feat(openvino): добавить medium fp16 модель как опцию

OpenVINO/whisper-medium-fp16-ov доступна через --compute-type fp16. На CPU fp16 эмулируется программно (медленно), но на Intel Arc GPU даёт аппаратное ускорение через XMX. Не меняет дефолты. Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>
docs: результаты оптимизации потоков CT2 int8_float32
2026-03-24 09:46:04 +03:00 · 2026-03-24 09:05:15 +03:00 · 2026-03-23 23:23:58 +03:00 · 2026-03-23 18:24:11 +03:00 · 2026-03-23 16:45:14 +03:00 · 2026-03-23 16:23:02 +03:00
31 changed files with 518 additions and 2406 deletions
@@ -4,6 +4,3 @@ __pycache__/
 .mypy_cache/
 dist/
 *.pyc
 .codex
 .qwen/
 .scratch/
@@ -1,77 +0,0 @@
 # CLAUDE.md
 This file provides guidance to Claude Code (claude.ai/code) when working with code in this repository.
 ## Project
 Local audio/video transcription CLI — no cloud, no API keys. Outputs markdown with timestamps.
 **Language conventions**: code identifiers in English; docstrings, comments, UI strings, and commit messages in Russian. Style is ruff-compatible. Commits follow [Conventional Commits](https://www.conventionalcommits.org/).
 ## Commands
 ```bash
 uv sync                            # install dependencies
 uv run transcribe meeting.mp4      # run CLI
 uv run pytest                      # run all tests
 uv run pytest tests/test_cli.py    # run one test file
 uv run pytest -k test_name         # run single test by name
 uv run pytest -v                   # verbose output
 ```
 Package manager is **uv** (not pip). Build backend is hatchling.
 ## Architecture
 ```
 CLI (cli.py)
  → config.py      cascade: CLI arg → .transcriber.toml → device-aware default → hardcoded
  → utils.py       detect_device(), validate files, expand globs (Windows workaround)
  → context_menu.py Windows SendTo: Transcribe.cmd install/uninstall (--install-menu / --uninstall-menu)
  → transcriber.py load_model() → get_backend(device) → ensure_model_available → create_model
                    _transcribe_file() with mid-stream CUDA→CPU fallback
  → formatter.py   segments → markdown with timestamps, paragraph grouping (>2s pause or >60s)
 ```
 ### Backend system (`src/local_transcriber/backends/`)
 Three backends implement the `Backend` Protocol (structural typing, no inheritance required):
 | Backend | Module | Devices | Library |
 |---------|--------|---------|---------|
 | FasterWhisper | `faster_whisper.py` | `cpu`, `cuda` | `faster_whisper` (CTranslate2) |
 | OpenVINO | `openvino.py` | `openvino`, `openvino-gpu`, `openvino-cpu` | `openvino_genai` |
 | OnnxAsr | `onnx_asr.py` | `onnx` | `onnx_asr` (onnxruntime) |
 `get_backend(device)` in `backends/__init__.py` maps device string to backend with lazy imports.
 ### Key design decisions
 - **Two-level fallback**: GPU→CPU at model load time AND mid-stream during transcription (GPU visible via nvidia-smi but insufficient VRAM).
 - **CUDA bootstrap** (`_cuda_bootstrap.py`): preloads `libcublas.so.12` via `ctypes.CDLL(RTLD_GLOBAL)` before importing ctranslate2, because pip's `nvidia-cublas-cu12` installs to a non-standard path and `LD_LIBRARY_PATH` can't be changed at runtime (glibc caches it).
 - **Batch mode**: 3-phase pipeline (prescan → load model once → transcribe all). `TranscribeFileResult` carries updated model/backend/device state between files.
 - **Device-aware defaults**: `compute_type` and `model` vary by device (float16 for CUDA, int8 for OpenVINO, float32 for CPU). Defined in `config.py` `DEVICE_DEFAULTS`.
 - **OpenVINO uses pre-quantized models** — `compute_type` selects which HF repo to download, not a runtime parameter.
 ## Testing
 All tests mock backends — no real model downloads or transcription. Key test patterns:
 - CLI tests: `typer.testing.CliRunner` + mocks for `load_config`, `detect_device`, `load_model`, `_transcribe_file`, `write_transcript`
 - `_single_patches()` — helper assembling standard happy-path mock set
 - `_make_result()` / `_make_tfr()` — factories for test data
 ## Common tasks
 - **New CLI option**: add `typer.Option` in `cli.py:main()` → add key to `HARDCODED_DEFAULTS` in `config.py` → write test
 - **New audio/video format**: add extension to `SUPPORTED_EXTENSIONS` in `utils.py`
 - **New backend**: implement `Backend` protocol → add device mapping in `backends/__init__.py` → add device-aware defaults in `config.py`
 - **Change output format**: edit `format_transcript()` in `formatter.py`
 ## Project docs
 - `docs/PRD.md` — product requirements and scope
 - `docs/backlog.md` — future experiments and ideas
 - `docs/gpu.md` — GPU benchmarks, platform compatibility details
 - `docs/adr/` — architecture decision records (CUDA bootstrap, batch mode, pluggable backends, compute-type defaults, ONNX-ASR evaluation)
@@ -1 +0,0 @@
@AGENTS.md
@@ -8,9 +8,8 @@ transcribe meeting.mp4
 ```
 - **Полностью локально** — данные не покидают машину
- **Авто-ускорение** — NVIDIA CUDA, Intel GPU (OpenVINO), ONNX (CPU), OpenVINO CPU или CPU fallback
+- **Авто-ускорение** — NVIDIA CUDA, Intel GPU (OpenVINO), OpenVINO CPU или CPU fallback
 - **Батч-режим** — обработка нескольких файлов за один вызов
 - **Из проводника Windows** — пункт Transcribe в меню «Отправить» ([установка](#контекстное-меню-проводника-windows))
 - **Markdown с таймкодами** — удобен для суммаризации ИИ
 - **Аудио и видео** — mp3, wav, mp4, mkv и [другие форматы](#поддерживаемые-форматы)
@@ -115,12 +114,6 @@ transcribe podcast.wav --model large-v3 --compute-type float16
 # Максимальное качество на Intel GPU
 transcribe podcast.wav --model large-v3 --device openvino-gpu
 # Максимальная скорость на CPU (русский)
 transcribe meeting.mp4 --device onnx --model gigaam-v3
 # CPU с пунктуацией (русский, для parakeet-v3 нужен явный язык)
 transcribe podcast.wav --device onnx --model parakeet-v3 --language ru
 # Сохранить в конкретный файл
 transcribe interview.m4a --output result.md
 ```
@@ -145,31 +138,6 @@ transcribe *.mp4 --force
 - При ошибке в одном файле остальные продолжают обрабатываться
 - `--output` несовместим с несколькими файлами
 ### Контекстное меню проводника (Windows)
 Установить пункт `Transcribe` в меню «Отправить»:
 ```bash
 transcribe --install-menu
 ```
 (при запуске из клона репозитория — `uv run transcribe --install-menu`)
 Использование: выделите один или несколько аудио/видеофайлов в проводнике, откройте контекстное меню правой кнопкой. В Windows 11 выберите «Показать дополнительные параметры» или нажмите Shift+F10, затем «Отправить» → «Transcribe». Несколько выделенных файлов передаются в один процесс и обрабатываются одним батчем.
 Удалить пункт меню:
 ```bash
 transcribe --uninstall-menu
 ```
 Если что-то пошло не так, пункт можно удалить вручную: Win+R → `shell:sendto` → удалить `Transcribe.cmd`.
 Известные ограничения:
 - После переноса или пересоздания проекта/venv выполните `--install-menu` заново: внутри `Transcribe.cmd` хранится абсолютный путь к `transcribe.exe`.
 - Очень большой мультивыбор с суммарной длиной путей ≳8000 символов упирается в лимит командной строки cmd.exe. Обрабатывайте такие файлы частями.
 ### Опции CLI
 | Опция | Сокращение | По умолчанию | Описание |
@@ -177,9 +145,8 @@ transcribe --uninstall-menu
 | `--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, openvino, openvino-gpu, openvino-cpu, onnx) |
+| `--device` | `-d` | `auto` | Устройство (auto, cpu, cuda, openvino, openvino-gpu, openvino-cpu) |
-| `--compute-type` | — | float16 (CUDA) / int8 (OpenVINO/ONNX) / float32 (CPU) | Тип вычислений |
+| `--compute-type` | — | float16 (CUDA) / int8 (OpenVINO GPU/CPU) / float32 (CPU) | Тип вычислений |
 | `--threads` | `-t` | 0 (авто) | Потоки CPU (рекомендуется = число физ. ядер) |
 | `--force` | `-f` | — | Перезаписать существующие транскрипты |
 | `--verbose` | `-v` | — | Подробный вывод |
@@ -190,7 +157,6 @@ transcribe --uninstall-menu
 | CPU | ✅ | ✅ | ✅ |
 | OpenVINO (x86 CPU) | ✅ авто | — | ✅ авто |
 | OpenVINO (Intel GPU) | ✅ авто | — | ✅ авто |
 | ONNX (CPU) | ✅ явно | ✅ явно | ✅ явно |
 | GPU (NVIDIA) | ✅ авто | — | ✅ (нужен CUDA 12) |
 <details>
@@ -243,11 +209,11 @@ language = "en"
 Дефолты зависят от устройства:
-| Параметр | CUDA | OpenVINO (GPU) | OpenVINO (CPU) | ONNX | CPU |
+| Параметр | CUDA | OpenVINO (GPU) | OpenVINO (CPU) | CPU |
-|----------|------|----------------|----------------|------|-----|
+|----------|------|----------------|----------------|-----|
-| model | medium | medium | medium | gigaam-v3 | medium |
+| model | medium | medium | medium | medium |
-| compute_type | float16 | int8 | int8 | int8 | float32 |
+| compute_type | float16 | int8 | int8 | float32 |
-| language | ru | ru | ru | ru | ru |
+| language | ru | ru | ru | ru |
 ## Модели и GPU
@@ -255,8 +221,6 @@ language = "en"
 - **По умолчанию:** `medium` — хороший баланс скорости и качества
 - **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)
 - **CPU с пунктуацией (русский):** `--device openvino-cpu --model medium` (5-6× RTF; для встреч ≤30 мин с равномерной громкостью — на длинных файлах с тихими фрагментами возможны галлюцинации)
 - **Быстрый тест:** `tiny` — для проверки пайплайна
 <details>
@@ -270,17 +234,6 @@ language = "en"
 | `medium` | ~1.5 GB | ~2.5 GB | ★★ | ★★★★ |
 | `large-v3` | ~3 GB | ~2.5 GB | ★ | ★★★★★ |
 #### ONNX-модели (`--device onnx`)
 Другие архитектуры, не Whisper. Работают через onnxruntime на CPU:
 | Модель | Размер (int8) | RTFx CPU | Языки | Пунктуация |
 |--------|--------------|----------|-------|-----------|
 | `gigaam-v3` | ~300 MB | 17-29× | ru | ❌ |
 | `parakeet-v3` | ~600 MB | 12-20× | 25 языков | ✅ |
 > **Рекомендация**: для русского — `gigaam-v3` (единственный из onnx-моделей, дающий пригодный для конспекта транскрипт на русских встречах; см. [ADR-006](docs/adr/006-onnx-asr-backend.md)). `parakeet-v3` уместен только для англоязычного / multilingual контента — на русском воспроизводит проблемы из [ADR-005](docs/adr/005-parakeet-evaluation.md) (Mm-hmm-редукция тихих реплик, иноязычные вставки).
 </details>
 <details>
@@ -290,7 +243,6 @@ language = "en"
 |-----|--------|----------|----------|--------------------|
 | `float16` | CUDA | ~4.5-5 GB | Отлично | **По умолчанию для CUDA** |
 | `int8_float16` | CUDA | ~4.7 GB | Отлично | GPU от 6 GB, альтернатива float16 |
 | `int8_float32` | CPU | Среднее | Отлично | **Рекомендуется для CPU** — 1.5x быстрее float32 при том же качестве |
 | `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** |
@@ -1,102 +0,0 @@
 # ADR-005: NVIDIA Parakeet TDT — оценено, отклонено для дефолтного use case
 **Статус**: Отклонено (оставлено в экспериментальной ветке)
 **Дата**: 2026-04-19
 ## Контекст
 ADR-003 и ADR-004 зафиксировали стратегию: CTranslate2 на CPU (качество) +
 OpenVINO (скорость на x86). Оба бэкенда — Whisper. Возникла гипотеза, что
 **NVIDIA Parakeet TDT 0.6B v3** может выйти за пределы этого trade-off: модель
 заявлена multilingual (25 языков включая русский), имеет ONNX-порт
 [istupakov/parakeet-tdt-0.6b-v3-onnx](https://huggingface.co/istupakov/parakeet-tdt-0.6b-v3-onnx),
 работает через `onnx-asr` + Silero VAD. Есть позитивные отзывы (напр.
 приложение Handy использует Parakeet для dictation в реальном времени).
 Основное применение проекта — транскрипция русскоязычных ИТ-встреч
 (ментор ↔ менти, ~15–60 мин, ноутбучный микрофон). Если Parakeet обойдёт
 Whisper medium int8 по скорости при сравнимом качестве, или по качеству при
 сравнимой скорости — это основание поменять дефолт.
 ## Эксперимент
 Реализован полный бэкенд в ветке `feature/parakeet-backend` (ONNX Runtime CPU EP,
 Silero VAD, cache-first model loading). Прогнан автоматический бенчмарк
 на двух 15-минутных отрывках реальных установочных встреч
 (`scripts/quality_bench.py` в ветке), CPU Intel i7-11800H.
 Качество оценивал агент-судья по шкале 1–5 по критериям completeness /
 term accuracy / fluency / summary utility — на пригодность транскрипта
 для построения конспекта без возврата к аудио.
 ### Скорость и ресурсы
 | Отрывок | Бэкенд | Wall | RTFx | Peak RSS |
 |---|---|---|---|---|
 | artur-intro (15 мин) | **parakeet-int8** | 129.5s | **6.92x** | 2.21 GB |
 | artur-intro (15 мин) | openvino-medium-int8 | 354.2s | 2.54x | 3.50 GB |
 | mar15-mid (15 мин) | **parakeet-int8** | 159.6s | **5.64x** | 2.65 GB |
 | mar15-mid (15 мин) | openvino-medium-int8 | 428.4s | 2.10x | 3.52 GB |
 **Parakeet в 2.7x быстрее и использует на ~35% меньше RAM.**
 ### Качество (Summary utility, 1–5)
 | Отрывок | Parakeet int8 | Whisper medium int8 |
 |---|---|---|
 | artur-intro | **2** | **4** |
 | mar15-mid | **3** | **4** |
 Систематические проблемы Parakeet на русской речи с низкой громкостью:
 1. **Редукция коротких реплик менти до `Mm-hmm`/`Yeah`** — теряется
   значительная часть диалога (низкий уровень микрофона менти).
 2. **Вставки кусков польского/испанского/немецкого** посреди русской речи
   (`Miejsce w sześć zajmie`, `Que salviosa`, `Genial positions`).
 3. **Сильное искажение ИТ-терминов и бытовых выражений** —
   `Pretty subs` вместо «пройти собес», `Состем основ` вместо «система контроля
   версий», `І на глуп Джой` вместо `inner loop join`.
 Whisper medium int8 даёт связный русский текст с нормальной пунктуацией;
 искажения присутствуют (`капка` вместо Kafka, одна галлюцинация
 «Добро пожаловать в наш канал!» на паузе), но не критичны для конспекта.
 ### Попытка тюнинга — Silero VAD threshold
 Гипотеза: дефолтный `threshold=0.5` обрезает тихие реплики менти. Проверено
 на 0.5/0.3/0.2 — снижение порога **уменьшает** объём транскрипта
 (Parakeet хуже декодирует длинные склеенные сегменты с разреженной речью)
 и **не снижает** частоту `Mm-hmm`-редукций. Проблема inherent для модели
 на тихом русском диалоге, не артефакт VAD.
 ## Решение
 **Parakeet TDT 0.6B v3 не принимается как дефолтный или опциональный бэкенд
 для целевого use case.** Whisper medium int8 остаётся предпочтительным —
 несмотря на 2.7x проигрыш по скорости, он даёт транскрипт, из которого можно
 сделать конспект без возврата к аудио. Для русской речи с варьирующейся
 громкостью микрофона Parakeet v3 недостаточно устойчив.
 Код бэкенда **не мержится в master**. Экспериментальная ветка
 `feature/parakeet-backend` сохраняется как reference для будущих экспериментов.
 ## Последствия
 - Архитектура pluggable backends (ADR-003) подтвердила ценность: интегрировать
  и оценить новый бэкенд оказалось недорого.
 - Surface area master не растёт: нет `--device parakeet-cpu`, нет зависимости
  `onnx-asr`, нет новой ветки в CLI.
 - Если в будущем появится интерес — ветка `feature/parakeet-backend` содержит
  готовый бэкенд (13 задач, ~19 тестов), скрипты бенчмарка и VAD-тюнинга.
 ## Когда стоит пересмотреть решение
 1. **Англоязычный контент** — Parakeet обучался преимущественно на английском,
   для native English встреч выигрыш в скорости может окупить качество.
 2. **Live-captioning / dictation** (как в Handy) — другой use case, близкий
   микрофон + короткие фразы, проблемы редукции неактуальны.
 3. **Русские specialized-модели через ту же обвязку** `onnx-asr`:
   `gigaam-v3-rnnt` (SberDevices), `nemo-fastconformer-ru-rnnt` (NVIDIA),
   `t-one-ctc` (T-Bank). Это отдельная ветка экспериментов, не Parakeet.
 4. **Слабые машины с ограниченной RAM** — Parakeet 2.2 GB vs Whisper 3.5 GB
   на 15-мин аудио. Если важна RAM-экономия и английский контент.
@@ -1,135 +0,0 @@
 # ADR-006: onnx-asr бэкенд — GigaAM v3 как CPU-default для русских встреч
 **Статус**: Принято
 **Дата**: 2026-04-25
 ## Контекст
 Целевая аудитория `local-transcriber` — пользователи с Intel iGPU / CPU, без дискретного NVIDIA GPU.
 Существующие CPU-бэкенды (faster-whisper, OpenVINO) дают 0.5-6x RTF для средних моделей — транскрипция часовой записи занимает 10-120 минут.
 [onnx-asr](https://github.com/istupakov/onnx-asr) — легковесная обёртка (onnxruntime + numpy) над ONNX-моделями Parakeet, GigaAM, FastConformer и Canary. Заявляет 30-90x RTF на CPU при сравнимом с Whisper качестве для русского языка.
 [ADR-005](005-parakeet-evaluation.md) ранее отклонил Parakeet TDT 0.6B v3 для целевого use case на двух 15-минутных файлах с тихим микрофоном менти и плотной IT-терминологией. ADR-006 повторяет эксперимент на новом наборе файлов (22-81 мин, разной громкости), добавляет GigaAM v3 как кандидата для русской речи и проверяет три класса проблем Parakeet из ADR-005 на актуальном материале.
 ## Эксперимент
 Три реальных русскоязычных записи установочных встреч (формат ментор↔менти, mp4, 22-81 мин), ноутбук с Intel i7-11800H (CPU-only). Сравнивались три CPU-бэкенда:
 - **gigaam-v3** (onnx-asr GigaAM v3 CTC, int8, monolingual ru, без пунктуации)
 - **parakeet-v3** (onnx-asr Parakeet TDT 0.6B v3, int8, multilingual)
 - **ov-medium** (OpenVINO Whisper medium int8) — baseline
 Качественная оценка проведена независимым agent-judge'ем по методологии ADR-005 (4 критерия: completeness / term accuracy / fluency / summary utility, шкала 1-5). Транскрипты сохранены в `/mnt/c/ddmitry/Videos/OBS/<basename>.{onnx-gigaam,parakeet-v3,ov-medium}.md` и доступны для верификации.
 ### Скорость
 | Файл | Длит. | gigaam-v3 | parakeet-v3 --ru | OpenVINO medium |
 |---|---|---|---|---|
 | 10-59-59 | 22:26 | 81с (16.6×) | 116с (11.6×) | 265с (5.1×) |
 | Vasya | 45:51 | 95с (29×) | 138с (20×) | 455с (6×) |
 | 12-02-37 | 1:20:44 | 170с (28.5×) | 251с (19.3×) | 779с (6.2×) |
 GigaAM в 3-5× быстрее OpenVINO medium, Parakeet в 2.5-3.5× быстрее.
 ### Качество (agent-judge, 1-5)
 | Файл | Backend | Completeness | Term accuracy | Fluency | Summary utility |
 |------|---------|:-:|:-:|:-:|:-:|
 | 10-59-59 | **gigaam** | **5** | **4** | **4** | **4** |
 | 10-59-59 | parakeet | 4 | 2 | 2 | 2 |
 | 10-59-59 | ov-medium | 3 | 4 | 4 | 2 |
 | Vasya | **gigaam** | 3 | **4** | **4** | **4** |
 | Vasya | parakeet | 2 | 2 | 2 | 2 |
 | Vasya | ov-medium | 2 | 3 | 2 | 2 |
 | 12-02-37 | **gigaam** | 4 | 3 | 3 | **4** |
 | 12-02-37 | parakeet | 3 | 2 | 1 | 1 |
 | 12-02-37 | ov-medium | 2 | 3 | 2 | 1 |
 GigaAM — единственный backend, дающий summary utility 4/5 на всех трёх файлах. Parakeet и ov-medium систематически уступают по разным причинам (см. ниже).
 ### Класс ошибок: Parakeet — три проблемы из ADR-005 воспроизведены
 Все три класса систематических ошибок Parakeet, описанные в [ADR-005](005-parakeet-evaluation.md), воспроизводятся на новом наборе файлов:
 **1. Mm-hmm/Yeah-редукция тихих реплик менти.** Массово на всех трёх файлах:
 - Vasya `[04:56-09:33]` блок из ~10 реплик: `Mm-hmm. Mm-hmm. Mm. That's nice. Mm-hmm. Mm-hmm.` — полностью утеряны ответы менти на вопросы ментора.
 - 10-59-59 `[19:03]` `Yeah. Иногда лучше дышали в облаке`.
 - 12-02-37 `[00:00:01]` `I mean.` вместо «не пони…».
 **2. Вставки иностранных языков посреди русского.** На этом наборе ещё агрессивнее, чем в ADR-005 (там был только польский):
 - 10-59-59 `[00:08]` `Secondo, Alice. The mutual microphone.` — итальянский+английский для «секунду, Алиса, замьючен микрофон».
 - 10-59-59 `[22:02]` `Ah si va sur. Well.` — испано-французская смесь в финальном прощании.
 - Vasya `[27:31]` `Mas o żegnienie.` — польский в полностью русской встрече.
 - 12-02-37 `[10:38]` `Запроси к Każdemu Actually, таблица классная` — русско-польско-английский в одной фразе.
 - 12-02-37 `[01:03:23]` `No już je wsie.` — польский («ну уже всё»).
 **3. Искажение IT-терминов и имён компаний:**
 - 10-59-59 `[02:21]` `не Аринадата и не Терринте игра` вместо «Аренадата и Тере-Интегра» (имена работодателей).
 - 10-59-59 `[01:23]` `Запромбанке` (с unk-токенами) вместо «Газпромбанк».
 - 12-02-37 `[02:35]` `Basic space clear cause` вместо «база данных кликхаус».
 - 12-02-37 `[06:12]` `Поскре это не колочный, чтобы это греплан. Ловочная.` — Postgres/Greenplum/«колоночная» искажены до неразборчивости.
 - 12-02-37 `[16:53]` `своеобресть` вместо «Wildberries» — целевой работодатель в задаче, имя потеряно.
 ### Класс ошибок: Whisper medium — галлюцинации на длинных файлах с тихими фрагментами
 Не описано в ADR-005 (там были 15-минутные отрывки) — обнаружено только на длинных файлах:
 - 12-02-37 `[01:03:43-01:20:14]` — **17 минут хвоста встречи** забиты галлюцинированными повторами: `«Вместе с вами мы решим, как мы будем работать с вами»`, `«Это не то, чтобы не было»`, `«Выбор? Нет. Выбор? Нет.»`. Бытовая часть встречи целиком потеряна.
 - 12-02-37 `[19:54-20:49]` — 11 повторов `«И вот, как я вам рассказываю, это очень интересно»` вместо реального решения SQL-задачи.
 - Vasya `[10:08-11:59]` — ~6 повторов `«Но если вы хотите, чтобы мы не разговаривали, то вы можете.»` (~2 минуты галлюцинации).
 - Vasya `[36:00-36:30]` — 14 повторов `«Ага. Ага.»` (loop).
 - Vasya `[45:51]` — `«Субтитры сделаны с помощью СМС, аппарата — Лариса.»` — классический Whisper-артефакт «титров».
 - 10-59-59 `[10:56-11:40]` — строка из ~1000 символов `«ааааа…»` — галлюцинация на тихом фрагменте, проглатывает 30 секунд аудио.
 - 12-02-37 `[01:18:47]` — приписан несуществующий человек `«Валерий Сюткин»`.
 Это критичный класс ошибок: текст выглядит правдоподобно, и читатель конспекта не отличит галлюцинацию от реального содержания без возврата к аудио. Хуже потери — потому что вводит в заблуждение.
 ### Класс ошибок: GigaAM — локальные искажения латиницы и имён
 GigaAM monolingual ru, латиницу не выдаёт. На транскрипте:
 - `«эскель»`/`«эсквель»` вместо `SQL` (везде кириллицей).
 - `«гитам ардауна»` вместо `git и markdown` (Vasya `[14:14]`).
 - `«арендата»`/`«арендат»`/`«арендода»` для «Аренадата» (10-59-59 `[02:21]`) — три разных варианта одного имени.
 - `«дв один»` вместо `DEV1` (12-02-37 `[00:50:56]`).
 - `«яндекс тим под яндекс тим»` для «Яндекс ТимКод» (12-02-37 `[00:14:15]`).
 Mm-hmm-редукция и иностранные вставки **не обнаружены**: monolingual архитектура исключает language-confusion, тихие реплики менти остаются как русские «угу/да/ну».
 Эти ошибки локальны, предсказуемы и легко чинятся LLM-этапом нормализации без знания исходного аудио (восстановить SQL, Greenplum, ClickHouse, имена компаний из контекста).
 ## Решение
 **Принять onnx-asr как экспериментальный бэкенд с явным `--device onnx`. GigaAM v3 — рекомендуемая модель 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.
 - **`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).
 ## 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).
 - 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).
 - Пост-процессинг GigaAM-транскрипта LLM-этапом нормализации (восстановление латинских терминов и имён компаний) — рекомендуемая практика для финального конспекта.
 ## 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.
 - **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).
 ## Отклонённые альтернативы
 | Альтернатива | Почему отклонена |
 |---|---|
 | NeMo Parakeet напрямую (без onnx-asr) | Требует PyTorch + CUDA, Python ≥ 3.12, ~2 GB зависимостей — слишком тяжело для CLI |
 | Замена faster-whisper на onnx-asr | faster-whisper поддерживает 99+ языков и пунктуацию, остаётся лучшим GPU-бэкендом |
 | GigaAM как auto-detect default | Экспериментальный бэкенд, политика — не сюрпризить существующих пользователей; включение в auto-detect — после периода стабилизации |
 | Parakeet-v3 как multilingual default | Воспроизведённые проблемы из ADR-005 (Mm-hmm-редукция, иноязычные вставки) делают его непригодным для русского; для других языков не валидировано в этом эксперименте |
@@ -1,241 +0,0 @@
 # Backlog — будущие эксперименты и направления
 Список открытых направлений, которые имеют смысл, но не реализованы. Каждый пункт содержит обоснование и ссылку на источник (ADR / статья), чтобы при возврате не пришлось воспроизводить контекст с нуля.
 Когда направление становится в работу — переносится в spec/план или соответствующий ADR. Когда отклоняется — остаётся в backlog с пометкой «отклонено» и причиной (для истории решений).
 ---
 ## ASR-бэкенды и модели
 ### Переоценка CPU-дефолта после обновления `onnx-asr` 0.12
 **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
 примерно на 02:28, после чего OpenVINO создаёт десятки повторяющихся блоков до
 конца 59-минутной записи. Изолированный тест окна 02:00–03:30 дал одинаковую
 серию из 14 повторов на `openvino-genai` 2026.0 и 2026.3; обновление движка само
 по себе проблему не устраняет. Подробнее — в пункте
 [«Whisper medium галлюцинации»](#whisper-medium-галлюцинации-на-длинных-файлах-с-тихими-фрагментами).
 **Порядок работы:**
 1. Сначала обновить совместимый стек по
   [исследованию обновлений](research/2026-08-10-engine-model-updates.md): снять
   ограничение `onnx-asr<0.12.0`, проверить VAD и квантованные модели; OpenVINO и
   OpenVINO GenAI обновлять согласованно. Не фиксировать ONNX Runtime 1.28 для
   Python 3.10.
 2. После интеграционных тестов провести сравнительный бенчмарк моделей. Не
   менять CPU-дефолт только по model card или результату на одном файле.
 3. Решение зафиксировать в ADR-007, обновить рекомендации README и только затем
   менять auto-detect/defaults.
 **Кандидаты:**
 - `gigaam-v3-ctc` — текущий baseline для русского CPU.
 - `gigaam-v3-rnnt` — контекстный декодер без пунктуации.
 - `gigaam-v3-e2e-ctc` и `gigaam-v3-e2e-rnnt` — варианты с пунктуацией и
  нормализацией текста.
 - `gigaam-multilingual-ctc` и `gigaam-multilingual-large-ctc`, добавленные в
  `onnx-asr` 0.12 — кандидаты для смешанной речи, но не априори для русского
  дефолта.
 - OpenVINO medium + VAD — альтернатива смене модели, сохраняющая Whisper и
  пунктуацию.
 - Parakeet v3 — контрольный multilingual-вариант, но не кандидат на русский
  дефолт без новых данных, опровергающих ADR-005/006.
 **Матрица качества:**
 - те же три полные записи и четыре критерия agent-judge из
  [ADR-006](adr/006-onnx-asr-backend.md): completeness, term accuracy, fluency,
  summary utility;
 - новый негативный пример `2026-07-29 13-58-39.mp4` с длинной тишиной;
 - небольшой вручную проверенный набор сложных фрагментов для WER/CER и разбора
  критичных смысловых ошибок: тихие реплики, имена компаний, латиница и
  IT-термины, числа, русско-английское переключение;
 - автоматические проверки потери хвоста, повторов, пустых/нулевых VAD-сегментов
  и выдуманного текста на тишине.
 **Матрица производительности:**
 - обязательный прогон на реальном Intel Core i5 11-го поколения; точный SKU,
  число ядер, объём RAM, power mode и число потоков записать вместе с результатом;
 - Ryzen 7 8845H разработчика и ограничение числа потоков использовать только для
  предварительного smoke-теста, не как приёмку производительности i5;
 - измерять отдельно cold start/загрузку модели и warm transcription, медиану
  трёх прогонов, RTFx, peak RSS и размер скачиваемой модели;
 - короткий 15-минутный фрагмент нужен для итераций, полные записи 22–81 мин —
  для итогового решения и проверки устойчивости.
 **Почему интересно:**
 - **WER 2.6% vs 13.2%** для CTC на сложных текстах — в 5 раз ниже на разговорной речи и доменной лексике (источник: SberDevices / Хабр-публикация GigaAM-v3).
 - **Контекстный декодер** — структурно решает основную проблему GigaAM-CTC из ADR-006: кириллизация латиницы и искажения имён компаний (`Запромбанк` → `Газпромбанк`, `яндекс тим под яндекс тим` → `Яндекс ТимКод`). RNN-T видит контекст уже сгенерированных токенов и может «дотянуть» имена.
 - **`v3_e2e_rnnt` с пунктуацией и нормализацией** — закрывает главное ограничение GigaAM-CTC, ради которого в README сейчас стоит fallback на `openvino-cpu medium` (с задокументированными в ADR-006 галлюцинациями на длинных файлах).
 - **70:30 vs Whisper-large-v3** — GigaAM-v3 (CTC и RNN-T) выигрывает у `large-v3` по LLM-as-Judge (Gemini 2.5 Pro). Если переносится на наш use case — RNN-T на CPU становится сильнее GPU faster-whisper large-v3.
 - **30% лучше на «новых доменах»** (callcenter-like речь, нестандартные характеристики) — это и есть домен установочных встреч.
 **Tradeoff:**
 - Скорость ниже CTC (RNN-T декодинг последовательный). Реалистичная оценка: 10-15× RTF на CPU вместо 17-29× у CTC. Всё ещё в 1.5-2× быстрее Whisper medium.
 - Размер модели больше (~500 MB int8 против ~300 MB у CTC) — оценка, нужна верификация.
 **Если подтвердится бенчмарком:**
 - Если E2E RNN-T сохраняет качество и приемлемую скорость на i5 — сделать его
  русским CPU-дефолтом, OpenVINO оставить явной опцией.
 - Если лучший вариант зависит от языка — выбрать language-aware default:
  GigaAM v3 для русского, multilingual-модель для смешанной речи.
 - Если модели GigaAM проигрывают по пунктуации/смыслу — сохранить текущий
  model default и лечить OpenVINO через VAD/качественный pipeline.
 - Если ни один вариант не проходит порог качества и скорости — не менять
  дефолт, оставить предупреждения и явный выбор backend.
 ---
 ### Canary 1B — multilingual + пунктуация на CPU
 **Что:** Протестировать `nemo-canary-1b-v2` через onnx-asr на тех же 3 файлах.
 **Почему:** Multilingual + пунктуация в одной модели. Кандидат на «лучшее качество за разумную скорость» для пользователей, которым нужны и не-русский контент, и пунктуация одновременно. Упомянут в [ADR-006](adr/006-onnx-asr-backend.md#открытые-вопросы--следующие-шаги).
 **Tradeoff:** Тяжелее GigaAM (~1 GB vs ~300 MB), скорость на CPU ожидаемо ниже. Если RNN-T закроет потребность в пунктуации — Canary становится менее приоритетным.
 ---
 ## Качество и устойчивость
 ### Whisper medium галлюцинации на длинных файлах с тихими фрагментами
 **Статус:** воспроизведено 2026-08-10. Помимо примеров из
 [ADR-006](adr/006-onnx-asr-backend.md#класс-ошибок-whisper-medium--галлюцинации-на-длинных-файлах-с-тихими-фрагментами),
 на записи `2026-07-29 13-58-39.mp4` минимальный тест 02:00–03:30 стабильно
 получает 14 одинаковых сегментов после окончания речи. На 30-секундном окне
 только с речью повторов нет. `openvino-genai` 2026.3 и
 `no_repeat_ngram_size=3` результат не меняют. Корень проблемы — длинные
 безречевые участки, которые текущий OpenVINO backend целиком передаёт в
 `WhisperPipeline` без VAD.
 **Возможные направления:**
 - Добавить VAD перед OpenVINO WhisperPipeline и сохранить исходные таймкоды —
  наиболее прямое лечение подтверждённой причины.
 - Ограничить длину чанка для openvino-medium (chunk_length параметр в WhisperPipeline).
 - Внедрить `compression_ratio_threshold` / `log_prob_threshold` фильтры через переписывание pipeline (как у CTranslate2). Уже частично описано в [docs/gpu.md «Качественный pipeline для OpenVINO»](gpu.md#качественный-pipeline-для-openvino).
 - Переключить русский CPU-дефолт на победителя сравнительного GigaAM-бенчмарка.
 - Предупреждать пользователя при `--device openvino-cpu` для файлов >30 мин.
 **Приоритет:** высокий — проблема затрагивает текущий OpenVINO CPU-путь, а
 целевая аудитория включает ноутбуки с Intel Core i5 11-го поколения. GigaAM v3
 остаётся рабочей явной альтернативой для русского, но выбор безопасного
 auto/default требует сравнительного бенчмарка.
 ---
 ### Интеллектуальное чанкование длинных файлов по паузам
 **Что:** Резать длинные файлы на чанки (~90 с) не по фиксированной сетке, а по ближайшей тишине: `ffmpeg -af silencedetect=noise=-40dB:d=0.5` → парсинг stderr → выбор точки разреза в окне ±30 с вокруг целевой границы (с минимальным зазором между разрезами, чтобы не получить нулевые чанки).
 **Почему:** Разрез посреди слова/фразы портит распознавание на границах чанков; разрез по паузе — нет. Потенциально смягчает класс ошибок Whisper medium на длинных файлах (потеря хвоста, блоки повторов — см. пункт выше): короткие чанки не дают декодеру «уплыть».
 **Источник:** референсная реализация Parakeet-сервера (Flask, OpenAI-совместимый API), лежавшая в репо как `app.py` в период эксперимента ADR-005/006 (апрель 2026); удалена при чистке 2026-07-09 — рабочие константы: порог -40dB, мин. тишина 0.5 с, окно поиска 30 с, мин. зазор 5 с.
 **Tradeoff:** дополнительный проход ffmpeg по всему файлу (silencedetect) перед транскрипцией; для часового файла — десятки секунд.
 ---
 ### Качественный pipeline для OpenVINO (temperature fallback + фильтры)
 **Что:** Реализовать temperature fallback, compression_ratio и log_prob фильтры поверх OpenVINO GenAI WhisperPipeline. Эвристики — логика на Python (~50-100 строк), не зависящая от inference engine.
 **Почему:** Дать Intel Arc / AMD GPU и AMD CPU то же качество, что сейчас есть только у CUDA-пользователей через CTranslate2. Полностью описано в [docs/gpu.md](gpu.md#качественный-pipeline-для-openvino).
 ---
 ## Структура транскрипта (конспекты и MoM)
 Источник раздела: внешнее сравнение локального транскрипта (medium,
 openvino-cpu, запись 25:59) с облачным сервисом Hypescribe, критерий —
 пригодность как сырья для конспекта и протокола встречи (GPT-ревью,
 2026-07-10). Итог: по смыслу локальная модель почти равна облаку
 (6.5/10 против 7/10), главный разрыв — **не качество распознавания,
 а структура**: разделение говорящих (2/10 против 8/10) и нарезка на
 реплики. Приоритеты ревьюера: 1) смысл, 2) спикеры, 3) техтермины,
 4) разбивка на фразы, 5) таймкоды. Вывод: локальная диаризация +
 словарь терминов закрывают потребность в облачном сервисе для
 внутренних встреч.
 Сознательно вне ядра CLI (максимум — рецепт в README): второй проход
 LLM для чистки текста, сопоставление Speaker N с именами — это работа
 поверх готового транскрипта.
 ### Диаризация — разделение говорящих
 **Что:** Опциональный пост-процессинг (не четвёртый бэкенд): сегменты
 уже несут таймкоды; диаризация даёт интервалы «кто когда говорил»;
 merge по перекрытию интервалов; formatter ломает абзац на смене спикера
 и подписывает `Speaker 1:`. Ставится как extra:
 `uv sync --extra diarization`.
 **Почему:** Без спикеров MoM не собрать — это ключевой разрыв с облаком
 по внешнему ревью, и никакое качество распознавания его не компенсирует.
 Заодно естественно решает «разбивку на реплики» (приоритет №4).
 **Варианты реализации (ключевое решение, нужен ADR):**
 - **sherpa-onnx** — диаризация целиком на onnxruntime (сегментация
  pyannote в ONNX + спикер-эмбеддинги), без torch, в духе нашего
  onnx-стека и «no cloud, no API keys».
 - **pyannote.audio** — стандарт качества, но тянет torch и требует
  HF-токен с принятием лицензии моделей — трение с духом проекта.
 **Уточнить перед запуском:** качество обоих вариантов на русской речи
 и перекрывающихся репликах; скорость на CPU (диаризация — второй проход
 по всему аудио); лицензии моделей сегментации/эмбеддингов.
 ---
 ### Ручка нарезки абзацев в formatter
 **Что:** «Минутные простыни» в транскрипте — не свойство модели, а наши
 константы группировки `_PAUSE_THRESHOLD_S = 2.0` / `_MAX_PARAGRAPH_S =
 60.0` в `formatter.py` (сырых сегментов много: 23-минутная запись — 360
 сегментов, ~4 с на реплику). Вынести в опцию/конфиг или уменьшить
 дефолт.
 **Почему откладывается:** при диаризации абзацы будут ломаться по смене
 спикера естественно — сначала решить с диаризацией, чтобы не делать
 ручку, которая устареет.
 ---
 ### Словарь замен технических терминов — запасной план
 **Что:** Пост-обработка текста сегментов словарём замен по границам слов
 (`CSW → CSV`, `софтп → SFTP`, `ямлик → YAML`, `Spark и Scale → Spark
 SQL`), словарь пользовательский в `.transcriber.toml`.
 **Почему запасной:** это тот же класс ошибок, что «кириллизация латиницы
 и искажение имён» из [ADR-006](adr/006-onnx-asr-backend.md), и первым
 его должен попробовать закрыть контекстный декодер GigaAM v3 RNN-T
 (первый пункт бэклога). Заводить словарь — только если бенчмарк RNN-T
 термины не вытянет.
 ---
 ## Авто-детект и UX
 ### Включение `onnx` в `--device auto`
 **Что:** После периода стабилизации `--device onnx` (несколько недель production-использования без жалоб) — рассмотреть включение в auto-detect chain.
 **Порядок в chain (предложение):** CUDA → onnx (если CPU x86_64) → OpenVINO → CPU.
 **Почему откладывается:** политика experimental backend — не сюрпризить существующих пользователей до накопления опыта. Источник: [ADR-006](adr/006-onnx-asr-backend.md#решение).
 ---
 ## Отклонённые направления
 *(пока пусто — добавлять сюда то, что попробовали и решили не делать, с причиной)*
@@ -0,0 +1,123 @@
 # Бенчмарк: качество и скорость транскрипции
 **Дата**: 2026-03-23
 ## Цель
 Сравнить качество распознавания нашего приложения (local-transcriber) с облачным
 сервисом Whisper.ai, подобрать оптимальную конфигурацию бэкенд/модель/compute_type.
 ## Тестовый стенд
 - **CPU**: AMD Ryzen 7 8845H w/ Radeon 780M (3.80 GHz), 8 ядер
 - **GPU**: нет NVIDIA (нет CUDA), есть встроенный Radeon 780M iGPU + Ryzen AI NPU (XDNA)
 - **ОС**: Windows 11 Enterprise
 - **Запись**: совещание 3 участников, 14:41, русский язык, микрофон ноутбука
 ## Конфигурации
 | # | Модель | Бэкенд | compute_type | Устройство |
 |---|--------|--------|--------------|------------|
 | 1 | medium | OpenVINO | fp16 | CPU |
 | 2 | large-v3 | OpenVINO | fp16 | CPU |
 | 3 | medium | CTranslate2 (faster-whisper) | float32 | CPU |
 | 4 | medium | CTranslate2 (faster-whisper) | int8_float32 | CPU |
 | 5 | — | Whisper.ai (облако) | — | — |
 ## Результаты: скорость
 | # | Конфигурация | Время, с | Коэфф. к реалтайму (14:41 = 881с) |
 |---|---|---|---|
 | 1 | medium, OpenVINO fp16 | **~240** | 0.27x |
 | 2 | large-v3, OpenVINO fp16 | ~503 | 0.57x |
 | 4 | medium, CT2 int8_float32 | ~599 | 0.68x |
 | 3 | medium, CT2 float32 | ~881 | 1.0x |
 ## Результаты: качество
 Для оценки выбраны маркерные фразы — технические термины, сложная разговорная речь,
 имена собственные. Каждый маркер проверен вручную по контексту записи.
 ### Техтермины (английские в русской речи)
 | Термин | #1 OV fp16 | #2 large OV | #3 CT2 f32 | #4 CT2 int8f32 | #5 Whisper.ai |
 |--------|-----------|-------------|------------|----------------|---------------|
 | DWH | ✅ DWH | ❌ ДВХ | ⚠️ ДВХ | ✅ DWH | ⚠️ dvh |
 | Teradata | ✅ TeraData | ⚠️ тирадат | ⚠️ Тирадату | ✅ Teradata | ⚠️ тирадата |
 | NiFi | ✅ NiFi | ❌ "на файл" | ⚠️ Найфай | ✅ NiFi | ⚠️ фай |
 | FineBI | ✅ fineBI | ❌ "фанбой" | ✅ FNBI | ✅ finebi/FNBI | ⚠️ FineBI/NBI |
 | Alation | ❌ "лэйшене" | ❌ "валаши" | ✅ Allation | ✅ Allation | ✅ Allation |
 | ETL | ❌ ETA | ❌ "и ты или" | ✅ ETL | ✅ ETL | ✅ ETL |
 | DBC Tables V | ✅ | ❌ "деби си" | ✅ | ✅ | ✅ |
 | OpenLineage | ⚠️ OpenLinage | ⚠️ "open lineage и о" | ✅ OpenLinage.io | ✅ OpenLinage.io | ✅ Open Lineage.io |
 ### Русская разговорная речь
 | Фраза (правильно) | #1 OV fp16 | #2 large OV | #3 CT2 f32 | #4 CT2 int8f32 | #5 Whisper.ai |
 |--------------------|-----------|-------------|------------|----------------|---------------|
 | "на другую мониторочку" | ❌ "другом не торчка" | ❌ "другому и" | ✅ "мониторчику" | ⚠️ "мою точку" | ✅ "мониторочку" |
 | "верхнеуровневое" | ⚠️ "верхверх верхне..." | ✅ | ✅ | ✅ | ✅ |
 | "датарентген" | ❌ "госпиталин ген" | ❌ "господа тренды" | ✅ "даторентген" | ✅ "даторентген" | ✅ "датарентген" |
 | "девовские схемы" | ✅ | ❌ "девушки схемы" | ✅ | ✅ | ✅ |
 | "с накиданными правами" | ✅ | ❌ "накиданных бровами" | ✅ | ✅ | ✅ |
 | "Вьюхи" | ❌ "в юхе" | — | ✅ "Вьюхи" | ⚠️ "Yuhi" | ❌ "в юхе" |
 ### Структура и пунктуация
 | Аспект | #1 OV fp16 | #2 large OV | #3 CT2 f32 | #4 CT2 int8f32 | #5 Whisper.ai |
 |--------|-----------|-------------|------------|----------------|---------------|
 | Пунктуация | слабая | слабая | хорошая | хорошая | средняя |
 | Длина сегментов | ~1 мин | ~1 мин | ~1 мин | ~1 мин | 2–30 сек |
 | Диаризация | нет | нет | нет | нет | есть (условная) |
 ## Ключевые выводы
 ### 1. OpenVINO fp16 ухудшает качество medium
 OpenVINO даёт **3.7x ускорение**, но fp16-квантизация на CPU вносит заметные ошибки
 в распознавание нечёткой русской речи ("госпиталин ген", "ETA"). При этом английские
 техтермины (DWH, NiFi, FineBI) распознаются хорошо — видимо, они более «чёткие»
 акустически.
 ### 2. large-v3 через OpenVINO — хуже medium
 Удивительный результат: large-v3 с OpenVINO fp16 деградировал по всем параметрам.
 FineBI → "фанбой", NiFi → "на файл", девовские → "девушки". Гипотеза: fp16 на CPU
 бьёт сильнее по большим моделям из-за накопления ошибок округления.
 ### 3. CTranslate2 float32 — лучшее качество
 Сравнимо с облачным Whisper.ai, а на некоторых маркерах лучше (Вьюхи, DWH).
 Но **3.7x медленнее** OpenVINO — неприемлемо для длинных записей.
 ### 4. int8_float32 — оптимальный баланс
 Mixed precision (int8 матрицы, float32 аккумулятор) даёт:
 - **1.5x ускорение** vs float32 (599с vs 881с)
 - Качество практически идентичное float32
 - Техтермины DWH/Teradata/NiFi даже лучше, чем у float32
 ### 5. Whisper.ai — диаризация как преимущество
 Единственное значимое преимущество облачного сервиса — диаризация спикеров.
 По качеству распознавания наше приложение с CT2 int8_float32 на уровне или лучше.
 ## Рекомендации
 ### Краткосрочно
 - **Дефолт для CPU без CUDA**: рассмотреть `int8_float32` вместо `float32` — 1.5x быстрее
  при сопоставимом качестве.
 - **OpenVINO fp16 оставить** как быстрый вариант — для случаев, когда скорость важнее
  точности (превью, черновые транскрипты).
 ### Среднесрочно
 - **DirectML бэкенд** для AMD Radeon iGPU — через onnxruntime-directml можно задействовать
  Radeon 780M. Float16 на GPU (в отличие от CPU-квантизации) не должен терять качество.
  Потенциально 3–5x ускорение при сохранении качества float32.
 ### Долгосрочно
 - **Ryzen AI NPU (XDNA)** — AMD развивает поддержку, но tooling пока сырой.
 - **Диаризация** — добавить идентификацию спикеров (pyannote-audio или аналоги).
@@ -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 | OpenVINO/whisper-medium-fp16-ov |
+| medium | OpenVINO/whisper-medium-int8-ov | — |
 | large-v3 | OpenVINO/whisper-large-v3-int8-ov | OpenVINO/whisper-large-v3-fp16-ov |
 ### Результаты тестирования OpenVINO
@@ -50,7 +50,7 @@ OpenVINO ускоряет inference на x86 процессорах (Intel и AM
 |---|---|---|---|
 | Intel Ultra 7 255H | **122с** | **411с** | — |
 | AMD Ryzen 7 8845H | 185с | 416с | 734с |
-| Intel i7-11800H (WSL2) | 171-205с | — | 658с |
+| Intel i7 (WSL2) | 171-205с | — | 658с |
 **Ускорение vs CPU float32:** **3-6x** в зависимости от CPU.
@@ -77,113 +77,6 @@ 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
 transcribe meeting.mp4 --device cpu --compute-type int8_float32 --threads 8
 ```
 **Замеры (Intel i7-11800H, 8 ядер / 16 потоков, medium int8_float32, 16 мин файл):**
 | --threads | Время | Ускорение |
 |---|---|---|
 | 0 (дефолт = 4) | 320с | baseline |
 | 8 (физ. ядра) | **277с** | **+13%** |
 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.
 ### Результаты тестирования compute_type на GPU (RTX 3060 Laptop, 6 GB)
 **Скорость (файл 16 мин, русский язык):**
 | Модель | float16 | int8_float32 | int8_float16 |
 |---|---|---|---|
 | medium | **53с** (~18x) | 64с (~15x) | 54с (~18x) |
 | large-v3 | **86с** (~11x) | 113с (~8.5x) | 125с (~7.7x) |
 **Скорость (файл 46 мин, русский язык):**
 | Модель | float16 |
 |---|---|
 | medium | **127с** (~22x реалтайм) |
 | large-v3 | 271с (~10x реалтайм) |
 **Качество (файл 16 мин):**
 | Модель | float16 | int8_float32 | int8_float16 |
 |---|---|---|---|
 | medium | **Отлично** | **Отлично** (≈float16) | Хорошо (1-2 ошибки) |
 | large-v3 | Хорошо (ед. галлюцинации) | **Плохо** (повтор "Ага" ×18) | **Неприемлемо** (мусор, иероглифы) |
 **Качество (файл 46 мин):**
 | Модель | float16 | Проблемы |
 |---|---|---|
 | medium | **Отлично** | Единичные ляпы ("email" вместо "ML"), стабилен |
 | large-v3 | **Плохо** | Галлюцинации на 3+ языках (китайский, арабский), повторы фраз, "Аминь" вместо "Угу" |
 ### Выводы по CUDA compute_type
 - **`float16` — оптимальный дефолт**: самый быстрый и стабильный
 - **`int8_float32` не дал выигрыша**: на 20% медленнее float16, качество для medium сопоставимо, для large-v3 — деградация
 - **`int8_float16`**: по скорости ≈ float16 для medium, но large-v3 даёт мусор
 - **`int8`**: рискует галлюцинациями на large-v3 и длинных записях (повтор фраз ×25)
 - **medium устойчивее к квантизации**, чем large-v3 — все варианты compute_type дают приемлемый результат
 - **large-v3 на длинных записях (>20 мин)**: галлюцинации даже с float16 — medium надёжнее
 ## Настройка по платформам
 ### Linux / WSL2 (x86_64)
@@ -205,99 +98,45 @@ winget install -e --id Nvidia.CUDA --version 12.9   # требует запус
 ## Совместимость GPU
-| GPU | VRAM | CC | medium float16 | large-v3 float16 | Рекомендация |
+| GPU | VRAM | medium float16 | large-v3 float16 | Рекомендация |
-|-----|------|----|---------------|-----------------|--------------|
+|-----|------|---------------|-----------------|--------------|
-| RTX 3060 | 6 GB | 8.6 | ✅ | ✅ | medium float16 (дефолт) |
+| RTX 3060 | 6 GB | ✅ | ✅ | medium float16 (дефолт) |
-| RTX 4050 | 6 GB | 8.9 | ✅ | ✅ | medium float16 |
+| RTX 4050 | 6 GB | ✅ | ✅ | medium float16 |
-| Quadro M3000M | 4 GB | 5.0 | ❌ | ❌ | `--device cpu` или `openvino` |
+| Quadro M3000M | 4 GB | ✅ | ⚠️ tight | medium float16 или int8 |
 > **Quadro M3000M и другие GPU с CC < 7.0 (Maxwell, Pascal)**: CUDA не работает —
 > float16 требует CC ≥ 7.0, float32 падает с ошибкой (CTranslate2 4.x не включает
 > sm_50/sm_60 в пребилды). Используйте `--device cpu --compute-type int8_float32`
 > или `--device openvino`.
 ## Ожидаемая скорость
 Замеры на RTX 3060 Laptop (6 GB) и Intel CPU (WSL2):
-| Конфигурация | 16 мин файл | 46 мин файл | Отн. скорость |
+| Конфигурация | 16 мин файл | 42 мин файл | Отн. скорость |
 |-------------|-------------|-------------|---------------|
-| GPU + medium float16 | **53с** | **127с** | **~18-22x реалтайм** |
+| GPU + medium float16 | ~35с | ~133с | ~19x реалтайм |
-| GPU + large-v3 float16 | 86с | 271с | ~10-11x реалтайм |
+| GPU + large-v3 float16 | ~90с | ~350с | ~7x реалтайм |
 | GPU + medium int8_float32 | 64с | — | ~15x реалтайм |
 | GPU + medium int8_float16 | 54с | — | ~18x реалтайм |
 | **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 CPU int8_float32 на AMD Ryzen 7 8845H (8 потоков), файл 14:41.
 ## Результаты тестирования качества
 Тесты проведены на реальных записях рабочих созвонов (русский язык, технические термины:
 SQL, PostgreSQL, Greenplum, Airflow, ClickHouse, Docker, CDR, GTP, MAP).
-| Конфигурация | Качество (короткие, ≤16 мин) | Качество (длинные, >40 мин) | Проблемы |
+| Конфигурация | Качество (длинная запись, 42 мин) | Проблемы |
-|---|---|---|---|
+|---|---|---|
-| medium float16 GPU | **Отлично** | **Отлично** | Единичные ляпы в терминах ("email" вместо "ML") |
+| large-v3 int8 GPU | Плохо | Галлюцинации (фразы ×25), потеря контента |
-| medium int8_float32 GPU | **Отлично** | — | Качество ≈ float16, но на 20% медленнее |
+| large-v3 float16 GPU | Отлично | — |
-| medium int8_float16 GPU | Хорошо | — | 1-2 ошибки |
+| medium float16 GPU | Хорошо | Редкие мелкие ляпы в терминах |
-| large-v3 float16 GPU | Хорошо | **Плохо** | Галлюцинации на длинных записях (мусор на 3+ языках) |
+| medium float32 CPU | Хорошо | Сопоставимо с large-v3 int8, без галлюцинаций |
-| large-v3 int8_float32 GPU | **Плохо** | — | Повтор фраз ("Ага" ×18), искажения |
+| large-v3 int8 CPU | Хорошо | Без галлюцинаций (на коротких файлах) |
 | large-v3 int8_float16 GPU | **Неприемлемо** | — | Мусор, китайские/арабские символы, потеря текста |
 | large-v3 int8 GPU | **Плохо** | **Плохо** | Галлюцинации (фразы ×25), потеря контента |
 | medium int8_float32 CPU | **Отлично** | — | Качество ≈ float32, на уровне облачных сервисов |
 | medium float32 CPU | **Отлично** | Хорошо | Эталон качества |
 | large-v3 int8 CPU | Хорошо | — | Без галлюцинаций (на коротких файлах) |
 ### Ключевые выводы
 1. **Указание языка (`--language ru`) критично** — auto-detect может ошибиться и выдать мусор
-2. **medium + float16 на GPU — лучший баланс** скорости и качества для любых записей
+2. **float16/float32 стабильнее int8** — особенно на записях >20 минут
-3. **large-v3 ненадёжен на длинных записях (>20 мин)** — галлюцинации даже с float16;
+3. **medium + float16 на GPU — лучший баланс** скорости и качества для повседневного использования
-   medium стабильнее на любой длине
+4. **large-v3 + float16 на GPU** — для максимального качества важных записей
 4. **medium устойчив к квантизации** — все варианты compute_type дают приемлемый результат;
   large-v3 деградирует катастрофически при любом int8
 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
 ## Потенциальные направления развития
 ### Качественный pipeline для OpenVINO
 Сейчас качественный pipeline декодирования (temperature fallback, фильтры галлюцинаций,
 VAD) доступен только через CTranslate2, т.е. на CPU и NVIDIA CUDA. Пользователи Intel Arc
 и AMD Radeon получают скорость OpenVINO, но без защиты от галлюцинаций.
 **Решение**: реализовать temperature fallback, compression_ratio и log_prob фильтры
 поверх OpenVINO GenAI WhisperPipeline. Эти эвристики — логика на Python (~50-100 строк),
 не зависящая от inference engine. Это даст Intel Arc / AMD GPU то же качество,
 что сейчас есть только у CUDA-пользователей.
 ### CUDA: int8_float32 / int8_float16 — протестировано
 На CPU `int8_float32` показал качество на уровне float32 при 1.5x ускорении.
 На GPU (RTX 3060) результат другой: для **medium** int8_float32 даёт сопоставимое
 качество, но на 20% медленнее float16 — выигрыша нет. Для **large-v3** любой int8
 вариант (включая int8_float32) вызывает галлюцинации — float32 аккумулятор не спасает
 глубокую модель на GPU. Вывод: **float16 остаётся оптимальным дефолтом для CUDA**.
 ### NVIDIA Parakeet TDT — проверено, отклонено
 Оценивалась гипотеза: multilingual Parakeet TDT 0.6B v3 через `onnx-asr` может обойти
 Whisper medium int8 на x86 CPU. На двух 15-минутных отрывках реальных русских ИТ-встреч
 (Intel i7-11800H) Parakeet показал **2.7x преимущество по скорости** и **-35% RAM**, но
 **качество ниже** — систематическая редукция тихих реплик менти до `Mm-hmm`, вставки
 кусков польского/испанского, сильное искажение ИТ-терминов. Попытка тюнинга Silero VAD
 threshold не помогла — проблема inherent для модели на тихой русской речи.
 Код бэкенда не вмержен в master; эксперимент сохранён в ветке
 `feature/parakeet-backend`. Подробности и когда стоит пересмотреть —
 [ADR-005](adr/005-parakeet-evaluation.md).
 ## Troubleshooting
@@ -0,0 +1,351 @@
 # Исследование: ускорение на AMD Radeon / NPU
 **Дата**: 2026-03-23
 **Железо**: AMD Ryzen 7 8845H, Radeon 780M iGPU (RDNA3, 12 CU), XDNA 1 NPU (16 TOPS)
 ## Мотивация
 Бенчмарк ([benchmark-2026-03-23.md](benchmark-2026-03-23.md)) показал: лучшее качество
 даёт CTranslate2 float32/int8_float32, но это 600–880с на 15-минутную запись.
 OpenVINO fp16 быстрее (240с), но теряет качество на русской речи.
 Нужен путь: качество float32 + скорость GPU.
 ## Вариант 1: DirectML (onnxruntime-directml)
 ### Вердикт: ❌ НЕ рекомендуется
 **Блокирующая проблема**: оператор `DecoderMaskedMultiHeadAttention` не реализован
 в DirectML ([Olive#1213](https://github.com/microsoft/Olive/issues/1213), открыт с июня 2024).
 Whisper-декодер fallback-ится на CPU — GPU ускоряет только encoder, выигрыш минимален.
 **DirectML в maintenance mode** — Microsoft переключился на Windows ML (WinML).
 Команда DML расформирована, новых операторов не будет. Фикс маловероятен.
 **WinML** (замена DirectML) — GA с сентября 2025, но Python-пакет `onnxruntime-winml`
 ещё не доступен. Требует Windows 11 25H2+. Потенциально интересен в будущем.
 ## Вариант 2: whisper.cpp + Vulkan ✅
 ### Вердикт: рекомендуется как основной путь
 **Почему:**
 - Проверен на AMD Radeon 780M — баг softmax ([#2596](https://github.com/ggml-org/whisper.cpp/issues/2596))
  исправлен в декабре 2024
 - **3–4x ускорение** vs CPU на Radeon 680M (RDNA2), 780M (RDNA3) должен быть не хуже
 - Весь pipeline внутри: аудио → mel → encoder → decoder → beam search
 - GGUF-модели компактнее ONNX
 - Активная разработка, Vulkan-бэкенд зрелый
 **Бенчмарки (чужие, похожее железо):**
 | GPU | Модель | Результат |
 |-----|--------|-----------|
 | Radeon 680M (RDNA2) | medium | ~3–4x быстрее CPU |
 | Ryzen 5 4500U (Vega) | medium | 1ч аудио за ~25 мин |
 | Ryzen AI Max+ 395 (Strix Halo) | large-v3-turbo | 1ч20м аудио за ~3 мин |
 **Память:** Radeon 780M использует системную RAM. whisper-medium в GGUF ≈ 1.5 ГБ —
 помещается с запасом.
 ### Интеграция в проект
 Новый бэкенд `backends/whisper_cpp.py`, реализующий Backend Protocol:
 ```
 uv add pywhispercpp    # Python-биндинги к whisper.cpp
 ```
 Либо Vulkan-сборка whisper.cpp как subprocess (более надёжно,
 но менее удобно для пользователя).
 **Зависимость в pyproject.toml:**
 ```toml
 # Опциональная, т.к. требует Vulkan-совместимый GPU
 "pywhispercpp>=0.4; sys_platform == 'win32'"
 ```
 Либо через dependency group:
 ```toml
 [dependency-groups]
 vulkan = ["pywhispercpp>=0.4"]
 ```
 Тогда установка: `uv sync --group vulkan`
 **Открытые вопросы:**
 - pywhispercpp собран с Vulkan или нужна своя сборка?
 - Качество GGUF-квантизации vs CTranslate2 float32 — нужен бенчмарк
 - Формат моделей другой (GGUF vs CTranslate2/OpenVINO) — ещё одно скачивание
 ## Вариант 3: AMD NPU (XDNA)
 ### Вердикт: ⏳ рано для XDNA 1, перспективно для XDNA 2
 **Что есть:**
 - Ryzen AI Software 1.7.0 (февраль 2026) поддерживает 8845H (Hawk Point)
 - [AMD LIRA](https://github.com/amd/LIRA) — CLI для ASR на NPU, поддерживает whisper base/small/medium
 - [AMD-форк whisper.cpp](https://github.com/amd/whisper.cpp) с NPU-бэкендом
 - Pre-квантизированные модели на HuggingFace (`amd/NPU-Whisper-Base-Small`)
 **Ограничения на XDNA 1 (8845H):**
 - 16 TOPS — в 3 раза слабее XDNA 2 (50 TOPS)
 - **Только encoder** на NPU, decoder на CPU — ускорение частичное
 - whisper-large-v3 не помещается
 - Установка через отдельный installer AMD, не pip/uv
 - Форк whisper.cpp не в mainline — риск отставания
 **Когда станет интересно:**
 - На железе с XDNA 2 (Ryzen AI 300+, 50 TOPS)
 - Когда AMD выпустит pip-пакет или upstreamит в whisper.cpp
 - Для сценариев, где CPU/GPU заняты другой работой
 ## Сводка
 | Подход | Применимость | Ускорение | Сложность | Стабильность |
 |--------|-------------|-----------|-----------|--------------|
 | **whisper.cpp + Vulkan** | ✅ высокая | 3–4x vs CPU | низкая | хорошая |
 | DirectML (onnxruntime) | ❌ заблокирован | — | — | — |
 | AMD NPU (XDNA 1) | ⚠️ ограничен | частичное | высокая | средняя |
 | WinML (будущее) | ⏳ не готов | неизвестно | средняя | — |
 ## Детали по whisper.cpp + Vulkan
 ### Модели (GGML .bin формат, НЕ GGUF)
 Скачивать с https://huggingface.co/ggerganov/whisper.cpp/tree/main
 | Модель | Файл | Размер |
 |--------|------|--------|
 | medium f16 | `ggml-medium.bin` | 1.53 ГБ |
 | medium q8_0 | `ggml-medium-q8_0.bin` | 823 МБ |
 | medium q5_0 | `ggml-medium-q5_0.bin` | 539 МБ |
 | large-v3 f16 | `ggml-large-v3.bin` | 3.1 ГБ |
 | large-v3 q5_0 | `ggml-large-v3-q5_0.bin` | 1.08 ГБ |
 | large-v3-turbo f16 | `ggml-large-v3-turbo.bin` | 1.62 ГБ |
 | large-v3-turbo q8_0 | `ggml-large-v3-turbo-q8_0.bin` | 874 МБ |
 ### Python-биндинги
 **pywhispercpp** (v1.4.1) — pip wheel CPU-only. Для Vulkan нужна сборка из исходников:
 ```bash
 GGML_VULKAN=1 pip install git+https://github.com/absadiki/pywhispercpp
 ```
 Требует: VulkanSDK, cmake, C++ компилятор.
 ### Subprocess-подход (альтернатива)
 whisper-cli принимает WAV 16kHz mono, выдаёт JSON с таймкодами:
 ```bash
 whisper-cli -m ggml-medium.bin -f audio.wav -l ru -oj -of output
 ```
 Для видео/mp3 нужна предварительная конвертация через ffmpeg (PyAV уже есть в зависимостях).
 ### Сборка whisper.cpp с Vulkan
 ```bash
 # Linux/WSL
 sudo apt install cmake build-essential libvulkan-dev
 git clone https://github.com/ggml-org/whisper.cpp
 cd whisper.cpp
 cmake -B build -DGGML_VULKAN=ON -DCMAKE_BUILD_TYPE=Release
 cmake --build build --config Release -j$(nproc)
 # -> build/bin/whisper-cli
 ```
 ## Прототип: whisper.cpp в WSL2 (2026-03-23)
 ### Сборка
 whisper.cpp собран с `-DGGML_VULKAN=ON`, но **Vulkan GPU не обнаружен**:
 ```
 ggml_vulkan: No devices found.
 whisper_backend_init_gpu: no GPU found
 ```
 **Причина**: WSL2 не предоставляет Vulkan-доступ к AMD GPU.
 - `/dev/dxg` есть (DirectX 12 paravirtualization), но **dozen** (Vulkan-over-D3D12) драйвер
  отсутствует в текущей mesa (25.2.8)
 - RADV (нативный Vulkan) не работает — нет `/dev/dri/renderD128`
 - Единственный Vulkan-девайс — `llvmpipe` (CPU-эмуляция), whisper.cpp его игнорирует
 Whisper.cpp отработал **на CPU** (4 потока, AVX512).
 ### Скорость (CPU fallback)
 | Параметр | Значение |
 |----------|----------|
 | Модель | ggml-medium.bin (f16, 1533 МБ) |
 | Аудио | 14:41 (881с), русский, 3 участника |
 | Общее время | **886с** |
 | encode | 368с (32 прохода, 11.5с/проход) |
 | batchd (decode) | 424с |
 | Потоки | 4 / 16 |
 | Beam search | 5 beams + best of 5 |
 Сравнение с бенчмарком (тот же аудиофайл):
 | Конфигурация | Время, с |
 |---|---|
 | OpenVINO fp16 (medium) | ~240 |
 | CT2 int8_float32 (medium) | ~599 |
 | CT2 float32 (medium) | ~881 |
 | **whisper.cpp CPU (medium f16)** | **~886** |
 На CPU whisper.cpp ≈ CTranslate2 float32. Без GPU ускорения нет.
 ### Качество (сравнение с бенчмарком)
 #### Техтермины
 | Термин | whisper.cpp (CPU) | CT2 f32 | CT2 int8f32 |
 |--------|------------------|---------|-------------|
 | DWH | ✅ DWH | ⚠️ ДВХ | ✅ DWH |
 | Teradata | ✅ TeraData | ⚠️ Тирадату | ✅ Teradata |
 | NiFi | ⚠️ Найфай/Найфаю | ⚠️ Найфай | ✅ NiFi |
 | FineBI | ✅ fineBI/FNBI | ✅ FNBI | ✅ finebi/FNBI |
 | Alation | ✅ Allation | ✅ Allation | ✅ Allation |
 | ETL | ✅ ETL | ✅ ETL | ✅ ETL |
 | DBC Tables V | ✅ DBC tables-V | ✅ | ✅ |
 | OpenLineage | ✅ OpenLinage.io | ✅ OpenLinage.io | ✅ OpenLinage.io |
 #### Русская разговорная речь
 | Фраза | whisper.cpp (CPU) | CT2 f32 | CT2 int8f32 |
 |-------|------------------|---------|-------------|
 | "на другую мониторочку" | ✅ "на другом мониторчике" | ✅ "мониторчику" | ⚠️ "мою точку" |
 | "верхнеуровневое" | ✅ | ✅ | ✅ |
 | "датарентген" | ✅ "даторентген" | ✅ "даторентген" | ✅ "даторентген" |
 | "девовские схемы" | ✅ | ✅ | ✅ |
 | "с накиданными правами" | ✅ | ✅ | ✅ |
 | "Вьюхи" | ⚠️ "Yuhi" | ✅ "Вьюхи" | ⚠️ "Yuhi" |
 #### Структура и пунктуация
 | Аспект | whisper.cpp (CPU) | CT2 f32 | CT2 int8f32 |
 |--------|------------------|---------|-------------|
 | Пунктуация | хорошая | хорошая | хорошая |
 | Длина сегментов | 1–10 сек | ~1 мин | ~1 мин |
 **Вывод по качеству**: whisper.cpp medium f16 на уровне CTranslate2 float32/int8_float32.
 Качество сопоставимо, различия минимальны. Сегменты короче (1–10 сек vs ~1 мин) —
 это даже лучше для навигации по транскрипту.
 ### Блокер: Vulkan в WSL2 для AMD
 Для получения GPU-ускорения нужно одно из:
 1. **Нативный Linux** (dual boot / bare metal) — RADV драйвер работает с Radeon 780M
 2. **Windows-сборка** — нативный Vulkan через AMD Adrenalin драйвер
 3. **WSL2 + dozen** — экспериментальный Vulkan-over-D3D12 драйвер mesa.
   Статус: [в разработке](https://gitlab.freedesktop.org/mesa/mesa/-/merge_requests?search=dozen),
   не включён в стандартную mesa Ubuntu.
   Потенциально можно собрать mesa из исходников с `-Dvulkan-drivers=microsoft-experimental`
 **Рекомендация**: попробовать Windows-сборку whisper.cpp — это самый простой путь
 к Vulkan + Radeon 780M. Либо собрать mesa с dozen для WSL2.
 ## Прототип: whisper.cpp + Vulkan на Windows (2026-03-23)
 ### Сборка
 whisper.cpp собран на Windows с MinGW (MSYS2) + Vulkan:
 ```
 cmake -B build-vulkan -G "MinGW Makefiles" -DGGML_VULKAN=ON -DCMAKE_BUILD_TYPE=Release
 ```
 Vulkan GPU обнаружен:
 ```
 ggml_vulkan: Found 1 Vulkan devices:
 ggml_vulkan: 0 = AMD Radeon(TM) 780M (AMD proprietary driver) | uma: 1 | fp16: 1 |
  warp size: 64 | shared memory: 32768 | int dot: 1 | matrix cores: KHR_coopmat
 ```
 ### Проблема: зацикливание (repetition loop)
 Первый запуск (дефолтные параметры): **520с**, но с ~07:00 модель зациклилась
 на фразе "Ну, опять же, они могут завести…" — повторяется ~170 раз до конца записи.
 Потеряна половина транскрипта.
 **Причина**: whisper.cpp передаёт контекст предыдущего сегмента в декодер (`-mc -1`),
 что провоцирует repetition loop на длинных записях с паузами/перебивками.
 **Решение**: `-mc 0` (не передавать контекст между сегментами).
 ### Скорость (Vulkan, -mc 0)
 | Параметр | Значение |
 |----------|----------|
 | Модель | ggml-medium.bin (f16, 1533 МБ) на Vulkan GPU |
 | Аудио | 14:41 (881с), русский, 3 участника |
 | Общее время | **432с** |
 | encode | 123.5с (35 проходов, 3.5с/проход) |
 | batchd (decode) | 252.7с |
 | Потоки | 4 / 16 |
 Сравнение с бенчмарком (тот же аудиофайл):
 | Конфигурация | Время, с | Ускорение vs CPU f32 |
 |---|---|---|
 | OpenVINO fp16 (medium) | ~240 | 3.7x |
 | **whisper.cpp Vulkan + Radeon 780M** | **~432** | **2.0x** |
 | **CT2 int8_float32, 8 threads** | **~458** | **1.9x** |
 | CT2 int8_float32, 16 threads | ~498 | 1.8x |
 | CT2 int8_float32, default (4 threads) | ~599 | 1.5x |
 | CT2 float32 / whisper.cpp CPU | ~881-886 | 1.0x |
 **Оптимизация потоков**: CTranslate2 по умолчанию использует 4 потока (`cpu_threads=0`).
 На Ryzen 7 8845H (8 ядер / 16 потоков) оптимум — **8 потоков** (по числу физических ядер).
 16 потоков (SMT/hyperthreading) не помогают — контекст-свитчинг нивелирует выигрыш.
 Управление: `OMP_NUM_THREADS=8` или параметр `cpu_threads` в WhisperModel.
 CT2 int8_float32 с 8 потоками (**458с**) почти догоняет whisper.cpp Vulkan (**432с**)
 без дополнительных зависимостей.
 ### Качество (Vulkan, -mc 0)
 #### Техтермины
 | Термин | whisper.cpp Vulkan | CT2 int8f32 |
 |--------|-------------------|-------------|
 | DWH | ✅ DWH | ✅ DWH |
 | Teradata | ✅ TeraData | ✅ Teradata |
 | NiFi | ⚠️ IFI | ✅ NiFi |
 | FineBI | ✅ FindBI/FineBI/FNBI | ✅ finebi/FNBI |
 | Alation | ✅ Allation | ✅ Allation |
 | ETL | ✅ ETL | ✅ ETL |
 | DBC Tables V | ⚠️ dbc tables v (lowercase) | ✅ DBC Tables V |
 | OpenLineage | ✅ OpenLinage.io | ✅ OpenLinage.io |
 | Вьюхи | ✅ Вьюхи | ⚠️ Yuhi |
 #### Русская разговорная речь и пунктуация
 Качество сопоставимо с CT2 int8_float32. Пунктуация хорошая в обоих случаях.
 Сегменты у whisper.cpp короче (2-10 сек vs ~1 мин) — удобнее для навигации.
 ### Вывод
 whisper.cpp + Vulkan на Radeon 780M даёт **432с** — всего **28% быстрее** CT2 int8_float32
 (599с). Разница недостаточна, чтобы оправдать сложность интеграции:
 - Отдельная сборка whisper.cpp (cmake + MinGW + VulkanSDK)
 - Другой формат моделей (GGML вместо CTranslate2)
 - Workaround `-mc 0` от зацикливания
 - Конвертация в WAV (whisper.cpp не принимает mp4 напрямую)
 - Ещё одна зависимость для пользователя
 **CT2 int8_float32 остаётся оптимальным выбором**: уже встроен в проект, zero-config,
 хорошее качество, приемлемая скорость.
 ## Рекомендуемый план (обновлённый)
 1. ~~**Прототип в WSL** — собрать whisper.cpp с Vulkan, прогнать тестовый файл~~ ✅ Сделано
 2. ~~**Качество подтверждено** — whisper.cpp medium f16 ≈ CT2 float32/int8_float32~~ ✅
 3. ~~**GPU-ускорение в WSL2** — Vulkan не видит AMD GPU~~ ✅ Подтверждено
 4. ~~**Windows-сборка с Vulkan** — 432с, 2x vs CPU, но всего 28% vs CT2 int8_float32~~ ✅
 5. **Решение**: whisper.cpp + Vulkan не оправдывает себя на Radeon 780M iGPU.
   CT2 int8_float32 — оптимальный дефолт для CPU без CUDA.
 6. NPU — отложить до XDNA 2 или до появления pip-пакета от AMD
 7. Пересмотреть при появлении дискретного AMD GPU или WinML с Python-поддержкой
@@ -1,53 +0,0 @@
 # Обновления движков и моделей на 2026-08-10
 Исследование выполнено по первичным источникам: официальным release notes, changelog, PyPI и model cards Hugging Face. Текущее состояние проекта зафиксировано в [`pyproject.toml`](../../pyproject.toml) и [`uv.lock`](../../uv.lock).
 ## Краткий вывод
 В проекте уже используется актуальный `faster-whisper` 1.2.1, однако связанные движки и модельный каталог можно обновить. Наиболее полезная последовательность: согласованно поднять OpenVINO и OpenVINO GenAI до 2026.3, разрешить `onnx-asr` 0.12 и проверить VAD, обновить CTranslate2 до 4.8.1, затем добавить `large-v3-turbo` для FasterWhisper и OpenVINO. ONNX Runtime 1.28 нельзя безусловно фиксировать, пока проект поддерживает Python 3.10, поскольку эта версия ORT требует Python 3.11 или новее ([ONNX Runtime 1.28.0 на PyPI](https://pypi.org/project/onnxruntime/1.28.0/)).
 ## Движки
 | Компонент | Сейчас в проекте | Актуальная стабильная версия | Существенные изменения и риски |
 |---|---:|---:|---|
 | faster-whisper | 1.2.1 | 1.2.1 | Проект уже на последнем релизе. В 1.2.1 обновлён Silero VAD до v6, доработаны retry Hugging Face Hub и `clip_timestamps`; в 1.2.0 добавлена поддержка `distil-large-v3.5` ([официальные releases](https://github.com/SYSTRAN/faster-whisper/releases), [PyPI](https://pypi.org/project/faster-whisper/)). Для актуального GPU-стека документация указывает CUDA 12 и cuDNN 9; для старых комбинаций требуются специальные версии CTranslate2 ([официальная установка](https://github.com/SYSTRAN/faster-whisper#gpu)). |
 | CTranslate2 | 4.7.1 | 4.8.1 | В 4.8.0 `PACKED_GEMM` включён по умолчанию для Intel MKL; 4.8.1 исправляет heap overflow при загрузке модели и аварийное деление на ноль в Whisper `align()` при отсутствии кадров ([официальный changelog](https://github.com/OpenNMT/CTranslate2/blob/master/CHANGELOG.md), [релиз 4.8.1](https://github.com/OpenNMT/CTranslate2/releases/tag/v4.8.1), [PyPI](https://pypi.org/project/ctranslate2/)). Публичного breaking API для используемого пути не заявлено, но из-за нативных библиотек нужно проверить Windows CPU, Linux CUDA и проектный CUDA bootstrap. Требование cuDNN 9 появилось в CTranslate2 4.5.0 ([changelog](https://github.com/OpenNMT/CTranslate2/blob/master/CHANGELOG.md#450)). |
 | OpenVINO | 2026.0.0 | 2026.3.0 | В 2026.3 добавлены общий `ASRPipeline`, Qwen3-ASR и метрики задержки стадий распознавания; в ветке 2026.x также появились word-level timestamps и определённый язык в результатах Whisper ([официальные release notes](https://docs.openvino.ai/2026/about-openvino/release-notes-openvino.html), [PyPI](https://pypi.org/project/openvino/)). Начиная с 2026.0 удалена поддержка устаревшего stateless Whisper decoder, поэтому модели должны быть stateful; та же версия требует минимум AVX2, использует manylinux_2_28 и больше не поддерживает CentOS 7 ([release notes 2026.0](https://docs.openvino.ai/2026/about-openvino/release-notes-openvino.html#openvino-2026-0-0)). |
 | openvino-genai | 2026.0.0.0 | 2026.3.0.0 | OpenVINO GenAI необходимо обновлять вместе с OpenVINO: официальная документация требует совпадения `major.minor.patch` у OpenVINO, OpenVINO Tokenizers и GenAI, иначе возможны ABI/import errors. PyPI-пакеты собраны с `_GLIBCXX_USE_CXX11_ABI=0`, а архивы C++ — с ABI=1, поэтому смешивать PyPI GenAI с OpenVINO из C++ archive нельзя ([официальная страница PyPI](https://pypi.org/project/openvino-genai/), [официальные releases](https://github.com/openvinotoolkit/openvino.genai/releases)). |
 | onnx-asr | 0.11.0 | 0.12.0 | Обновление сейчас **явно заблокировано** зависимостью `onnx-asr[cpu,hub]>=0.11.0,<0.12.0` в [`pyproject.toml`](../../pyproject.toml). В 0.12 добавлены GigaAM Multilingual CTC/Large CTC, свёрточные ONNX preprocessors с ускорением CUDA EP и ORT fallback; также исправлены сегменты нулевой длины после VAD, что напрямую относится к используемому проектом `.with_vad()` ([релиз 0.12.0](https://github.com/istupakov/onnx-asr/releases/tag/v0.12.0), [официальные release notes](https://istupakov.github.io/onnx-asr/release-notes/), [PyPI](https://pypi.org/project/onnx-asr/)). Breaking Python API не объявлен, но проект должен проверить загрузку квантованных моделей, VAD и форму возвращаемых сегментов. |
 | ONNX Runtime | 1.24.3 | 1.28.0 | В 1.28 обновлены ONNX и protobuf и включены security fixes, в том числе проверка границ в `WhisperDecoderSubgraph` ([официальный релиз 1.28.0](https://github.com/microsoft/onnxruntime/releases/tag/v1.28.0), [PyPI](https://pypi.org/project/onnxruntime/1.28.0/)). Версия 1.28 требует Python 3.11+, тогда как проект допускает Python 3.10, поэтому нужен условный lock/constraint либо осознанное повышение минимальной версии Python ([метаданные PyPI 1.28.0](https://pypi.org/project/onnxruntime/1.28.0/)). Для GPU-пакетов ORT 1.27+ используется CUDA 13.0 и cuDNN 9; major-версии CUDA и cuDNN должны совпадать с runtime ([официальная матрица CUDA EP](https://onnxruntime.ai/docs/execution-providers/CUDA-ExecutionProvider.html#requirements)). |
 ## Модели и варианты
 ### Whisper large-v3-turbo
 `whisper-large-v3-turbo` — мультиязычная модель на 99 языков с 809 млн параметров вместо 1550 млн у `large-v3`; число decoder layers сокращено с 32 до 4, что заметно ускоряет вывод ценой небольшой потери качества ([официальная model card OpenAI](https://huggingface.co/openai/whisper-large-v3-turbo)). Это наиболее полезный новый вариант для русского и смешанного аудио.
 FasterWhisper уже содержит стандартные aliases `large-v3-turbo` и `turbo` в собственной таблице моделей ([официальный `utils.py`](https://github.com/SYSTRAN/faster-whisper/blob/master/faster_whisper/utils.py)); готовая CTranslate2-конверсия опубликована как [`dropbox-dash/faster-whisper-large-v3-turbo`](https://huggingface.co/dropbox-dash/faster-whisper-large-v3-turbo). Проект использует собственную ограниченную таблицу aliases, поэтому модель нужно добавить явно либо перейти на стандартное разрешение имён FasterWhisper ([текущая реализация проекта](../../src/local_transcriber/backends/faster_whisper.py)).
 Для OpenVINO опубликованы официальные варианты [`whisper-large-v3-turbo-fp16-ov`](https://huggingface.co/OpenVINO/whisper-large-v3-turbo-fp16-ov) и [`whisper-large-v3-turbo-int8-ov`](https://huggingface.co/OpenVINO/whisper-large-v3-turbo-int8-ov). Их model cards требуют OpenVINO 2026.1 или новее, поэтому текущий OpenVINO 2026.0 недостаточен; после согласованного обновления до 2026.3 можно добавить общий alias `turbo` для FasterWhisper и OpenVINO.
 ### GigaAM Multilingual
 `onnx-asr` 0.12 добавляет модели `gigaam-multilingual-ctc` и `gigaam-multilingual-large-ctc` ([официальный релиз 0.12.0](https://github.com/istupakov/onnx-asr/releases/tag/v0.12.0), [документация использования](https://istupakov.github.io/onnx-asr/usage/)). Конвертированные репозитории опубликованы как [`gigaam-multilingual-ctc-onnx`](https://huggingface.co/istupakov/gigaam-multilingual-ctc-onnx) и [`gigaam-multilingual-large-ctc-onnx`](https://huggingface.co/istupakov/gigaam-multilingual-large-ctc-onnx), исходная модель — [`ai-sage/GigaAM-Multilingual`](https://huggingface.co/ai-sage/GigaAM-Multilingual). Они полезны для смешанной речи на поддерживаемых пяти языках, но требуют снятия ограничения `<0.12.0`.
 ### GigaAM v3 E2E
 Текущий ONNX-репозиторий GigaAM v3 содержит не только CTC/RNNT, но и E2E-варианты с пунктуацией и нормализацией текста ([официальная model card `istupakov/gigaam-v3-onnx`](https://huggingface.co/istupakov/gigaam-v3-onnx)). E2E-вариант может улучшить читаемость русского текста, но меняет семантику вывода относительно текущего `gigaam-v3-ctc`; перед заменой default нужны сравнительные тесты транскрипции и форматирования.
 ### Distil-Whisper large-v3.5
 `distil-large-v3.5` поддерживается faster-whisper начиная с 1.2.0 ([официальные releases](https://github.com/SYSTRAN/faster-whisper/releases)); доступны [исходная модель](https://huggingface.co/distil-whisper/distil-large-v3.5) и [CTranslate2-конверсия](https://huggingface.co/distil-whisper/distil-large-v3.5-ct2). Модель предназначена только для английского языка, поэтому она не подходит как русский default, но может быть отдельной English-only опцией.
 ### Qwen3-ASR как R&D
 OpenVINO 2026.3 добавляет раннюю поддержку Qwen3-ASR через новый общий `ASRPipeline` ([официальные release notes 2026.3](https://docs.openvino.ai/2026/about-openvino/release-notes-openvino.html#openvino-2026-3-0)). Текущий backend проекта построен вокруг `WhisperPipeline` и Whisper-совместимых сегментов ([текущая реализация](../../src/local_transcriber/backends/openvino.py)), поэтому Qwen3-ASR не является drop-in обновлением модели: это отдельная R&D-задача с новым интерфейсом, модельным контрактом и тестами качества.
 ## Приоритет действий
 1. Согласованно обновить `openvino` до 2026.3.0 и `openvino-genai` до 2026.3.0.0, не смешивая источники сборок; проверить существующие stateful Whisper-модели, CPU/GPU и минимальные платформенные требования ([совместимость GenAI](https://pypi.org/project/openvino-genai/), [release notes OpenVINO](https://docs.openvino.ai/2026/about-openvino/release-notes-openvino.html)).
 2. Убрать блокирующее ограничение `<0.12.0`, поднять `onnx-asr` до 0.12.0 и прогнать интеграционные тесты VAD, сегментов и квантованных GigaAM-моделей ([релиз 0.12.0](https://github.com/istupakov/onnx-asr/releases/tag/v0.12.0)).
 3. Обновить CTranslate2 с 4.7.1 до 4.8.1 и проверить Windows CPU/Linux CUDA, включая CUDA bootstrap ([changelog](https://github.com/OpenNMT/CTranslate2/blob/master/CHANGELOG.md)).
 4. Добавить alias `turbo` и репозитории `large-v3-turbo` для FasterWhisper и OpenVINO после обновления OpenVINO ([OpenAI model card](https://huggingface.co/openai/whisper-large-v3-turbo), [OpenVINO FP16](https://huggingface.co/OpenVINO/whisper-large-v3-turbo-fp16-ov), [OpenVINO INT8](https://huggingface.co/OpenVINO/whisper-large-v3-turbo-int8-ov)).
 5. Не фиксировать ONNX Runtime 1.28 для всех окружений, пока поддерживается Python 3.10; сначала выбрать условные зависимости либо официально поднять Python floor ([PyPI 1.28.0](https://pypi.org/project/onnxruntime/1.28.0/)).
 6. Рассматривать GigaAM Multilingual, GigaAM v3 E2E и Qwen3-ASR как отдельные эксперименты с качеством и совместимостью, а `distil-large-v3.5` — только как English-only профиль ([GigaAM Multilingual](https://huggingface.co/ai-sage/GigaAM-Multilingual), [GigaAM v3 ONNX](https://huggingface.co/istupakov/gigaam-v3-onnx), [OpenVINO 2026.3](https://docs.openvino.ai/2026/about-openvino/release-notes-openvino.html#openvino-2026-3-0), [Distil-Whisper](https://huggingface.co/distil-whisper/distil-large-v3.5)).
@@ -12,7 +12,6 @@ dependencies = [
    "nvidia-cublas-cu12>=12.4; sys_platform == 'linux' and platform_machine == 'x86_64'",
    "openvino-genai>=2025.0; sys_platform != 'darwin' and (platform_machine == 'x86_64' or platform_machine == 'AMD64')",
    "tomli>=2.0; python_version < '3.11'",
    "onnx-asr[cpu,hub]>=0.11.0,<0.12.0",
 ]
 [project.scripts]
@@ -25,15 +25,6 @@ def get_backend(device: str, *, compute_type_explicit: bool = True) -> Backend:
            ov_device=device, compute_type_explicit=compute_type_explicit
        )
    if device == "onnx":
        try:
            from .onnx_asr import OnnxAsrBackend
        except ImportError:
            raise ValueError(
                "onnx-asr бэкенд недоступен. Установите: pip install onnx-asr[cpu,hub]"
            ) from None
        return OnnxAsrBackend()
    # cuda, cpu и всё остальное → faster-whisper
    from .faster_whisper import FasterWhisperBackend
@@ -30,12 +30,8 @@ class Backend(Protocol):
        model_path: str,
        device: str,
        compute_type: str,
        cpu_threads: int = 0,
    ) -> Any:
-        """Создаёт модель. Возвращает backend-специфичный объект.
+        """Создаёт модель. Возвращает backend-специфичный объект."""
        cpu_threads: число потоков для CPU inference (0 = дефолт библиотеки).
        """
        ...
    def transcribe(
@@ -84,17 +84,10 @@ class FasterWhisperBackend:
        model_path: str,
        device: str,
        compute_type: str,
        cpu_threads: int = 0,
    ) -> Any:
-        """Создаёт WhisperModel.
+        """Создаёт WhisperModel."""
        cpu_threads: число потоков для CPU inference (0 = дефолт библиотеки, обычно 4).
        """
        try:
-            return WhisperModel(
+            return WhisperModel(model_path, device=device, compute_type=compute_type)
                model_path, device=device, compute_type=compute_type,
                cpu_threads=cpu_threads,
            )
        except ImportError as exc:
            if _is_missing_socksio_error(exc):
                raise RuntimeError(
@@ -1,154 +0,0 @@
 """Бэкенд транскрипции на основе onnx-asr (GigaAM, Parakeet, FastConformer)."""
 from __future__ import annotations
 from collections.abc import Callable
 from pathlib import Path
 from typing import Any
 from local_transcriber.types import Segment, TranscribeResult
 MODEL_ALIASES: dict[str, str] = {
    "gigaam-v3": "gigaam-v3-ctc",
    "parakeet-v3": "nemo-parakeet-tdt-0.6b-v3",
 }
 SUPPORTED_ALIASES = ", ".join(MODEL_ALIASES)
 # compute_type проекта → onnx-asr quantization (file suffix; None = unquantized).
 _QUANTIZATION_MAP: dict[str, str | None] = {
    "int8": "int8",
    "fp16": "fp16",
    "float16": "fp16",
    "float32": None,
    "fp32": None,
 }
 def _normalize_quantization(compute_type: str) -> str | None:
    """Маппит compute_type проекта в значение onnx-asr ``quantization``.
    onnx-asr использует ``quantization`` как суффикс имени файла модели:
    ``int8``/``fp16`` подгружают квантизованные веса, ``None`` — unquantized
    (float32). Передача ``"float32"`` строкой пытается найти несуществующий
    файл с суффиксом ``_float32`` и приводит к ошибке загрузки.
    """
    if compute_type not in _QUANTIZATION_MAP:
        supported = ", ".join(sorted(_QUANTIZATION_MAP))
        raise ValueError(
            f"Неподдерживаемый compute_type '{compute_type}' для onnx-asr. "
            f"Допустимо: {supported}."
        )
    return _QUANTIZATION_MAP[compute_type]
 class OnnxAsrBackend:
    """Бэкенд транскрипции через onnx-asr (ONNX Runtime)."""
    def __init__(self):
        self.actual_compute_type: str | None = None
        self._resolved_model_id: str | None = None
        self._vad: Any = None
    def ensure_model_available(
        self,
        model_name: str,
        compute_type: str,
        on_status: Callable[[str], None] | None = None,
    ) -> str:
        """Resolves model alias and returns the onnx-asr model identifier.
        onnx-asr downloads models automatically via load_model(),
        so this just validates the alias and returns the identifier string.
        """
        self.actual_compute_type = compute_type
        self._resolved_model_id = self._resolve_model(model_name)
        return self._resolved_model_id
    def create_model(
        self,
        model_path: str,
        device: str,
        compute_type: str,
        cpu_threads: int = 0,
    ) -> Any:
        """Creates onnx-asr model with VAD.
        compute_type маппится в onnx-asr ``quantization`` — это суффикс файла
        модели; для unquantized (float32/fp32) нужно None, не строку.
        """
        import onnx_asr
        quantization = _normalize_quantization(compute_type)
        model = onnx_asr.load_model(
            model=model_path,
            quantization=quantization,
        )
        vad = onnx_asr.load_vad("silero")
        self._vad = vad
        return model.with_vad(vad)
    def transcribe(
        self,
        model: Any,
        file_path: Path,
        language: str | None,
        on_segment: Callable[[Segment], None] | None = None,
        on_status: Callable[[str], None] | None = None,
    ) -> TranscribeResult:
        """Transcribes audio file using onnx-asr model with VAD.
        model: result of create_model() — a SegmentResultsAsrAdapter.
        file_path: path to audio/video file (any format supported by faster-whisper decode).
        language: language code (e.g. "ru", "en") — only meaningful for multilingual models.
        """
        from faster_whisper import decode_audio
        _notify(on_status, "Загружаю аудио...")
        audio_array = decode_audio(str(file_path), sampling_rate=16000)
        duration = len(audio_array) / 16000.0
        _notify(on_status, "Транскрибирую (onnx-asr)...")
        segments: list[Segment] = []
        detected_language = language or "unknown"
        for vad_seg in model.recognize(audio_array, sample_rate=16000, language=language):
            seg = Segment(
                start=max(0.0, vad_seg.start),
                end=max(0.0, vad_seg.end),
                text=vad_seg.text,
            )
            if on_segment is not None:
                on_segment(seg)
            segments.append(seg)
            _notify(
                on_status,
                f"Транскрибирую (onnx-asr)... [{len(segments)} сегм.]",
            )
        return TranscribeResult(
            segments=segments,
            language=detected_language,
            language_probability=1.0 if language else 0.0,
            duration=duration,
            device_used="",  # оркестратор проставит
        )
    def _resolve_model(self, model_name: str) -> str:
        """Resolve alias to onnx-asr model name. Raw names pass through."""
        if model_name in MODEL_ALIASES:
            return MODEL_ALIASES[model_name]
        if "/" in model_name or model_name.count("-") >= 2:
            # Looks like a raw onnx-asr name — allow passthrough
            return model_name
        raise ValueError(
            f"Неподдерживаемая модель '{model_name}'. "
            f"Доступные алиасы: {SUPPORTED_ALIASES}. "
            f"Либо укажите полное имя модели onnx-asr."
        )
 def _notify(on_status: Callable[[str], None] | None, message: str) -> None:
    if on_status is not None:
        on_status(message)
@@ -106,9 +106,8 @@ class OpenVINOBackend:
        model_path: str,
        device: str,
        compute_type: str,
        cpu_threads: int = 0,
    ) -> Any:
-        """Создаёт WhisperPipeline. cpu_threads не используется (OpenVINO управляет сам)."""
+        """Создаёт WhisperPipeline."""
        import openvino_genai as ov_genai
        ov_dev = self._resolve_ov_device()
@@ -9,23 +9,9 @@ from rich.console import Console
 from rich.status import Status
 from .config import apply_device_defaults, load_config, resolve_defaults
-from .context_menu import install_menu as install_context_menu
+from .formatter import format_transcript, write_transcript
 from .context_menu import uninstall_menu as uninstall_context_menu
 from .formatter import (
    format_duration,
    format_timestamp,
    format_transcript,
    write_transcript,
 )
 from .quality import (
    TAIL_GAP_WARN_S,
    RepetitionBlock,
    find_repetition_blocks,
    tail_gap,
 )
 from .transcriber import (
    Segment,
    TranscribeResult,
    _is_cuda_error,
    _transcribe_file,
    load_model,
@@ -57,62 +43,9 @@ def _format_device_info(device_used: str) -> str:
    return "CPU"
 def _format_repetition_blocks(
    blocks: list[RepetitionBlock],
    use_hours: bool,
 ) -> str:
    """Формирует краткое описание блоков повторов для консоли."""
    rendered = [
        f"[{format_timestamp(block.start, use_hours=use_hours)} - "
        f"{format_timestamp(block.end, use_hours=use_hours)}] ({block.count}×)"
        for block in blocks[:3]
    ]
    summary = "; ".join(rendered)
    remaining = len(blocks) - 3
    if remaining > 0:
        summary = f"{summary} (+ ещё {remaining})"
    return summary
 def _print_quality_warnings(result: TranscribeResult, file_name: str | None = None) -> None:
    """Печатает предупреждения о возможной потере содержания."""
    is_batch = file_name is not None
    use_hours = result.duration > 3600
    gap = tail_gap(result)
    if gap > TAIL_GAP_WARN_S:
        covered = format_duration(result.segments[-1].end)
        total = format_duration(result.duration)
        message = (
            f"транскрипт покрывает {covered} из {total} — "
            "возможна потеря хвоста записи"
        )
        if is_batch:
            console.print(f"  {file_name}: {message}", style="yellow")
        else:
            console.print(
                f"Внимание: {message}. Попробуйте другой --device.",
                style="yellow",
            )
    blocks = find_repetition_blocks(result.segments)
    if blocks:
        message = (
            f"блоки повторов: {_format_repetition_blocks(blocks, use_hours)} "
            "— возможны галлюцинации модели"
        )
        if is_batch:
            console.print(f"  {file_name}: {message}", style="yellow")
        else:
            console.print(
                f"Внимание: {message}. Попробуйте другой --device.",
                style="yellow",
            )
@app.command()
 def main(
-    files: list[Path] | None = typer.Argument(None, help="Пути к аудио/видеофайлам"),
+    files: list[Path] = typer.Argument(..., help="Пути к аудио/видеофайлам"),
    model: str | None = typer.Option(
        None, "--model", "-m", show_default=False, help="Модель Whisper [по умолч.: medium]"
    ),
@@ -122,60 +55,19 @@ def main(
    output: Path | None = typer.Option(None, "--output", "-o", help="Путь к выходному файлу"),
    device: str | None = typer.Option(
        None, "--device", "-d", show_default=False,
-        help="Устройство (auto|cpu|cuda|openvino|openvino-gpu|openvino-cpu|onnx) [по умолч.: auto]"
+        help="Устройство (auto|cpu|cuda|openvino|openvino-gpu|openvino-cpu) [по умолч.: auto]"
    ),
    compute_type: str | None = typer.Option(
        None, "--compute-type", show_default=False,
        help="Тип вычислений [по умолч.: float16 (CUDA) / int8 (OpenVINO GPU/CPU) / float32 (CPU)]"
    ),
    threads: int = typer.Option(
        0, "--threads", "-t", show_default=False, min=0,
        help="Потоки CPU (0 = дефолт библиотеки; рекомендуется = число физ. ядер)"
    ),
    verbose: bool = typer.Option(False, "--verbose", "-v", help="Подробный вывод"),
    force: bool = typer.Option(False, "--force", "-f", help="Перезаписать существующие транскрипты"),
    install_menu: bool = typer.Option(False, "--install-menu", help="Установить пункт Transcribe в SendTo"),
    uninstall_menu: bool = typer.Option(False, "--uninstall-menu", help="Удалить пункт Transcribe из SendTo"),
 ) -> None:
    """Транскрибирует аудио/видеофайлы в markdown с таймкодами.
    Каскад приоритетов параметров: CLI-флаги > .transcriber.toml > device-aware дефолты.
    """
    files = [] if files is None else files
    if install_menu or uninstall_menu:
        if install_menu and uninstall_menu:
            console.print("--install-menu и --uninstall-menu несовместимы.", style="red bold")
            raise SystemExit(2)
        if files:
            console.print("Флаги меню нельзя использовать вместе с файлами.", style="red bold")
            raise SystemExit(2)
        if sys.platform != "win32":
            console.print("Пункт меню SendTo доступен только на Windows.", style="red bold")
            raise SystemExit(1)
        try:
            if install_menu:
                cmd_path = install_context_menu()
                console.print(f"Пункт меню установлен: \"{cmd_path}\"", style="green")
            else:
                cmd_path = uninstall_context_menu()
                if cmd_path is None:
                    console.print("Пункт меню не был установлен.", style="yellow")
                else:
                    console.print(f"Пункт меню удалён: \"{cmd_path}\"", style="green")
        except RuntimeError as exc:
            console.print(f"Ошибка: {exc}", style="red bold")
            raise SystemExit(1)
        return
    if not files:
        console.print(
            "Укажите хотя бы один файл или используйте --install-menu/--uninstall-menu.",
            style="red bold",
        )
        raise SystemExit(2)
    try:
        config = load_config()
        cli_values = {"model": model, "language": language, "device": device, "compute_type": compute_type}
@@ -197,9 +89,9 @@ def main(
            raise SystemExit(1)
        if is_batch:
-            _run_batch(expanded, defaults, verbose, force, ct_explicit, cpu_threads=threads)
+            _run_batch(expanded, defaults, verbose, force, ct_explicit)
        else:
-            _run_single(expanded[0], defaults, output, verbose, ct_explicit, cpu_threads=threads)
+            _run_single(expanded[0], defaults, output, verbose, ct_explicit)
    except KeyboardInterrupt:
        console.print("\nПрервано пользователем.", style="yellow")
        raise SystemExit(130)
@@ -237,7 +129,6 @@ def _run_single(
    output: Path | None,
    verbose: bool,
    compute_type_explicit: bool = False,
    cpu_threads: int = 0,
 ) -> None:
    """Пайплайн одного файла: валидация → модель → транскрипция → запись."""
    start = time.monotonic()
@@ -257,7 +148,6 @@ def _run_single(
        defaults["model"], resolved_device, defaults["compute_type"],
        on_status=lambda msg: console.print(msg), strict_device=strict,
        compute_type_explicit=compute_type_explicit,
        cpu_threads=cpu_threads,
    )
    actual_ct = getattr(backend, "actual_compute_type", defaults["compute_type"]) or defaults["compute_type"]
    console.print(
@@ -284,7 +174,6 @@ def _run_single(
            on_segment=on_segment if verbose else None,
            on_status=status.update,
            strict_device=strict,
            cpu_threads=cpu_threads,
        )
    result = tfr.result
@@ -322,7 +211,6 @@ def _run_single(
    elapsed = time.monotonic() - start
    console.print(f"Транскрипт сохранён: \"{output_path}\"", style="green")
    console.print(f"  Сегментов: {len(result.segments)}  Время: {elapsed:.1f}с")
    _print_quality_warnings(result)
 def _run_batch(
@@ -331,7 +219,6 @@ def _run_batch(
    verbose: bool,
    force: bool,
    compute_type_explicit: bool = False,
    cpu_threads: int = 0,
 ) -> None:
    """Трёхфазный батч-пайплайн: prescan → загрузка модели → транскрипция."""
    # Phase 1: Prescan — fail-fast + skip до загрузки модели (экономим ~2-5 сек)
@@ -369,7 +256,6 @@ def _run_batch(
        defaults["model"], resolved_device, defaults["compute_type"],
        on_status=lambda msg: console.print(msg), strict_device=strict,
        compute_type_explicit=compute_type_explicit,
        cpu_threads=cpu_threads,
    )
    if actual_device == "openvino-gpu" and defaults["model"] != "large-v3":
@@ -420,7 +306,6 @@ def _run_batch(
                    on_segment=on_segment if verbose else None,
                    on_status=status.update if not verbose else lambda msg: console.print(msg),
                    strict_device=strict,
                    cpu_threads=cpu_threads,
                )
            if tfr.actual_device != actual_device:
@@ -458,7 +343,6 @@ def _run_batch(
                style="green",
            )
            processed += 1
            _print_quality_warnings(result, file.name)
        except KeyboardInterrupt:
            raise
        except Exception as exc:
@@ -22,12 +22,11 @@ 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"},
 }
 # Одно место правды для допустимых ключей конфига
 _VALID_KEYS = set(HARDCODED_DEFAULTS)
-_VALID_DEVICES = {"auto", "cpu", "cuda", "openvino", "openvino-gpu", "openvino-cpu", "onnx"}
+_VALID_DEVICES = {"auto", "cpu", "cuda", "openvino", "openvino-gpu", "openvino-cpu"}
 def find_config_file() -> Path | None:
@@ -1,57 +0,0 @@
 """Установка пункта Transcribe в меню SendTo проводника Windows."""
 import os
 import sys
 from pathlib import Path
 CMD_NAME = "Transcribe.cmd"
 CMD_ENCODING = "oem"
 def get_sendto_dir() -> Path:
    """Возвращает путь к пользовательской папке SendTo."""
    appdata = os.environ.get("APPDATA")
    if appdata is None:
        raise RuntimeError("Переменная окружения APPDATA не задана.")
    return Path(appdata) / "Microsoft" / "Windows" / "SendTo"
 def get_transcribe_exe() -> Path:
    """Возвращает путь к transcribe.exe рядом с текущим интерпретатором."""
    transcribe_exe = Path(sys.executable).parent / "transcribe.exe"
    if not transcribe_exe.exists():
        raise RuntimeError(
            f"Не найден transcribe.exe рядом с Python: {transcribe_exe}. "
            "Выполните uv sync и повторите установку пункта меню."
        )
    return transcribe_exe
 def install_menu() -> Path:
    """Создаёт или обновляет Transcribe.cmd в папке SendTo."""
    sendto_dir = get_sendto_dir()
    transcribe_exe = get_transcribe_exe()
    cmd_path = sendto_dir / CMD_NAME
    content = f'@echo off\r\n"{transcribe_exe}" %*\r\npause\r\n'
    try:
        encoded_content = content.encode(CMD_ENCODING)
    except UnicodeEncodeError as exc:
        raise RuntimeError(
            "Путь к transcribe.exe содержит символы, которые нельзя записать "
            "в OEM-кодировке cmd.exe. Установите проект в путь без таких символов "
            "и повторите --install-menu."
        ) from exc
    sendto_dir.mkdir(parents=True, exist_ok=True)
    cmd_path.write_bytes(encoded_content)
    return cmd_path
 def uninstall_menu() -> Path | None:
    """Удаляет Transcribe.cmd из папки SendTo, если он существует."""
    cmd_path = get_sendto_dir() / CMD_NAME
    if not cmd_path.exists():
        return None
    cmd_path.unlink()
    return cmd_path
@@ -4,7 +4,6 @@ from dataclasses import dataclass
 from datetime import datetime
 from pathlib import Path
 from .quality import TAIL_GAP_WARN_S, find_repetition_blocks, tail_gap
 from .types import Segment, TranscribeResult
 _PAUSE_THRESHOLD_S = 2.0  # пауза между сегментами для разбиения на абзацы
@@ -64,7 +63,7 @@ def format_timestamp(seconds: float, use_hours: bool = False) -> str:
    return f"{minutes:02d}:{secs:02d}.{centiseconds:02d}"
-def format_duration(seconds: float) -> str:
+def _format_duration(seconds: float) -> str:
    """Человекочитаемая длительность для метаданных в шапке транскрипта."""
    total = int(seconds)
    h = total // 3600
@@ -93,20 +92,7 @@ def format_transcript(
    lines.append(f"- **Дата транскрипции**: {date.strftime('%Y-%m-%d %H:%M:%S')}")
    lines.append(f"- **Модель**: {model_name}")
    lines.append(f"- **Язык**: {result.language} ({language_mode})")
-    lines.append(f"- **Длительность**: {format_duration(result.duration)}")
+    lines.append(f"- **Длительность**: {_format_duration(result.duration)}")
    if tail_gap(result) > TAIL_GAP_WARN_S:
        last_end = result.segments[-1].end
        lines.append(
            f"- **Внимание**: транскрипт покрывает {format_duration(last_end)} "
            f"из {format_duration(result.duration)} — возможна потеря хвоста записи"
        )
    for block in find_repetition_blocks(result.segments):
        start = format_timestamp(block.start, use_hours=use_hours)
        end = format_timestamp(block.end, use_hours=use_hours)
        lines.append(
            f"- **Внимание**: повторы в [{start} - {end}] ({block.count}×) "
            "— возможны галлюцинации модели"
        )
    lines.append(f"- **Устройство**: {device_info}")
    lines.append("")
    lines.append("---")
@@ -1,78 +0,0 @@
 """Эвристики качества транскрипта."""
 from dataclasses import dataclass
 from .types import Segment, TranscribeResult
 TAIL_GAP_WARN_S = 120.0
 REPETITION_MIN_RUN = 4
 REPETITION_MIN_RUN_SHORT = 10
 REPETITION_MIN_LEN = 6
 _PUNCTUATION_TO_REMOVE = ".,!?…:;—–-\"'«»()[]<>"
 _REMOVE_PUNCTUATION = str.maketrans("", "", _PUNCTUATION_TO_REMOVE)
@dataclass
 class RepetitionBlock:
    start: float
    end: float
    count: int
    text: str
 def tail_gap(result: TranscribeResult) -> float:
    """Возвращает непокрытый хвост записи в секундах."""
    if not result.segments:
        return 0.0
    return max(0.0, result.duration - result.segments[-1].end)
 def _normalize(text: str) -> str:
    """Нормализует текст сегмента для поиска межсегментных повторов."""
    text = text.casefold()
    text = text.translate(_REMOVE_PUNCTUATION)
    return " ".join(text.split())
 def find_repetition_blocks(segments: list[Segment]) -> list[RepetitionBlock]:
    """Находит серии подряд идущих одинаковых сегментов."""
    blocks: list[RepetitionBlock] = []
    run_start = 0
    run_norm = ""
    def append_run(run_end: int) -> None:
        count = run_end - run_start
        if not run_norm:
            return
        min_run = (
            REPETITION_MIN_RUN
            if len(run_norm) >= REPETITION_MIN_LEN
            else REPETITION_MIN_RUN_SHORT
        )
        if count >= min_run:
            blocks.append(
                RepetitionBlock(
                    start=segments[run_start].start,
                    end=segments[run_end - 1].end,
                    count=count,
                    text=segments[run_start].text,
                )
            )
    for index, segment in enumerate(segments):
        norm = _normalize(segment.text)
        if index == 0:
            run_start = 0
            run_norm = norm
            continue
        if norm == run_norm:
            continue
        append_run(index)
        run_start = index
        run_norm = norm
    if segments:
        append_run(len(segments))
    return blocks
@@ -22,13 +22,11 @@ def load_model(
    on_status: Callable[[str], None] | None = None,
    strict_device: bool = False,
    compute_type_explicit: bool = False,
    cpu_threads: int = 0,
 ) -> tuple[Any, str, Any, str]:
    """Загружает модель: ensure + create с fallback.
    Возвращает (model, actual_device, backend, model_path).
    compute_type_explicit: True если пользователь явно указал --compute-type.
    cpu_threads: число потоков для CPU inference (0 = дефолт библиотеки).
    """
    backend = get_backend(device, compute_type_explicit=compute_type_explicit)
    actual_device = device
@@ -37,7 +35,7 @@ def load_model(
    try:
        _notify_status(on_status, f"Инициализирую модель на {device}...")
-        model = backend.create_model(model_path, device, compute_type, cpu_threads=cpu_threads)
+        model = backend.create_model(model_path, device, compute_type)
        # Резолвим actual_device по реальному OpenVINO device
        ov_dev = getattr(backend, "actual_ov_device", None)
        if ov_dev == "GPU" and actual_device != "openvino-gpu":
@@ -57,7 +55,7 @@ def load_model(
            backend = get_backend("cpu")
            model_path = backend.ensure_model_available(model_name, compute_type, on_status)
            _notify_status(on_status, "Инициализирую модель на cpu...")
-            model = backend.create_model(model_path, "cpu", compute_type, cpu_threads=cpu_threads)
+            model = backend.create_model(model_path, "cpu", compute_type)
        else:
            raise
@@ -76,7 +74,6 @@ def _transcribe_file(
    on_segment: Callable[[Segment], None] | None = None,
    on_status: Callable[[str], None] | None = None,
    strict_device: bool = False,
    cpu_threads: int = 0,
 ) -> TranscribeFileResult:
    """Транскрибирует один файл. При mid-stream fallback перезагружает модель."""
    lang_arg = language if language and language != "auto" else None
@@ -98,7 +95,7 @@ def _transcribe_file(
            backend = get_backend("cpu")
            model_path = backend.ensure_model_available(model_name, compute_type, on_status)
            _notify_status(on_status, "Инициализирую модель на cpu...")
-            model = backend.create_model(model_path, "cpu", compute_type, cpu_threads=cpu_threads)
+            model = backend.create_model(model_path, "cpu", compute_type)
            _notify_status(on_status, "Транскрибирую...")
            result = backend.transcribe(model, file_path, lang_arg, on_segment, on_status)
            result.device_used = actual_device
@@ -123,19 +120,16 @@ def transcribe(
    on_segment: Callable[[Segment], None] | None = None,
    on_status: Callable[[str], None] | None = None,
    strict_device: bool = False,
    cpu_threads: int = 0,
 ) -> TranscribeResult:
    """High-level API: загрузка модели + транскрипция за один вызов."""
    model, actual_device, backend, model_path = load_model(
        model_name, device, compute_type, on_status, strict_device,
        compute_type_explicit=True,  # Python API — caller explicitly chose compute_type
        cpu_threads=cpu_threads,
    )
    tfr = _transcribe_file(
        model, actual_device, backend, model_path,
        file_path, model_name, compute_type,
        language, on_segment, on_status, strict_device,
        cpu_threads=cpu_threads,
    )
    return tfr.result
@@ -31,7 +31,7 @@ def test_resolve_repo_explicit_unsupported_pair_raises():
    """Явный --compute-type с несуществующей парой → ошибка."""
    backend = OpenVINOBackend(compute_type_explicit=True)
    with pytest.raises(ValueError, match="недоступна с compute_type='fp16'"):
-        backend._resolve_repo("small", "fp16")
+        backend._resolve_repo("medium", "fp16")
 def test_resolve_repo_explicit_unknown_model_raises():
@@ -2,7 +2,6 @@ from pathlib import Path
 from unittest.mock import MagicMock, patch
 import pytest
 from rich.console import Console
 from typer.testing import CliRunner
 from local_transcriber.cli import _format_device_info, app
@@ -863,308 +862,3 @@ def test_cli_openvino_alias_resolves_to_gpu(tmp_path):
    assert out.exit_code == 0
    # detect_device("openvino") resolved to "openvino-gpu", load_model receives it
    assert mock_load_model.call_args[0][1] == "openvino-gpu"
 # === --threads ===
 def test_cli_threads_passed_to_load_model(tmp_path):
    """--threads передаётся в load_model как cpu_threads."""
    audio = tmp_path / "test.mp3"
    audio.write_bytes(b"fake")
    result = _make_result()
    model = _make_model()
    backend = _make_backend()
    tfr = _make_tfr(result=result, model=model, backend=backend)
    mock_load_model = MagicMock(return_value=(model, "cpu", backend, "/models/medium"))
    with (
        patch("local_transcriber.cli.load_config", return_value={}),
        patch("local_transcriber.cli.validate_input_file", return_value=audio),
        patch("local_transcriber.cli.detect_device", return_value="cpu"),
        patch("local_transcriber.cli.load_model", mock_load_model),
        patch("local_transcriber.cli._transcribe_file", return_value=tfr),
        patch("local_transcriber.cli.write_transcript"),
    ):
        out = runner.invoke(app, [str(audio), "--threads", "8"])
    assert out.exit_code == 0
    assert mock_load_model.call_args.kwargs["cpu_threads"] == 8
 def test_cli_threads_default_zero(tmp_path):
    """Без --threads load_model получает cpu_threads=0."""
    audio = tmp_path / "test.mp3"
    audio.write_bytes(b"fake")
    result = _make_result()
    model = _make_model()
    backend = _make_backend()
    tfr = _make_tfr(result=result, model=model, backend=backend)
    mock_load_model = MagicMock(return_value=(model, "cpu", backend, "/models/medium"))
    with (
        patch("local_transcriber.cli.load_config", return_value={}),
        patch("local_transcriber.cli.validate_input_file", return_value=audio),
        patch("local_transcriber.cli.detect_device", return_value="cpu"),
        patch("local_transcriber.cli.load_model", mock_load_model),
        patch("local_transcriber.cli._transcribe_file", return_value=tfr),
        patch("local_transcriber.cli.write_transcript"),
    ):
        out = runner.invoke(app, [str(audio)])
    assert out.exit_code == 0
    assert mock_load_model.call_args.kwargs["cpu_threads"] == 0
 def test_cli_threads_negative_rejected(tmp_path):
    """--threads с отрицательным значением отклоняется typer (min=0)."""
    audio = tmp_path / "test.mp3"
    audio.write_bytes(b"fake")
    out = runner.invoke(app, [str(audio), "--threads", "-1"])
    assert out.exit_code != 0
 # === SendTo context menu flags ===
 def test_cli_install_menu_success(tmp_path):
    cmd_path = tmp_path / "Transcribe.cmd"
    with (
        patch("local_transcriber.cli.install_context_menu", return_value=cmd_path) as mock_install,
        patch("local_transcriber.cli.load_config") as mock_load_config,
        patch("local_transcriber.cli.sys") as mock_sys,
    ):
        mock_sys.platform = "win32"
        out = runner.invoke(app, ["--install-menu"])
    assert out.exit_code == 0
    assert "Пункт меню установлен" in out.output
    assert cmd_path.name in out.output
    mock_install.assert_called_once_with()
    mock_load_config.assert_not_called()
 def test_cli_uninstall_menu_success(tmp_path):
    cmd_path = tmp_path / "Transcribe.cmd"
    with (
        patch("local_transcriber.cli.uninstall_context_menu", return_value=cmd_path) as mock_uninstall,
        patch("local_transcriber.cli.load_config") as mock_load_config,
        patch("local_transcriber.cli.sys") as mock_sys,
    ):
        mock_sys.platform = "win32"
        out = runner.invoke(app, ["--uninstall-menu"])
    assert out.exit_code == 0
    assert "Пункт меню удалён" in out.output
    assert cmd_path.name in out.output
    mock_uninstall.assert_called_once_with()
    mock_load_config.assert_not_called()
 def test_cli_uninstall_menu_missing_is_success():
    with (
        patch("local_transcriber.cli.uninstall_context_menu", return_value=None),
        patch("local_transcriber.cli.sys") as mock_sys,
    ):
        mock_sys.platform = "win32"
        out = runner.invoke(app, ["--uninstall-menu"])
    assert out.exit_code == 0
    assert "не был установлен" in out.output
 def test_cli_menu_flags_are_mutually_exclusive():
    out = runner.invoke(app, ["--install-menu", "--uninstall-menu"])
    assert out.exit_code == 2
    assert "несовместимы" in out.output
 def test_cli_menu_flag_with_file_is_rejected(tmp_path):
    audio = tmp_path / "test.mp3"
    audio.write_bytes(b"fake")
    out = runner.invoke(app, [str(audio), "--install-menu"])
    assert out.exit_code == 2
    assert "нельзя использовать вместе с файлами" in out.output
 def test_cli_no_files_and_no_menu_flags_is_rejected():
    out = runner.invoke(app, [])
    assert out.exit_code == 2
    assert "Укажите хотя бы один файл" in out.output
 def test_cli_menu_flags_available_only_on_windows():
    with patch("local_transcriber.cli.sys") as mock_sys:
        mock_sys.platform = "linux"
        out = runner.invoke(app, ["--install-menu"])
    assert out.exit_code == 1
    assert "только на Windows" in out.output
 def test_cli_menu_runtime_error_has_no_verbose_hint():
    with (
        patch("local_transcriber.cli.install_context_menu", side_effect=RuntimeError("нет APPDATA")),
        patch("local_transcriber.cli.sys") as mock_sys,
    ):
        mock_sys.platform = "win32"
        out = runner.invoke(app, ["--install-menu"])
    assert out.exit_code == 1
    assert "нет APPDATA" in out.output
    assert "--verbose" not in out.output
 def test_cli_tail_gap_quality_warning_single(tmp_path):
    audio = tmp_path / "tail.mp3"
    audio.write_bytes(b"fake")
    result = _make_result(
        segments=[Segment(start=0.0, end=60.0, text="Фраза")],
        duration=600.0,
    )
    patches = _single_patches(result=result, tmp_file=audio)
    with (
        patches[0],
        patches[1],
        patches[2],
        patches[3],
        patches[4],
        patches[5],
        patch("local_transcriber.cli.console", Console(stderr=True, width=1000)),
    ):
        out = runner.invoke(app, [str(audio)])
    assert out.exit_code == 0
    assert (
        "Внимание: транскрипт покрывает 01:00 из 10:00 — "
        "возможна потеря хвоста записи. Попробуйте другой --device."
    ) in out.output
 def test_cli_repetition_quality_warning_single(tmp_path):
    audio = tmp_path / "repeat.mp3"
    audio.write_bytes(b"fake")
    result = _make_result(
        segments=[
            Segment(start=10.0, end=11.0, text="Повторяемая фраза"),
            Segment(start=11.0, end=12.0, text="повторяемая фраза"),
            Segment(start=12.0, end=13.0, text="повторяемая фраза"),
            Segment(start=13.0, end=14.0, text="повторяемая фраза"),
        ],
        duration=60.0,
    )
    patches = _single_patches(result=result, tmp_file=audio)
    with (
        patches[0],
        patches[1],
        patches[2],
        patches[3],
        patches[4],
        patches[5],
        patch("local_transcriber.cli.console", Console(stderr=True, width=1000)),
    ):
        out = runner.invoke(app, [str(audio)])
    assert out.exit_code == 0
    assert (
        "Внимание: блоки повторов: [00:10.00 - 00:14.00] (4×) — "
        "возможны галлюцинации модели. Попробуйте другой --device."
    ) in out.output
 def test_cli_quality_warning_batch_includes_file_name(tmp_path):
    a = tmp_path / "a.mp3"
    b = tmp_path / "b.mp3"
    a.write_bytes(b"fake")
    b.write_bytes(b"fake")
    result_warn = _make_result(
        segments=[Segment(start=0.0, end=60.0, text="Фраза")],
        duration=600.0,
    )
    result_ok = _make_result()
    model = _make_model()
    backend = _make_backend()
    tfr_warn = _make_tfr(result=result_warn, model=model, backend=backend)
    tfr_ok = _make_tfr(result=result_ok, model=model, backend=backend)
    with (
        patch("local_transcriber.cli.load_config", return_value={}),
        patch("local_transcriber.cli.validate_input_file", side_effect=lambda p: p),
        patch("local_transcriber.cli.detect_device", return_value="cpu"),
        patch("local_transcriber.cli.load_model", return_value=(model, "cpu", backend, "/models/medium")),
        patch("local_transcriber.cli._transcribe_file", side_effect=[tfr_warn, tfr_ok]),
        patch("local_transcriber.cli.write_transcript"),
        patch("local_transcriber.cli.console", Console(stderr=True, width=1000)),
    ):
        out = runner.invoke(app, [str(a), str(b)])
    assert out.exit_code == 0
    assert (
        "  a.mp3: транскрипт покрывает 01:00 из 10:00 — "
        "возможна потеря хвоста записи"
    ) in out.output
 def test_cli_repetition_quality_warning_truncates_after_three_blocks(tmp_path):
    audio = tmp_path / "repeat-many.mp3"
    audio.write_bytes(b"fake")
    def run(start, count, text):
        return [
            Segment(start=start + index, end=start + index + 1.0, text=text)
            for index in range(count)
        ]
    result = _make_result(
        segments=[
            *run(10.0, 6, "Первый повтор"),
            Segment(start=18.0, end=19.0, text="Разрыв один"),
            *run(20.0, 5, "Второй повтор"),
            Segment(start=28.0, end=29.0, text="Разрыв два"),
            *run(30.0, 4, "Третий повтор"),
            Segment(start=38.0, end=39.0, text="Разрыв три"),
            *run(40.0, 4, "Четвёртый повтор"),
        ],
        duration=90.0,
    )
    patches = _single_patches(result=result, tmp_file=audio)
    with (
        patches[0],
        patches[1],
        patches[2],
        patches[3],
        patches[4],
        patches[5],
        patch("local_transcriber.cli.console", Console(stderr=True, width=1000)),
    ):
        out = runner.invoke(app, [str(audio)])
    assert out.exit_code == 0
    assert (
        "Внимание: блоки повторов: [00:10.00 - 00:16.00] (6×); "
        "[00:20.00 - 00:25.00] (5×); [00:30.00 - 00:34.00] (4×) "
        "(+ ещё 1) — возможны галлюцинации модели. Попробуйте другой --device."
    ) in out.output
 def test_cli_default_result_has_no_quality_warnings(tmp_path):
    audio = tmp_path / "normal.mp3"
    audio.write_bytes(b"fake")
    patches = _single_patches(tmp_file=audio)
    with patches[0], patches[1], patches[2], patches[3], patches[4], patches[5]:
        out = runner.invoke(app, [str(audio)])
    assert out.exit_code == 0
    assert "потеря хвоста" not in out.output
    assert "галлюцинации" not in out.output
@@ -1,128 +0,0 @@
 import sys
 from pathlib import Path
 import pytest
 from local_transcriber import context_menu
 def _prepare_exe(tmp_path: Path, monkeypatch: pytest.MonkeyPatch) -> Path:
    scripts_dir = tmp_path / "venv" / "Scripts"
    scripts_dir.mkdir(parents=True)
    python_exe = scripts_dir / "python.exe"
    transcribe_exe = scripts_dir / "transcribe.exe"
    python_exe.write_bytes(b"")
    transcribe_exe.write_bytes(b"")
    monkeypatch.setattr(context_menu.sys, "executable", str(python_exe))
    return transcribe_exe
 def test_install_menu_creates_expected_cmd(tmp_path, monkeypatch):
    monkeypatch.setenv("APPDATA", str(tmp_path / "AppData" / "Roaming"))
    monkeypatch.setattr(context_menu, "CMD_ENCODING", "utf-8")
    transcribe_exe = _prepare_exe(tmp_path, monkeypatch)
    cmd_path = context_menu.install_menu()
    assert cmd_path.name == "Transcribe.cmd"
    assert cmd_path.exists()
    assert cmd_path.read_bytes() == (
        f'@echo off\r\n"{transcribe_exe}" %*\r\npause\r\n'.encode("utf-8")
    )
    assert b"chcp" not in cmd_path.read_bytes().lower()
@pytest.mark.skipif(sys.platform != "win32", reason="Кодировка oem доступна только на Windows")
 def test_install_menu_writes_real_oem_encoding_on_windows(tmp_path, monkeypatch):
    appdata = tmp_path / "AppData" / "Roaming"
    scripts_dir = tmp_path / "проект" / "Scripts"
    scripts_dir.mkdir(parents=True)
    python_exe = scripts_dir / "python.exe"
    transcribe_exe = scripts_dir / "transcribe.exe"
    python_exe.write_bytes(b"")
    transcribe_exe.write_bytes(b"")
    monkeypatch.setenv("APPDATA", str(appdata))
    monkeypatch.setattr(context_menu.sys, "executable", str(python_exe))
    cmd_path = context_menu.install_menu()
    assert context_menu.CMD_ENCODING == "oem"
    assert cmd_path.read_bytes() == (
        f'@echo off\r\n"{transcribe_exe}" %*\r\npause\r\n'.encode("oem")
    )
 def test_install_menu_overwrites_existing_file(tmp_path, monkeypatch):
    monkeypatch.setenv("APPDATA", str(tmp_path / "AppData" / "Roaming"))
    monkeypatch.setattr(context_menu, "CMD_ENCODING", "utf-8")
    _prepare_exe(tmp_path, monkeypatch)
    cmd_path = context_menu.install_menu()
    cmd_path.write_text("old", encoding="utf-8")
    second_path = context_menu.install_menu()
    assert second_path == cmd_path
    assert "old" not in cmd_path.read_text(encoding="utf-8")
    assert "%*" in cmd_path.read_text(encoding="utf-8")
 def test_install_menu_creates_missing_sendto_dir(tmp_path, monkeypatch):
    appdata = tmp_path / "AppData" / "Roaming"
    monkeypatch.setenv("APPDATA", str(appdata))
    monkeypatch.setattr(context_menu, "CMD_ENCODING", "utf-8")
    _prepare_exe(tmp_path, monkeypatch)
    cmd_path = context_menu.install_menu()
    assert cmd_path.parent == appdata / "Microsoft" / "Windows" / "SendTo"
    assert cmd_path.parent.is_dir()
 def test_install_menu_oem_encoding_error_is_runtime_error(tmp_path, monkeypatch):
    appdata = tmp_path / "AppData" / "Roaming"
    cmd_path = appdata / "Microsoft" / "Windows" / "SendTo" / "Transcribe.cmd"
    monkeypatch.setenv("APPDATA", str(appdata))
    monkeypatch.setattr(context_menu, "CMD_ENCODING", "ascii")
    monkeypatch.setattr(
        context_menu,
        "get_transcribe_exe",
        lambda: tmp_path / "测试" / "transcribe.exe",
    )
    with pytest.raises(RuntimeError, match="OEM"):
        context_menu.install_menu()
    assert not cmd_path.exists()
 def test_uninstall_menu_removes_file_and_missing_is_not_error(tmp_path, monkeypatch):
    monkeypatch.setenv("APPDATA", str(tmp_path / "AppData" / "Roaming"))
    monkeypatch.setattr(context_menu, "CMD_ENCODING", "utf-8")
    _prepare_exe(tmp_path, monkeypatch)
    cmd_path = context_menu.install_menu()
    removed_path = context_menu.uninstall_menu()
    missing_path = context_menu.uninstall_menu()
    assert removed_path == cmd_path
    assert not cmd_path.exists()
    assert missing_path is None
 def test_get_sendto_dir_requires_appdata(monkeypatch):
    monkeypatch.delenv("APPDATA", raising=False)
    with pytest.raises(RuntimeError, match="APPDATA"):
        context_menu.get_sendto_dir()
 def test_get_transcribe_exe_requires_existing_exe(tmp_path, monkeypatch):
    scripts_dir = tmp_path / "venv" / "Scripts"
    scripts_dir.mkdir(parents=True)
    python_exe = scripts_dir / "python.exe"
    python_exe.write_bytes(b"")
    monkeypatch.setattr(context_menu.sys, "executable", str(python_exe))
    with pytest.raises(RuntimeError, match="uv sync"):
        context_menu.get_transcribe_exe()
@@ -172,141 +172,3 @@ def test_write_transcript(tmp_path):
    out = tmp_path / "output.md"
    write_transcript("# Test content\n", out)
    assert out.read_text(encoding="utf-8") == "# Test content\n"
 def test_format_transcript_tail_gap_warning():
    result = TranscribeResult(
        segments=[Segment(start=0.0, end=60.0, text=" Фраза.")],
        language="ru",
        language_probability=0.95,
        duration=600.0,
        device_used="cpu",
    )
    content = format_transcript(
        result,
        source_filename="tail.mp3",
        model_name="medium",
        device_info="CPU",
        language_mode="forced",
        transcription_date=datetime(2026, 1, 1, 0, 0, 0),
    )
    assert "возможна потеря хвоста" in content
    assert "транскрипт покрывает 01:00 из 10:00" in content
 def test_format_transcript_no_tail_gap_warning_for_small_gap():
    result = TranscribeResult(
        segments=[Segment(start=0.0, end=60.0, text=" Фраза.")],
        language="ru",
        language_probability=0.95,
        duration=179.99,
        device_used="cpu",
    )
    content = format_transcript(
        result,
        source_filename="ok.mp3",
        model_name="medium",
        device_info="CPU",
        language_mode="forced",
        transcription_date=datetime(2026, 1, 1, 0, 0, 0),
    )
    assert "потеря хвоста" not in content
 def test_format_transcript_no_tail_gap_warning_for_exact_threshold():
    result = TranscribeResult(
        segments=[Segment(start=0.0, end=60.0, text=" Фраза.")],
        language="ru",
        language_probability=0.95,
        duration=180.0,
        device_used="cpu",
    )
    content = format_transcript(
        result,
        source_filename="ok.mp3",
        model_name="medium",
        device_info="CPU",
        language_mode="forced",
        transcription_date=datetime(2026, 1, 1, 0, 0, 0),
    )
    assert "потеря хвоста" not in content
 def test_format_transcript_repetition_warning():
    result = TranscribeResult(
        segments=[
            Segment(start=10.0, end=11.0, text=" Повторяемая фраза."),
            Segment(start=11.0, end=12.0, text=" повторяемая фраза"),
            Segment(start=12.0, end=13.0, text=" «Повторяемая фраза»"),
            Segment(start=13.0, end=14.0, text=" повторяемая фраза…"),
        ],
        language="ru",
        language_probability=0.95,
        duration=60.0,
        device_used="cpu",
    )
    content = format_transcript(
        result,
        source_filename="repeat.mp3",
        model_name="medium",
        device_info="CPU",
        language_mode="forced",
        transcription_date=datetime(2026, 1, 1, 0, 0, 0),
    )
    assert "повторы в [00:10.00 - 00:14.00] (4×)" in content
    assert "возможны галлюцинации" in content
 def test_format_transcript_repetition_warning_uses_hours():
    result = TranscribeResult(
        segments=[
            Segment(start=3600.0, end=3601.0, text=" Повтор."),
            Segment(start=3601.0, end=3602.0, text=" повтор"),
            Segment(start=3602.0, end=3603.0, text=" повтор"),
            Segment(start=3603.0, end=3604.0, text=" повтор"),
        ],
        language="ru",
        language_probability=0.95,
        duration=3700.0,
        device_used="cpu",
    )
    content = format_transcript(
        result,
        source_filename="long-repeat.mp3",
        model_name="medium",
        device_info="CPU",
        language_mode="forced",
        transcription_date=datetime(2026, 1, 1, 0, 0, 0),
    )
    assert "повторы в [01:00:00.00 - 01:00:04.00] (4×)" in content
 def test_format_transcript_without_anomalies_has_no_warning_lines():
    result = TranscribeResult(
        segments=[Segment(start=0.0, end=60.0, text=" Обычная запись.")],
        language="ru",
        language_probability=0.95,
        duration=120.0,
        device_used="cpu",
    )
    content = format_transcript(
        result,
        source_filename="ok.mp3",
        model_name="medium",
        device_info="CPU",
        language_mode="forced",
        transcription_date=datetime(2026, 1, 1, 0, 0, 0),
    )
    assert "Внимание" not in content
@@ -1,314 +0,0 @@
 """Tests for onnx-asr backend."""
 import pytest
 from pathlib import Path
 from local_transcriber.backends.onnx_asr import OnnxAsrBackend, MODEL_ALIASES
 from local_transcriber.types import Segment, TranscribeResult
 class FakeVadSegment:
    """Mimics onnx-asr SegmentResult."""
    def __init__(self, start, end, text):
        self.start = start
        self.end = end
        self.text = text
 class TestEnsureModelAvailable:
    def test_returns_model_id_for_gigaam(self):
        backend = OnnxAsrBackend()
        result = backend.ensure_model_available("gigaam-v3", "int8")
        assert result == "gigaam-v3-ctc"
    def test_returns_model_id_for_parakeet(self):
        backend = OnnxAsrBackend()
        result = backend.ensure_model_available("parakeet-v3", "fp16")
        assert result == "nemo-parakeet-tdt-0.6b-v3"
    def test_stores_compute_type(self):
        backend = OnnxAsrBackend()
        backend.ensure_model_available("gigaam-v3", "float32")
        assert backend._resolved_model_id == "gigaam-v3-ctc"
        assert backend.actual_compute_type == "float32"
 class TestCreateModel:
    def test_calls_load_model_with_correct_args(self, monkeypatch):
        """Verify create_model passes correct args to onnx_asr.load_model."""
        calls = []
        def fake_load_model(model=None, path=None, quantization=None,
                           **kwargs):
            calls.append({
                "model": model, "path": path, "quantization": quantization,
            })
            return FakeAsrAdapter()
        class FakeAsrAdapter:
            def with_vad(self, vad):
                return self
        monkeypatch.setattr("onnx_asr.load_model", fake_load_model)
        backend = OnnxAsrBackend()
        backend.actual_compute_type = "int8"
        model = backend.create_model("gigaam-v3-ctc", "onnx", "int8")
        assert len(calls) == 1
        assert calls[0]["quantization"] == "int8"
        assert model is not None
    def test_loads_silero_vad(self, monkeypatch):
        """Verify Silero VAD is loaded and attached to model."""
        vad_calls = []
        def fake_load_vad(model, **kwargs):
            vad_calls.append(model)
            return "fake_vad"
        def fake_load_model(**kwargs):
            return FakeAsrAdapter()
        class FakeAsrAdapter:
            def with_vad(self, vad):
                self._vad = vad
                return self
        monkeypatch.setattr("onnx_asr.load_model", fake_load_model)
        monkeypatch.setattr("onnx_asr.load_vad", fake_load_vad)
        backend = OnnxAsrBackend()
        model = backend.create_model("gigaam-v3-ctc", "onnx", "int8")
        assert vad_calls == ["silero"]
    def test_fp16_compute_type(self, monkeypatch):
        """Verify fp16 compute_type is passed through."""
        calls = []
        def fake_load_model(model=None, quantization=None, **kwargs):
            calls.append(quantization)
            return FakeAsrAdapter()
        class FakeAsrAdapter:
            def with_vad(self, vad):
                return self
        monkeypatch.setattr("onnx_asr.load_model", fake_load_model)
        monkeypatch.setattr("onnx_asr.load_vad", lambda model, **kw: None)
        backend = OnnxAsrBackend()
        backend.create_model("parakeet-v3", "onnx", "fp16")
        assert calls == ["fp16"]
    def test_float32_maps_to_none(self, monkeypatch):
        """compute_type='float32' маппится в quantization=None (unquantized).
        onnx-asr использует quantization как суффикс файла; для float32 нужен None,
        строка "float32" приведёт к попытке загрузить несуществующий файл.
        """
        calls = []
        def fake_load_model(model=None, quantization="MISSING", **kwargs):
            calls.append(quantization)
            return FakeAsrAdapter()
        class FakeAsrAdapter:
            def with_vad(self, vad):
                return self
        monkeypatch.setattr("onnx_asr.load_model", fake_load_model)
        monkeypatch.setattr("onnx_asr.load_vad", lambda model, **kw: None)
        backend = OnnxAsrBackend()
        backend.create_model("gigaam-v3-ctc", "onnx", "float32")
        assert calls == [None]
    def test_fp32_maps_to_none(self, monkeypatch):
        """compute_type='fp32' тоже маппится в quantization=None."""
        calls = []
        def fake_load_model(model=None, quantization="MISSING", **kwargs):
            calls.append(quantization)
            return FakeAsrAdapter()
        class FakeAsrAdapter:
            def with_vad(self, vad):
                return self
        monkeypatch.setattr("onnx_asr.load_model", fake_load_model)
        monkeypatch.setattr("onnx_asr.load_vad", lambda model, **kw: None)
        backend = OnnxAsrBackend()
        backend.create_model("gigaam-v3-ctc", "onnx", "fp32")
        assert calls == [None]
    def test_float16_alias_maps_to_fp16(self, monkeypatch):
        """compute_type='float16' (CUDA-naming) маппится в onnx-asr 'fp16'."""
        calls = []
        def fake_load_model(model=None, quantization=None, **kwargs):
            calls.append(quantization)
            return FakeAsrAdapter()
        class FakeAsrAdapter:
            def with_vad(self, vad):
                return self
        monkeypatch.setattr("onnx_asr.load_model", fake_load_model)
        monkeypatch.setattr("onnx_asr.load_vad", lambda model, **kw: None)
        backend = OnnxAsrBackend()
        backend.create_model("gigaam-v3-ctc", "onnx", "float16")
        assert calls == ["fp16"]
    def test_unknown_compute_type_raises(self, monkeypatch):
        """Неподдерживаемый compute_type → ValueError, не silent fallback."""
        monkeypatch.setattr("onnx_asr.load_model", lambda **kw: None)
        monkeypatch.setattr("onnx_asr.load_vad", lambda model, **kw: None)
        backend = OnnxAsrBackend()
        with pytest.raises(ValueError, match="Неподдерживаемый compute_type"):
            backend.create_model("gigaam-v3-ctc", "onnx", "int8_float32")
 class TestTranscribe:
    def test_transcribe_collects_segments(self, monkeypatch, tmp_path):
        """Verify transcribe maps VAD segments to project Segments."""
        wav_file = tmp_path / "test.wav"
        wav_file.write_bytes(b"fake audio")
        audio_samples = [0.0] * 16000  # 1 second of silence
        def fake_decode_audio(path, sampling_rate=16000):
            import numpy as np
            return np.array(audio_samples, dtype=np.float32)
        class FakeModel:
            def recognize(self, waveform, sample_rate, language=None):
                yield FakeVadSegment(0.0, 1.0, "hello")
                yield FakeVadSegment(1.0, 2.5, "world")
        monkeypatch.setattr("faster_whisper.decode_audio", fake_decode_audio)
        backend = OnnxAsrBackend()
        backend.actual_compute_type = "int8"
        result = backend.transcribe(
            FakeModel(), wav_file, language=None,
        )
        assert isinstance(result, TranscribeResult)
        assert len(result.segments) == 2
        assert result.segments[0] == Segment(start=0.0, end=1.0, text="hello")
        assert result.segments[1] == Segment(start=1.0, end=2.5, text="world")
        assert result.duration == 1.0  # 16000 samples / 16000 Hz
    def test_transcribe_calls_on_segment(self, monkeypatch, tmp_path):
        """Verify on_segment callback is invoked per segment."""
        wav_file = tmp_path / "test.wav"
        wav_file.write_bytes(b"fake audio")
        def fake_decode_audio(path, sampling_rate=16000):
            import numpy as np
            return np.array([0.0] * 16000, dtype=np.float32)
        segments_captured = []
        class FakeModel:
            def recognize(self, waveform, sample_rate, language=None):
                yield FakeVadSegment(0.0, 2.0, "one")
                yield FakeVadSegment(2.0, 4.0, "two")
        monkeypatch.setattr("faster_whisper.decode_audio", fake_decode_audio)
        backend = OnnxAsrBackend()
        result = backend.transcribe(
            FakeModel(), wav_file, language=None,
            on_segment=lambda s: segments_captured.append(s),
        )
        assert len(segments_captured) == 2
        assert segments_captured[0].text == "one"
        assert segments_captured[1].text == "two"
    def test_transcribe_passes_language(self, monkeypatch, tmp_path):
        """Verify language is passed to recognize()."""
        wav_file = tmp_path / "test.wav"
        wav_file.write_bytes(b"fake audio")
        def fake_decode_audio(path, sampling_rate=16000):
            import numpy as np
            return np.array([0.0] * 16000, dtype=np.float32)
        lang_received = []
        class FakeModel:
            def recognize(self, waveform, sample_rate, language=None):
                lang_received.append(language)
                yield FakeVadSegment(0.0, 1.0, "text")
        monkeypatch.setattr("faster_whisper.decode_audio", fake_decode_audio)
        backend = OnnxAsrBackend()
        backend.transcribe(FakeModel(), wav_file, language="ru")
        assert lang_received == ["ru"]
    def test_transcribe_empty_audio(self, monkeypatch, tmp_path):
        """Verify zero segments for silent audio."""
        wav_file = tmp_path / "test.wav"
        wav_file.write_bytes(b"fake audio")
        def fake_decode_audio(path, sampling_rate=16000):
            import numpy as np
            return np.array([0.0] * 16000, dtype=np.float32)
        class FakeModel:
            def recognize(self, waveform, sample_rate, language=None):
                # No segments yielded
                if False:
                    yield
        monkeypatch.setattr("faster_whisper.decode_audio", fake_decode_audio)
        backend = OnnxAsrBackend()
        result = backend.transcribe(FakeModel(), wav_file, language=None)
        assert len(result.segments) == 0
        assert result.language == "unknown"
        assert result.duration == 1.0
 class TestBackendRegistration:
    def test_get_backend_returns_onnx_backend(self):
        from local_transcriber.backends import get_backend
        backend = get_backend("onnx")
        assert isinstance(backend, OnnxAsrBackend)
 class TestModelAliases:
    def test_gigaam_v3_resolves(self):
        backend = OnnxAsrBackend()
        result = backend._resolve_model("gigaam-v3")
        assert result == "gigaam-v3-ctc"
    def test_parakeet_v3_resolves(self):
        backend = OnnxAsrBackend()
        result = backend._resolve_model("parakeet-v3")
        assert result == "nemo-parakeet-tdt-0.6b-v3"
    def test_raw_name_passes_through(self):
        backend = OnnxAsrBackend()
        result = backend._resolve_model("nemo-canary-1b-v2")
        assert result == "nemo-canary-1b-v2"
    def test_unknown_alias_raises(self):
        backend = OnnxAsrBackend()
        with pytest.raises(ValueError, match="Неподдерживаемая модель"):
            backend._resolve_model("nonexistent-model")
@@ -1,125 +0,0 @@
 import pytest
 from local_transcriber.quality import (
    REPETITION_MIN_LEN,
    TAIL_GAP_WARN_S,
    _normalize,
    find_repetition_blocks,
    tail_gap,
 )
 from local_transcriber.types import Segment, TranscribeResult
 def _result(segments, duration):
    return TranscribeResult(
        segments=segments,
        language="ru",
        language_probability=0.95,
        duration=duration,
        device_used="cpu",
    )
 def _segments(texts, start=0.0):
    return [
        Segment(start=start + index, end=start + index + 1.0, text=text)
        for index, text in enumerate(texts)
    ]
 def test_tail_gap_returns_positive_gap():
    result = _result([Segment(0.0, 10.0, "Текст")], duration=42.0)
    assert tail_gap(result) == 32.0
 def test_tail_gap_empty_segments_returns_zero():
    assert tail_gap(_result([], duration=42.0)) == 0.0
 def test_tail_gap_negative_gap_returns_zero():
    result = _result([Segment(0.0, 43.0, "Текст")], duration=42.0)
    assert tail_gap(result) == 0.0
@pytest.mark.parametrize("gap", [119.99, 120.0])
 def test_tail_gap_boundary_does_not_warn(gap):
    result = _result([Segment(0.0, 10.0, "Текст")], duration=10.0 + gap)
    assert tail_gap(result) <= TAIL_GAP_WARN_S
 def test_tail_gap_boundary_warns_above_threshold():
    result = _result([Segment(0.0, 10.0, "Текст")], duration=130.01)
    assert tail_gap(result) > TAIL_GAP_WARN_S
 def test_normalize_removes_case_punctuation_and_collapses_spaces():
    assert _normalize('  «ПРИВЕТ…» — (мир) [тест] <да>  ') == "привет мир тест да"
    assert _normalize("раз–два-три: да; нет!") == "раздватри да нет"
 def test_normalize_punctuation_only_returns_empty():
    assert _normalize('.,!?…:;—–-"\'«»()[]<>   ') == ""
 def test_find_repetition_blocks_four_long_segments_with_normalization():
    segments = _segments(["Повтор!", "повтор", "«ПОВТОР»", "повтор…"])
    blocks = find_repetition_blocks(segments)
    assert len(blocks) == 1
    assert blocks[0].start == 0.0
    assert blocks[0].end == 4.0
    assert blocks[0].count == 4
    assert blocks[0].text == "Повтор!"
 def test_find_repetition_blocks_three_long_segments_is_empty():
    assert find_repetition_blocks(_segments(["Повтор", "повтор", "повтор"])) == []
 def test_find_repetition_blocks_length_boundary():
    assert find_repetition_blocks(_segments(["пять5"] * 4)) == []
    blocks = find_repetition_blocks(_segments(["шесть6"] * 4))
    assert len("шесть6") == REPETITION_MIN_LEN
    assert len(blocks) == 1
 def test_find_repetition_blocks_short_text_boundary():
    assert find_repetition_blocks(_segments(["Ага."] * 9)) == []
    blocks = find_repetition_blocks(_segments(["Ага."] * 10))
    assert len(blocks) == 1
    assert blocks[0].count == 10
 def test_find_repetition_blocks_empty_normalized_text_is_ignored():
    assert find_repetition_blocks(_segments([":", "", "  "] * 10)) == []
 def test_find_repetition_blocks_two_separate_runs():
    segments = [
        *_segments(["Первый повтор"] * 4),
        Segment(10.0, 11.0, "Разрыв"),
        *_segments(["Второй повтор"] * 4, start=20.0),
    ]
    blocks = find_repetition_blocks(segments)
    assert len(blocks) == 2
    assert blocks[0].text == "Первый повтор"
    assert blocks[1].text == "Второй повтор"
 def test_find_repetition_blocks_empty_list_is_empty():
    assert find_repetition_blocks([]) == []
 def test_find_repetition_blocks_single_segment_is_empty():
    assert find_repetition_blocks([Segment(0.0, 1.0, "Повтор")]) == []
@@ -321,34 +321,6 @@ def test_load_model_returns_backend_and_path(mock_get_backend):
    assert actual_device == "cpu"
@patch("local_transcriber.transcriber.get_backend")
 def test_load_model_passes_cpu_threads_to_backend(mock_get_backend):
    backend = _make_backend(model_path="/mock/model/path")
    mock_get_backend.return_value = backend
    load_model("tiny", "cpu", "int8", cpu_threads=8)
    assert backend.create_model.call_args.kwargs["cpu_threads"] == 8
@patch("local_transcriber.transcriber.get_backend")
 def test_load_model_fallback_preserves_cpu_threads(mock_get_backend):
    cuda_backend = _make_backend(create_model_error=RuntimeError("CUDA out of memory"))
    cpu_model = MagicMock()
    cpu_backend = _make_backend(model=cpu_model, model_path="/mock/cpu/model")
    def backend_for_device(device, **kwargs):
        return cuda_backend if device == "cuda" else cpu_backend
    mock_get_backend.side_effect = backend_for_device
    with pytest.warns(UserWarning, match="Переключение на CPU"):
        load_model("tiny", "cuda", "int8", cpu_threads=6)
    assert cuda_backend.create_model.call_args.kwargs["cpu_threads"] == 6
    assert cpu_backend.create_model.call_args.kwargs["cpu_threads"] == 6
 # === _transcribe_file() tests ===
@@ -555,36 +527,6 @@ def test_transcribe_file_openvino_gpu_midstream_fallback(mock_get_backend):
    assert tfr.model_path == "/mock/cpu/model"
@patch("local_transcriber.transcriber.get_backend")
 def test_transcribe_file_midstream_fallback_preserves_cpu_threads(mock_get_backend):
    ov_backend = _make_backend(
        transcribe_error=RuntimeError("OpenVINO inference error"),
    )
    cpu_backend = _make_backend(
        transcribe_result=_make_result(count=2, device_used="cpu"),
        model_path="/mock/cpu/model",
    )
    def backend_for_device(device, **kwargs):
        return ov_backend if device.startswith("openvino") else cpu_backend
    mock_get_backend.side_effect = backend_for_device
    with pytest.warns(UserWarning, match="Переключение на CPU"):
        _transcribe_file(
            model=MagicMock(),
            actual_device="openvino-gpu",
            backend=ov_backend,
            model_path="/mock/ov/model",
            file_path=Path("test.mp3"),
            model_name="medium",
            compute_type="fp16",
            cpu_threads=6,
        )
    assert cpu_backend.create_model.call_args.kwargs["cpu_threads"] == 6
@patch("local_transcriber.transcriber.get_backend")
 def test_openvino_gpu_strict_device_no_fallback(mock_get_backend):
    """strict_device=True + OpenVINO GPU ошибка → raise."""
@@ -301,7 +301,6 @@ source = { editable = "." }
 dependencies = [
    { name = "faster-whisper" },
    { name = "nvidia-cublas-cu12", marker = "platform_machine == 'x86_64' and sys_platform == 'linux'" },
    { name = "onnx-asr", extra = ["cpu", "hub"] },
    { name = "openvino-genai", marker = "(platform_machine == 'AMD64' and sys_platform != 'darwin') or (platform_machine == 'x86_64' and sys_platform != 'darwin')" },
    { name = "rich" },
    { name = "socksio" },
@@ -318,7 +317,6 @@ dev = [
 requires-dist = [
    { name = "faster-whisper", specifier = ">=1.2.1" },
    { name = "nvidia-cublas-cu12", marker = "platform_machine == 'x86_64' and sys_platform == 'linux'", specifier = ">=12.4" },
    { name = "onnx-asr", extras = ["cpu", "hub"], specifier = ">=0.11.0,<0.12.0" },
    { name = "openvino-genai", marker = "(platform_machine == 'AMD64' and sys_platform != 'darwin') or (platform_machine == 'x86_64' and sys_platform != 'darwin')", specifier = ">=2025.0" },
    { name = "rich" },
    { name = "socksio", specifier = ">=1.0.0" },
@@ -514,28 +512,6 @@ wheels = [
    { url = "https://files.pythonhosted.org/packages/77/3c/aa88abe01f3be3d1f8f787d1d33dc83e76fec05945f9a28fbb41cfb99cd5/nvidia_cublas_cu12-12.9.1.4-py3-none-manylinux_2_27_x86_64.whl", hash = "sha256:453611eb21a7c1f2c2156ed9f3a45b691deda0440ec550860290dc901af5b4c2", size = 581242350, upload-time = "2025-06-05T20:04:51.979Z" },
 ]
 [[package]]
 name = "onnx-asr"
 version = "0.11.0"
 source = { registry = "https://pypi.org/simple" }
 dependencies = [
    { name = "numpy", version = "2.2.6", source = { registry = "https://pypi.org/simple" }, marker = "python_full_version < '3.11'" },
    { name = "numpy", version = "2.4.3", source = { registry = "https://pypi.org/simple" }, marker = "python_full_version >= '3.11'" },
    { name = "typing-extensions", marker = "python_full_version < '3.11'" },
 ]
 sdist = { url = "https://files.pythonhosted.org/packages/78/f6/b154881761a593312f509522f99542acffa2516f7a1df6ddf5660ad4a162/onnx_asr-0.11.0.tar.gz", hash = "sha256:57ad8d9571dc17db95f0daf9ba432b9472383de320c610735850e56b5375a37d", size = 43665, upload-time = "2026-03-23T02:30:57.349Z" }
 wheels = [
    { url = "https://files.pythonhosted.org/packages/82/04/bdffd682cc38b43144b6528186c80451f219a05e3fd0eb331a548f455b9a/onnx_asr-0.11.0-py3-none-any.whl", hash = "sha256:142d8b3ce7716684992826a269304f5ce9cf1c0fe704b751358e223f45d2a5cf", size = 138349, upload-time = "2026-03-23T02:30:58.566Z" },
 ]
 [package.optional-dependencies]
 cpu = [
    { name = "onnxruntime" },
 ]
 hub = [
    { name = "huggingface-hub" },
 ]
 [[package]]
 name = "onnxruntime"
 version = "1.24.3"
Author	SHA1	Message	Date
Dmitriy DementievandClaude Opus 4.6	fe11e7ed23	feat(openvino): добавить medium fp16 модель как опцию OpenVINO/whisper-medium-fp16-ov доступна через --compute-type fp16. На CPU fp16 эмулируется программно (медленно), но на Intel Arc GPU даёт аппаратное ускорение через XMX. Не меняет дефолты. Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>	2026-03-24 09:46:04 +03:00
Dmitriy DementievandClaude Opus 4.6	104b0f695c	docs: результаты оптимизации потоков CT2 int8_float32 8 потоков (физические ядра) — оптимум: 458с vs 599с (дефолт 4 потока). 16 потоков (SMT) хуже: 498с. CT2 int8_float32 с 8 потоками почти догоняет whisper.cpp Vulkan (458с vs 432с) без доп. зависимостей. Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>	2026-03-24 09:05:15 +03:00
Dmitriy DementievandClaude Opus 4.6	9a289bd59e	docs: результаты whisper.cpp + Vulkan на Radeon 780M 432с — 2x vs CPU, но всего 28% быстрее CT2 int8_float32. Зацикливание при дефолтных параметрах, workaround -mc 0. Вывод: сложность интеграции не оправдана, CT2 int8_float32 — оптимум. Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>	2026-03-23 23:23:58 +03:00
ddadminandClaude Opus 4.6	52acecfd65	docs: результаты прототипа whisper.cpp в WSL2 - whisper.cpp medium f16 на CPU: 886с, качество ≈ CT2 float32 - Vulkan GPU не доступен в WSL2 для AMD (нет dozen драйвера) - Следующий шаг: Windows-сборка с нативным Vulkan Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>	2026-03-23 18:24:11 +03:00
Dmitriy DementievandClaude Opus 4.6	2a7d3605e7	docs: детали интеграции whisper.cpp + Vulkan Модели (GGML формат), сборка, Python-биндинги, subprocess-подход. Следующий шаг — прототип в WSL. Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>	2026-03-23 16:45:14 +03:00
Dmitriy DementievandClaude Opus 4.6	78cd8b42ad	docs: исследование ускорения на AMD Radeon/NPU DirectML заблокирован (missing operator, maintenance mode). whisper.cpp + Vulkan — основной путь (3-4x на Radeon 780M). AMD NPU (XDNA 1) — рано, ждём XDNA 2 и зрелый tooling. Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>	2026-03-23 16:23:02 +03:00
Dmitriy DementievandClaude Opus 4.6	2a2f6666cf	docs: бенчмарк качества транскрипции (2026-03-23) Детальное сравнение medium/large-v3 × OpenVINO/CTranslate2/Whisper.ai на записи совещания 14:41, русский язык, AMD Ryzen 7 8845H. Рабочий документ для разработки AMD-ускорения. Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>	2026-03-23 15:58:48 +03:00