Initial commit: audio2text 双语字幕生成服务

- 音频/视频转双语(英/中)SRT 字幕，Docker 容器化，CPU 开发/GPU 生产同一份代码
- faster-whisper ASR(词级时间戳) + 断句时间戳重算 + NLLB 翻译(模型不共驻)
- 分片上传(断点续传) + SQLite 持久化 + 主页/历史/日志页面
- 历史页文件名搜索；缓存定时清理(默认保留7天，可配置)
- 双 Dockerfile(cpu/gpu) + setup/start/stop 脚本

app/services/asr_service.py

@@ -0,0 +1,65 @@
+"""语音识别服务：faster-whisper，输出带词级时间戳的 segments。
+
+CPU dev: tiny.en + int8；GPU prod: large-v3-turbo + float16。同一份代码。
+"""
+
+from __future__ import annotations
+
+import logging
+from pathlib import Path
+
+from ..config import get_settings
+from .model_manager import get_model_manager
+from .types import Segment, Word
+
+logger = logging.getLogger("audio2text.asr")
+
+
+def transcribe(wav_path: Path) -> list[Segment]:
+    """转写 wav，返回 segments（含词级时间戳）。
+
+    Args:
+        wav_path: 16kHz mono PCM wav
+
+    Returns:
+        list[Segment]，每个 Segment 带词级 words（若 word_timestamps 启用）。
+    """
+    s = get_settings().asr
+    if not wav_path.is_file():
+        raise FileNotFoundError(f"音频不存在：{wav_path}")
+
+    model = get_model_manager().get_asr()
+    logger.debug("开始转写 %s（model=%s language=%s）", wav_path.name, s.model, s.language)
+
+    segments_gen, info = model.transcribe(
+        str(wav_path),
+        language=s.language,
+        word_timestamps=s.word_timestamps,
+        vad_filter=s.vad_filter,
+        beam_size=5,
+    )
+    logger.debug(
+        "音频时长 %.1fs，检测语言=%s（置信度 %.2f）",
+        info.duration, info.language, info.language_probability,
+    )
+
+    segments: list[Segment] = []
+    for seg in segments_gen:
+        words: list[Word] = []
+        if s.word_timestamps and getattr(seg, "words", None):
+            for w in seg.words:
+                words.append(Word(
+                    text=w.word.strip(),
+                    start=float(w.start),
+                    end=float(w.end),
+                    probability=float(getattr(w, "probability", 1.0)),
+                ))
+        segments.append(Segment(
+            text=seg.text.strip(),
+            start=float(seg.start),
+            end=float(seg.end),
+            words=words,
+        ))
+    logger.debug("转写完成：%d 段，%d 词。",
+                 len(segments), sum(len(s.words) for s in segments))
+    return segments