2% WER против 28,3%. Особенно заметна разница в пропусках:
+103 удаления у Large против 264 у Parakeet.
+
+Parakeet обработала набор за 345,6 секунды против 545,0 секунды у Large, то
+есть была в 1,58 раза быстрее, и сразу расставила пунктуацию. Однако ручное
+чтение выявило частые ложные переключения языка. В русских репликах RSQM
+появляются `Yeah`, `No`, `Just die`, `What foo`; в DataCat — `Don't`,
+`Skid of all`, `Talk no`, `Boy`. Это не единичная орфографическая ошибка, а
+искажение обычной русской речи. Large в тех же местах сохраняет русский смысл,
+хотя передаёт английские термины фонетически и не ставит пунктуацию.
+
+На этом массиве Large предпочтительнее по качеству и сохранности содержания.
+Parakeet интересна как более быстрый вариант с пунктуацией, но для русских
+встреч требует обязательной ручной проверки и не рекомендуется как основной
+профиль.
 
 ## Качественное чтение
 
@@ -109,6 +155,13 @@ 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`).
+- Parakeet v3 быстрее Large и выдаёт пунктуацию, но хуже по WER на всех трёх
+  записях, чаще пропускает слова и вставляет ложные английские фразы в русскую
+  речь. Для этого массива преимущество в читаемости не компенсирует искажения.
 
 Длинных автономных галлюцинаций не найдено. Есть локальные потенциально
 опасные искажения имён и терминов: `Иришка`, `Lutriness`, «расчёт
@@ -131,17 +184,23 @@ 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.
+- `parakeet-v3` в 1,58 раза быстрее Large и содержит пунктуацию, однако хуже
+  по WER на всех трёх записях и нестабилен на русской речи. Использовать его
+  стоит только там, где скорость и готовая пунктуация важнее сохранности текста.
+- `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.
   На CUDA соотношение необходимо измерять отдельно.
 
-Три записи подтверждают RNN-T как практический профиль для готового текста, но
+По итогам сравнения и обсуждения двух основных сценариев RNN-T выбрана моделью
-не дают оснований молча менять общий default: существующие пользователи могут
+по умолчанию для явного `--device onnx`: небольшая потеря дословной точности
-предпочитать более точный сырой `gigaam-v3`, а пунктуация RNN-T заметно дробит
+принята ради читаемого результата с пунктуацией. Для LLM-пайплайнов и поиска,
-живую речь. Лучше выразить выбор явными профилями CLI или конфигурации.
+где важнее сырой текст, `gigaam-v3` остаётся явным профилем.
 
 ## Воспроизводимость
 
@@ -151,6 +210,8 @@ FasterWhisper лучше сохраняет `API`, `ETL`, `Open Platform`; об
 uv run transcribe <recording.mp4> --device onnx --model <model> --compute-type int8
 ```
 
+Для всех прогонов явно передавался язык `--language ru`.
+
 Время измерялось на прогретом кеше модели. WER считался после удаления
 метаданных и таймкодов, приведения к нижнему регистру, замены `ё` на `е` и
 удаления пунктуации.

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
@@ -81,11 +83,18 @@ CTranslate2, а onnx-путь ставится в CPU-варианте.
 
 Конкретные номера берутся из `uv.lock` при реализации.
 
+## Последующее решение о модели по умолчанию
+
+После сравнительного прогона на трёх реальных записях и обсуждения двух
+основных потребителей транскрипта модель `gigaam-v3-e2e-rnnt` выбрана моделью
+по умолчанию для явного `--device onnx`. Она всего на 2% медленнее сырого
+`gigaam-v3`, но выдаёт пунктуацию для чтения человеком; `gigaam-v3` остаётся
+явным профилем с приоритетом дословной точности и последующей обработки LLM.
+Это решение не включает ONNX в auto-detect.
+
 ## Чего не делаем
 
-- Не меняем модель по умолчанию и auto-detect: `gigaam-v3` остаётся дефолтом
+- Не меняем auto-detect: ONNX остаётся только явным выбором пользователя.
-  `--device onnx`. Решение о CPU-дефолте требует замеров на целевом Intel Core
-  i5, которого сейчас нет в доступе.
 - Не обновляем OpenVINO, OpenVINO GenAI и CTranslate2. Whisper medium на
   OpenVINO — то, с чем сравниваются новые модели; менять его движок
   одновременно значит потерять точку отсчёта. Верхние границы версий им при
@@ -142,9 +151,10 @@ 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 +163,10 @@ Python и зависимости при неизменных моделях —
 
 ## Документация
 
-README: три модели в таблицу ONNX-моделей. Рекомендация остаётся прежней —
+README: поддерживаемые модели добавляются в таблицу ONNX-моделей. Для готового
-`gigaam-v3` для русского — пока нет данных, чтобы её менять; у новых моделей
+читаемого русского текста и как модель по умолчанию используется E2E RNN-T,
-стоит оговорка, что скорость на слабых CPU не измерялась. Требование Python
+для русского без пунктуации и LLM-пайплайнов остаётся явный `gigaam-v3`, для
+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,

src/local_transcriber/config.py

@@ -17,7 +17,7 @@ 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"},
+    "onnx": {"model": "gigaam-v3-e2e-rnnt", "compute_type": "int8"},
 }
 
 # Одно место правды для допустимых ключей конфига

tests/test_config.py

@@ -113,6 +113,21 @@ def test_apply_device_defaults_cpu():
     assert result["compute_type"] == "float32"
 
 
+def test_apply_device_defaults_onnx_uses_readable_model():
+    defaults = {
+        "model": "medium",
+        "language": "ru",
+        "device": "auto",
+        "compute_type": "float32",
+    }
+    cli = {"model": None, "language": None, "device": None, "compute_type": None}
+
+    result = apply_device_defaults(defaults, "onnx", cli, {})
+
+    assert result["model"] == "gigaam-v3-e2e-rnnt"
+    assert result["compute_type"] == "int8"
+
+
 def test_apply_device_defaults_cli_overrides():
     defaults = {"model": "large-v3", "language": "ru", "device": "auto", "compute_type": "int8"}
     cli = {"model": "large-v3", "language": None, "device": None, "compute_type": "int8"}

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",
         ],