docs(specs): спека onnx-каталога, Python 3.13 и границ версий

- Зачем: - смешанная русско-английская речь и отсутствие пунктуации у gigaam-v3-ctc закрываются моделями из onnx-asr 0.12, но обновление заблокировано пином. - Что: - добавлена спека: три модели в каталог, Python 3.13 и ORT 1.28, верхние границы мажорных версий, ловушки и границы ручной приёмки. - в backlog добавлены ссылка на спеку из пункта про CPU-дефолт и новое направление «профили намерения вместо выбора модели». - Проверка: - задача трекера #1 с порядком работ и критериями приёмки. Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>
docs(context): убраны термины процедуры сравнительной оценки
2026-08-11 11:39:28 +03:00 · 2026-08-11 11:37:30 +03:00 · 2026-08-11 11:34:18 +03:00 · 2026-08-10 19:07:59 +03:00 · 2026-07-10 10:44:24 +03:00 · 2026-07-09 22:21:07 +03:00
34 changed files with 2746 additions and 44 deletions
@@ -4,3 +4,6 @@ __pycache__/
 .mypy_cache/
 dist/
 *.pyc
+.codex
+.qwen/
+.scratch/
@@ -0,0 +1,90 @@
+# 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)
+
+## Agent skills
+
+### Issue tracker
+
+Задачи ведутся в Gitea через `tea`; GitHub используется только как зеркало, внешние PR не входят в triage. См. `docs/agents/issue-tracker.md`.
+
+### Triage labels
+
+Используются стандартные пять triage-меток. См. `docs/agents/triage-labels.md`.
+
+### Domain docs
+
+Репозиторий использует single-context layout. См. `docs/agents/domain.md`.
@@ -0,0 +1 @@
+@AGENTS.md
@@ -0,0 +1,17 @@
+# Локальная транскрипция
+
+Контекст описывает язык проекта для локального распознавания аудио и видео.
+
+## Language
+
+**Движок распознавания**:
+Программная среда, которая загружает и исполняет модели распознавания. Обновление движка само по себе не означает изменение выбранной модели или рекомендаций пользователю.
+_Avoid_: Модель, ASR-модель
+
+**Поддерживаемая модель**:
+Модель, которую пользователь может выбрать явно и для которой проект обеспечивает работоспособный путь транскрипции. Этот статус не означает автоматический выбор или рекомендацию для большинства пользователей.
+_Avoid_: Доступная модель, дефолт
+
+**Модель по умолчанию**:
+Поддерживаемая модель, которую проект выбирает без явного указания модели пользователем для определённого пути выполнения.
+_Avoid_: Рекомендуемая модель, поддерживаемая модель
@@ -8,8 +8,9 @@ transcribe meeting.mp4
 ```

 - **Полностью локально** — данные не покидают машину
- **Авто-ускорение** — NVIDIA CUDA, Intel GPU (OpenVINO), OpenVINO CPU или CPU fallback
+- **Авто-ускорение** — NVIDIA CUDA, Intel GPU (OpenVINO), ONNX (CPU), 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)

@@ -114,6 +115,12 @@ 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
 ```
@@ -138,6 +145,31 @@ 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 |
@@ -145,8 +177,9 @@ transcribe *.mp4 --force
 | `--model` | `-m` | `medium` | Модель Whisper |
 | `--language` | `-l` | `ru` | Язык (ru, en, auto и др.) |
 | `--output` | `-o` | `<файл>-transcript.md` | Путь к выходному файлу |
-| `--device` | `-d` | `auto` | Устройство (auto, cpu, cuda, openvino, openvino-gpu, openvino-cpu) |
-| `--compute-type` | — | float16 (CUDA) / int8 (OpenVINO GPU/CPU) / float32 (CPU) | Тип вычислений |
+| `--device` | `-d` | `auto` | Устройство (auto, cpu, cuda, openvino, openvino-gpu, openvino-cpu, onnx) |
+| `--compute-type` | — | float16 (CUDA) / int8 (OpenVINO/ONNX) / float32 (CPU) | Тип вычислений |
+| `--threads` | `-t` | 0 (авто) | Потоки CPU (рекомендуется = число физ. ядер) |
 | `--force` | `-f` | — | Перезаписать существующие транскрипты |
 | `--verbose` | `-v` | — | Подробный вывод |

@@ -157,6 +190,7 @@ transcribe *.mp4 --force
 | CPU | ✅ | ✅ | ✅ |
 | OpenVINO (x86 CPU) | ✅ авто | — | ✅ авто |
 | OpenVINO (Intel GPU) | ✅ авто | — | ✅ авто |
+| ONNX (CPU) | ✅ явно | ✅ явно | ✅ явно |
 | GPU (NVIDIA) | ✅ авто | — | ✅ (нужен CUDA 12) |

 <details>
@@ -209,11 +243,11 @@ language = "en"

 Дефолты зависят от устройства:

-| Параметр | CUDA | OpenVINO (GPU) | OpenVINO (CPU) | CPU |
-|----------|------|----------------|----------------|-----|
-| model | medium | medium | medium | medium |
-| compute_type | float16 | int8 | int8 | float32 |
-| language | ru | ru | ru | ru |
+| Параметр | CUDA | OpenVINO (GPU) | OpenVINO (CPU) | ONNX | CPU |
+|----------|------|----------------|----------------|------|-----|
+| model | medium | medium | medium | gigaam-v3 | medium |
+| compute_type | float16 | int8 | int8 | int8 | float32 |
+| language | ru | ru | ru | ru | ru |

 ## Модели и GPU

@@ -221,6 +255,8 @@ 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>
@@ -234,6 +270,17 @@ 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>
@@ -243,6 +290,7 @@ 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** |
@@ -0,0 +1,102 @@
+# 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.
@@ -0,0 +1,135 @@
+# 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 |
@@ -0,0 +1,47 @@
+# Domain Docs
+
+Репозиторий использует single-context layout.
+
+## Перед исследованием кода
+
+- Прочитать корневой `CONTEXT.md`.
+- Прочитать относящиеся к задаче решения из `docs/adr/`.
+- Проверить относящиеся к задаче исследования в `docs/research/`.
+- Проверить относящиеся к задаче спецификации в `docs/specs/`.
+- Если документа нет, продолжить молча: доменные документы создаются лениво
+  соответствующими навыками.
+
+## Структура
+
+```text
+/
+├── CONTEXT.md
+├── docs/
+│   ├── adr/
+│   ├── research/
+│   │   └── YYYY-MM-DD-slug.md
+│   └── specs/
+│       └── YYYY-MM-DD-slug.md
+└── src/
+```
+
+## Назначение документов
+
+- `CONTEXT.md` — каноническая терминология предметной области.
+- `docs/adr/` — принятые архитектурные решения и их обоснование.
+- `docs/research/YYYY-MM-DD-slug.md` — результаты исследований, основанные на
+  источниках и экспериментах.
+- `docs/specs/YYYY-MM-DD-slug.md` — согласованные спецификации изменений.
+
+## Терминология
+
+В задачах, тестах, предложениях и документации использовать термины из
+`CONTEXT.md`. Не заменять их синонимами, перечисленными в `_Avoid_`.
+
+Если нужного понятия нет, проверить, действительно ли это доменный термин.
+Существенный пробел передать в `domain-modeling`.
+
+## Конфликты с ADR
+
+Если предлагаемое изменение противоречит существующему ADR, указать конфликт
+явно и объяснить, почему решение стоит пересмотреть.
@@ -0,0 +1,66 @@
+# Issue Tracker
+
+Задачи проекта ведутся в Gitea-репозитории `ddmitry/local-transcriber`.
+
+- Основной remote: `origin`
+- Gitea: `https://git.dementev.space`
+- CLI: `tea`
+- Remote `github` является зеркалом и не используется для управления задачами
+- Внешние pull request не входят в очередь triage
+
+## Доступ
+
+Перед операциями с задачами проверить наличие `tea`.
+
+Если команда недоступна, остановиться и предложить пользователю установку:
+
+```powershell
+winget install --id Gitea.tea --exact
+```
+
+Не переключаться автоматически на GitHub Issues или локальные markdown-задачи.
+
+Проверить настроенные подключения:
+
+```powershell
+tea login list
+```
+
+Если подходящего подключения нет, предложить пользователю настроить его через
+`tea login add`. Не запрашивать и не выводить токены в переписке или логах.
+
+## Прокси
+
+Рабочее окружение использует корпоративный прокси (`HTTP_PROXY` и `HTTPS_PROXY`),
+через который `git.dementev.space` недоступен: запрос к API завершается ошибкой
+`EOF`. Хост нужно добавить в `NO_PROXY`.
+
+Разделитель — **запятая**, не точка с запятой: `tea` написан на Go, а Go
+разбирает `NO_PROXY` по запятым, и хост после `;` не распознаётся.
+
+На текущую сессию:
+
+```powershell
+$env:NO_PROXY = "$env:NO_PROXY,git.dementev.space"
+```
+
+Постоянно, в пользовательских переменных окружения (значение подхватят только
+новые процессы):
+
+```powershell
+[Environment]::SetEnvironmentVariable("NO_PROXY", "$env:NO_PROXY,git.dementev.space", "User")
+```
+
+## Работа с задачами
+
+Из рабочего дерева использовать Gitea remote `origin`:
+
+```powershell
+tea issues list --remote origin
+tea issues create --remote origin
+tea issues edit <index> --remote origin
+tea labels list --remote origin
+```
+
+За пределами рабочего дерева явно указывать репозиторий
+`ddmitry/local-transcriber` и настроенный Gitea login.
@@ -0,0 +1,15 @@
+# Triage Labels
+
+Инженерные навыки используют пять канонических triage-ролей. В Gitea им
+соответствуют одноимённые метки.
+
+| Роль навыка | Метка Gitea | Значение |
+| --- | --- | --- |
+| `needs-triage` | `needs-triage` | Требует оценки сопровождающим |
+| `needs-info` | `needs-info` | Ожидает дополнительной информации от автора |
+| `ready-for-agent` | `ready-for-agent` | Полностью описана и готова для автономного агента |
+| `ready-for-human` | `ready-for-human` | Требует реализации человеком |
+| `wontfix` | `wontfix` | Выполняться не будет |
+
+Когда навык упоминает triage-роль, следует использовать соответствующую метку
+из этой таблицы.
@@ -0,0 +1,262 @@
+# 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.
+   Шаг 1 в части onnx-пути вынесен в отдельную работу —
+   [спека «Onnx-каталог, Python 3.13 и границы версий»](specs/2026-08-11-onnx-model-catalog.md): движок
+   обновляется, три модели становятся поддерживаемыми, дефолт и OpenVINO не
+   трогаются намеренно, чтобы сохранить точку отсчёта для будущего сравнения.
+2. После интеграционных тестов провести сравнительный бенчмарк моделей. Не
+   менять CPU-дефолт только по model card или результату на одном файле.
+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
+
+### Профили намерения вместо выбора модели
+
+**Что:** Вместо `--model gigaam-v3-e2e-rnnt` пользователь выбирает намерение —
+условные `ru-fast`, `ru-readable`, `mixed`, — а проект разворачивает его в пару
+модель + квантизация с учётом устройства.
+
+**Почему:** Имена onnx-моделей ничего не говорят о том, что получит
+пользователь, и различие «поддерживаемая модель ≠ рекомендуемая» через них не
+выражается.
+
+**Почему откладывается:** профиль осмыслен, когда известно, какой профиль чем
+закрывается — то есть после сравнительной оценки. Введение понятия раньше
+данных закрепит догадку в интерфейсе. Источник:
+[спека «Onnx-каталог, Python 3.13 и границы версий»](specs/2026-08-11-onnx-model-catalog.md).
+
+---
+
+### 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)*
@@ -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 | — |
+| medium | OpenVINO/whisper-medium-int8-ov | OpenVINO/whisper-medium-fp16-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 (WSL2) | 171-205с | — | 658с |
+| Intel i7-11800H (WSL2) | 171-205с | — | 658с |

 **Ускорение vs CPU float32:** **3-6x** в зависимости от CPU.

@@ -77,6 +77,113 @@ 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)
@@ -98,45 +205,99 @@ winget install -e --id Nvidia.CUDA --version 12.9   # требует запус

 ## Совместимость GPU

-| GPU | VRAM | medium float16 | large-v3 float16 | Рекомендация |
-|-----|------|---------------|-----------------|--------------|
-| RTX 3060 | 6 GB | ✅ | ✅ | medium float16 (дефолт) |
-| RTX 4050 | 6 GB | ✅ | ✅ | medium float16 |
-| Quadro M3000M | 4 GB | ✅ | ⚠️ tight | medium float16 или int8 |
+| GPU | VRAM | CC | medium float16 | large-v3 float16 | Рекомендация |
+|-----|------|----|---------------|-----------------|--------------|
+| RTX 3060 | 6 GB | 8.6 | ✅ | ✅ | medium float16 (дефолт) |
+| RTX 4050 | 6 GB | 8.9 | ✅ | ✅ | medium float16 |
+| Quadro M3000M | 4 GB | 5.0 | ❌ | ❌ | `--device cpu` или `openvino` |
+
+> **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 | 42 мин файл | Отн. скорость |
+| Конфигурация | 16 мин файл | 46 мин файл | Отн. скорость |
 |-------------|-------------|-------------|---------------|
-| GPU + medium float16 | ~35с | ~133с | ~19x реалтайм |
-| GPU + large-v3 float16 | ~90с | ~350с | ~7x реалтайм |
+| GPU + medium float16 | **53с** | **127с** | **~18-22x реалтайм** |
+| GPU + large-v3 float16 | 86с | 271с | ~10-11x 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 (длинная запись, 42 мин) | Проблемы |
-|---|---|---|
-| large-v3 int8 GPU | Плохо | Галлюцинации (фразы ×25), потеря контента |
-| large-v3 float16 GPU | Отлично | — |
-| medium float16 GPU | Хорошо | Редкие мелкие ляпы в терминах |
-| medium float32 CPU | Хорошо | Сопоставимо с large-v3 int8, без галлюцинаций |
-| large-v3 int8 CPU | Хорошо | Без галлюцинаций (на коротких файлах) |
+| Конфигурация | Качество (короткие, ≤16 мин) | Качество (длинные, >40 мин) | Проблемы |
+|---|---|---|---|
+| medium float16 GPU | **Отлично** | **Отлично** | Единичные ляпы в терминах ("email" вместо "ML") |
+| medium int8_float32 GPU | **Отлично** | — | Качество ≈ float16, но на 20% медленнее |
+| medium int8_float16 GPU | Хорошо | — | 1-2 ошибки |
+| large-v3 float16 GPU | Хорошо | **Плохо** | Галлюцинации на длинных записях (мусор на 3+ языках) |
+| large-v3 int8_float32 GPU | **Плохо** | — | Повтор фраз ("Ага" ×18), искажения |
+| 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. **float16/float32 стабильнее int8** — особенно на записях >20 минут
-3. **medium + float16 на GPU — лучший баланс** скорости и качества для повседневного использования
-4. **large-v3 + float16 на GPU** — для максимального качества важных записей
+2. **medium + float16 на GPU — лучший баланс** скорости и качества для любых записей
+3. **large-v3 ненадёжен на длинных записях (>20 мин)** — галлюцинации даже с float16;
+   medium стабильнее на любой длине
+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 +1,53 @@
+# 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)).
@@ -0,0 +1,160 @@
+# Onnx-каталог, Python 3.13 и границы версий
+
+## Проблема
+
+Смешанная русско-английская речь и отсутствие пунктуации у `gigaam-v3-ctc` —
+известные ограничения onnx-пути ([ADR-006](../adr/006-onnx-asr-backend.md)). В
+`onnx-asr` 0.12 появились модели, которые их адресуют, но обновление
+заблокировано ограничением `onnx-asr[cpu,hub]>=0.11.0,<0.12.0` в
+`pyproject.toml`.
+
+Состояние движков и первичные источники —
+[исследование обновлений](../research/2026-08-10-engine-model-updates.md).
+
+## Что делаем
+
+Снимаем ограничение версии, поднимаем `onnx-asr` до 0.12 и делаем
+поддерживаемыми три модели:
+
+- `gigaam-multilingual-ctc` — смешанная речь с англоязычными терминами;
+- `gigaam-v3-e2e-ctc` и `gigaam-v3-e2e-rnnt` — пунктуация и нормализация текста.
+
+Каталог моделей в бэкенде хранит, помимо имени, опубликованные для модели
+квантизации — сейчас такого места нет, потому что алиасы отображают имя в имя.
+Расширять существующую таблицу или заводить рядом отдельную структуру —
+решается при реализации. Passthrough сырых имён onnx-asr сохраняется: он не
+мешает и оставляет дверь для экспериментов.
+
+Заодно поднимаем минимальную версию Python до 3.13 и ONNX Runtime до последней
+доступной (1.28 на момент написания). Python 3.10 в режиме security-only и
+снимается с поддержки в октябре 2026, а ORT 1.28 требует минимум 3.11 — так что
+подъём floor и обновление рантайма идут вместе. Следствие: зависимость `tomli` и
+условный импорт в `config.py` становятся мёртвым кодом и убираются — начиная с
+3.11 есть `tomllib`.
+
+Floor берётся сразу 3.13, а не минимально достаточный 3.11: любой подъём версии
+всё равно требует прогона на всех трёх платформах, и дорого именно тестирование,
+а не строка в `pyproject.toml`. Один переезд вместо двух. Проект ставится там,
+где доступны uv и PyPI, поэтому uv сам поднимет нужный интерпретатор; закрытых
+контуров и оффлайн-зеркал среди пользователей нет.
+
+Рабочая версия фиксируется файлом `.python-version` (сейчас его в репозитории
+нет). Floor разрешает любой интерпретатор от 3.13 и выше, а пин делает окружение
+одинаковым на разных машинах — иначе расхождение вылезает именно тогда, когда
+что-то отлаживаешь.
+
+Колёса cp313 проверены для всех нативных зависимостей и всех трёх целевых
+платформ — Windows, Linux, macOS: `openvino-genai` 2026.0.0.0, `ctranslate2`
+4.7.1, `onnxruntime` 1.28.0. На macOS `openvino-genai` не ставится по
+существующему маркеру `sys_platform != 'darwin'`, так что там остаются
+faster-whisper на CPU и onnx-путь — это не меняется этой работой, но стоит
+помнить, раз появились пользователи на Mac.
+
+GPU-пакеты ORT с их требованием CUDA 13 нас не касаются: CUDA идёт через
+CTranslate2, а onnx-путь ставится в CPU-варианте.
+
+## Границы версий
+
+Каждая прямая зависимость получает верхнюю границу по мажорной версии. Причина
+не в осторожности вообще, а в канале установки: README предлагает
+`uv tool install git+…`, а этот путь резолвит зависимости заново из метаданных
+пакета — `uv.lock` в колесо не попадает и не участвует. Диапазоны в
+`[project.dependencies]` — единственное, что ограничивает версии на машине
+пользователя. Установки в разные месяцы иначе дают разные наборы библиотек при
+одном и том же коде, и такие расхождения дороже разбирать, чем поднимать
+границы вручную.
+
+Три случая, которые сами собой не решаются:
+
+- **`onnxruntime` объявляется прямой зависимостью с границей**, хотя проект его
+  не импортирует. `[tool.uv] constraint-dependencies` для этого не годится:
+  по документации uv он действует только когда uv резолвит сам проект, и
+  игнорируется, когда пакет ставят как зависимость.
+- **`nvidia-cublas-cu12` получает границу по мажорной версии.**
+  `_cuda_bootstrap.py` преднагружает `libcublas.so.12` по точному soname
+  ([ADR-001](../adr/001-cuda-bootstrap.md)); мажорный апгрейд даёт другой soname
+  и ломает bootstrap при неизменном коде.
+- **`openvino-genai` фиксируется на проверенной линии 2026.0**, а не просто «до
+  следующего года». Иначе свежая установка подтянет 2026.3 и незаметно поменяет
+  ту самую точку отсчёта, которую мы договорились не трогать. Границу снимает
+  отдельная работа по обновлению OpenVINO — осознанно.
+
+Конкретные номера берутся из `uv.lock` при реализации.
+
+## Чего не делаем
+
+- Не меняем модель по умолчанию и auto-detect: `gigaam-v3` остаётся дефолтом
+  `--device onnx`. Решение о CPU-дефолте требует замеров на целевом Intel Core
+  i5, которого сейчас нет в доступе.
+- Не обновляем OpenVINO, OpenVINO GenAI и CTranslate2. Whisper medium на
+  OpenVINO — то, с чем сравниваются новые модели; менять его движок
+  одновременно значит потерять точку отсчёта. Верхние границы версий им при
+  этом проставляются — см. «Границы версий»; это фиксация текущего состояния, а
+  не обновление.
+- Не добавляем алиасы `large-v3-turbo`, диаризацию, чанкование по паузам и
+  словарь замен терминов — отдельные пункты [backlog](../backlog.md).
+
+## Ловушки
+
+- **`compute_type` разрешается по устройству, а не по модели.**
+  `DEVICE_DEFAULTS["onnx"]` даёт `int8` независимо от модели, а `int8`
+  опубликован не для всех. Для модели без запрошенной квантизации проект должен
+  взять доступную и сказать об этом; явно заданное пользователем значение
+  остаётся ошибкой, а не тихой подменой. Явным считается и значение из
+  `.transcriber.toml`, не только флаг CLI — подстановка допустима лишь там, где
+  квантизацию выбрал сам проект. Это единственное изменение в каскаде
+  конфигурации.
+- **Язык у multilingual-модели.** Проект по умолчанию форсирует `ru`, а интерес
+  — как раз смешанная речь. Надо посмотреть, принимает ли модель подсказку языка
+  или определяет сама, и описать правило в README.
+- **E2E меняет форму текста.** Пунктуация и нормализация могут повлиять на
+  группировку абзацев в `formatter.py` и на предупреждения `quality.py`,
+  написанные под поведение Whisper.
+- **VAD.** В 0.12 исправлены сегменты нулевой длины после VAD — проект
+  оборачивает модель в `.with_vad()`, так что изменение касается нас напрямую.
+
+## Как проверяем
+
+Работа идёт в отдельной ветке (по конвенции репозитория — `feature/…`), в
+`master` вливается только после ручной проверки. Причина не в процессе ради
+процесса: переезд на 3.13 пересобирает окружение целиком, и откатывать это на
+основной ветке неприятно. Ветка позволяет держать рабочий `master` под рукой,
+пока новое окружение не подтвердилось.
+
+Внутри ветки смена окружения и смена библиотеки проверяются раздельно: сначала
+Python и зависимости при неизменных моделях — поведение обязано остаться
+прежним, — и только потом `onnx-asr` 0.12 с новыми моделями. Иначе при первой же
+странности подозреваемых окажется десяток и разделить их будет нечем, CI тут не
+поможет.
+
+Проект домашний, CI нет, репрезентативные записи приватны и на разных ноутбуках
+разные — автоматическая приёмка невозможна в принципе, уверенность держится на
+ручных прогонах. Что она покрывает и чего не покрывает:
+
+- существующие тесты замоканы ([`AGENTS.md`](../../AGENTS.md)) и подтверждают
+  CLI, конфиг и форматирование, но не работоспособность движка: поломку ORT или
+  onnx-asr видно только на реальной записи;
+- ручные прогоны делаются на Windows и Linux, по всем трём путям — onnx,
+  openvino, cuda;
+- **macOS не проверяется вовсе.** Колёса cp313 там опубликованы, но это
+  наличие, а не работоспособность; при жалобе с Mac исходить из того, что путь
+  не валидировался;
+- **скорость на Intel Core i5 не измерялась.** Замеры делаются на Ryzen 7
+  8845H и записываются как наблюдение с указанием CPU — для решения о
+  CPU-дефолте этого недостаточно;
+- **качество моделей друг относительно друга не измерялось.** Ручная проверка
+  отвечает на вопрос «работает ли», а не «лучше ли»; сравнение — отдельная
+  работа, см. [backlog](../backlog.md).
+
+Пошаговый чеклист и практика прогона нужны только на время работ и живут в
+задаче трекера
+([#1](https://git.dementev.space/ddmitry/local-transcriber/issues/1)), а не в
+этом документе.
+
+## Документация
+
+README: три модели в таблицу ONNX-моделей. Рекомендация остаётся прежней —
+`gigaam-v3` для русского — пока нет данных, чтобы её менять; у новых моделей
+стоит оговорка, что скорость на слабых CPU не измерялась. Требование Python
+правится в [`docs/PRD.md`](../PRD.md) — раздел «Требования» и таблица
+технологий; в README версии Python не упоминаются.
@@ -12,6 +12,7 @@ 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]
@@ -25,6 +25,15 @@ 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

@@ -30,8 +30,12 @@ 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(
@@ -84,10 +84,17 @@ 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(model_path, device=device, compute_type=compute_type)
+            return WhisperModel(
+                model_path, device=device, compute_type=compute_type,
+                cpu_threads=cpu_threads,
+            )
        except ImportError as exc:
            if _is_missing_socksio_error(exc):
                raise RuntimeError(
@@ -0,0 +1,154 @@
+"""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)
@@ -20,6 +20,7 @@ MODEL_REPOS: dict[tuple[str, str], str] = {
    ("base", "fp16"): "OpenVINO/whisper-base-fp16-ov",
    ("small", "int8"): "OpenVINO/whisper-small-int8-ov",
    ("medium", "int8"): "OpenVINO/whisper-medium-int8-ov",
+    ("medium", "fp16"): "OpenVINO/whisper-medium-fp16-ov",
    ("large-v3", "int8"): "OpenVINO/whisper-large-v3-int8-ov",
    ("large-v3", "fp16"): "OpenVINO/whisper-large-v3-fp16-ov",
 }
@@ -105,8 +106,9 @@ class OpenVINOBackend:
        model_path: str,
        device: str,
        compute_type: str,
+        cpu_threads: int = 0,
    ) -> Any:
-        """Создаёт WhisperPipeline."""
+        """Создаёт WhisperPipeline. cpu_threads не используется (OpenVINO управляет сам)."""
        import openvino_genai as ov_genai

        ov_dev = self._resolve_ov_device()
@@ -9,9 +9,23 @@ from rich.console import Console
 from rich.status import Status

 from .config import apply_device_defaults, load_config, resolve_defaults
-from .formatter import format_transcript, write_transcript
+from .context_menu import install_menu as install_context_menu
+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,
@@ -43,9 +57,62 @@ 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] = typer.Argument(..., help="Пути к аудио/видеофайлам"),
+    files: list[Path] | None = typer.Argument(None, help="Пути к аудио/видеофайлам"),
    model: str | None = typer.Option(
        None, "--model", "-m", show_default=False, help="Модель Whisper [по умолч.: medium]"
    ),
@@ -55,19 +122,60 @@ 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) [по умолч.: auto]"
+        help="Устройство (auto|cpu|cuda|openvino|openvino-gpu|openvino-cpu|onnx) [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}
@@ -89,9 +197,9 @@ def main(
            raise SystemExit(1)

        if is_batch:
-            _run_batch(expanded, defaults, verbose, force, ct_explicit)
+            _run_batch(expanded, defaults, verbose, force, ct_explicit, cpu_threads=threads)
        else:
-            _run_single(expanded[0], defaults, output, verbose, ct_explicit)
+            _run_single(expanded[0], defaults, output, verbose, ct_explicit, cpu_threads=threads)
    except KeyboardInterrupt:
        console.print("\nПрервано пользователем.", style="yellow")
        raise SystemExit(130)
@@ -129,6 +237,7 @@ 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()
@@ -148,6 +257,7 @@ 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(
@@ -174,6 +284,7 @@ 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
@@ -211,6 +322,7 @@ 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(
@@ -219,6 +331,7 @@ 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)
@@ -256,6 +369,7 @@ 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":
@@ -306,6 +420,7 @@ 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:
@@ -343,6 +458,7 @@ def _run_batch(
                style="green",
            )
            processed += 1
+            _print_quality_warnings(result, file.name)
        except KeyboardInterrupt:
            raise
        except Exception as exc:
@@ -22,11 +22,12 @@ 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"}
+_VALID_DEVICES = {"auto", "cpu", "cuda", "openvino", "openvino-gpu", "openvino-cpu", "onnx"}


 def find_config_file() -> Path | None:
@@ -0,0 +1,57 @@
+"""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
@@ -4,6 +4,7 @@ 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
@@ -63,7 +64,7 @@ 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
@@ -92,7 +93,20 @@ 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("---")
@@ -0,0 +1,78 @@
+"""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
@@ -22,11 +22,13 @@ 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
@@ -35,7 +37,7 @@ def load_model(

    try:
        _notify_status(on_status, f"Инициализирую модель на {device}...")
-        model = backend.create_model(model_path, device, compute_type)
+        model = backend.create_model(model_path, device, compute_type, cpu_threads=cpu_threads)
        # Резолвим actual_device по реальному OpenVINO device
        ov_dev = getattr(backend, "actual_ov_device", None)
        if ov_dev == "GPU" and actual_device != "openvino-gpu":
@@ -55,7 +57,7 @@ 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)
+            model = backend.create_model(model_path, "cpu", compute_type, cpu_threads=cpu_threads)
        else:
            raise

@@ -74,6 +76,7 @@ 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
@@ -95,7 +98,7 @@ 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)
+            model = backend.create_model(model_path, "cpu", compute_type, cpu_threads=cpu_threads)
            _notify_status(on_status, "Транскрибирую...")
            result = backend.transcribe(model, file_path, lang_arg, on_segment, on_status)
            result.device_used = actual_device
@@ -120,16 +123,19 @@ 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("medium", "fp16")
+        backend._resolve_repo("small", "fp16")


 def test_resolve_repo_explicit_unknown_model_raises():
@@ -2,6 +2,7 @@ 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
@@ -862,3 +863,308 @@ 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
@@ -0,0 +1,128 @@
+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()
@@ -172,3 +172,141 @@ 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
@@ -0,0 +1,314 @@
+"""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")
@@ -0,0 +1,125 @@
+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")]) == []
@@ -321,6 +321,34 @@ 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 ===


@@ -527,6 +555,36 @@ 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."""
@@ -301,6 +301,7 @@ 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" },
@@ -317,6 +318,7 @@ 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" },
@@ -512,6 +514,28 @@ 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"