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

config.gpu.yaml

@@ -0,0 +1,56 @@
+# audio2text — GPU 生产配置（NVIDIA 3090 24G）
+# 模型按之前指定选型，质量优先：
+#   ASR     = whisper large-v3-turbo（8x 速度，质量接近 large-v3）
+#   翻译    = NLLB-200-distilled-1.3B（质量最好）
+# ASR 与翻译不共驻：翻译时卸载 Whisper 独占显存跑大 batch。
+
+server:
+  host: 0.0.0.0
+  port: 8000
+  workers: 1
+
+storage:
+  upload_dir: /data/uploads
+  work_dir: /data/.work
+  output_dir: /data/outputs
+  chunk_bytes: 1048576
+  chunk_session_ttl_seconds: 300
+  cache_retention_days: 7          # 任务产物保留天数，超期清理（字幕/中间音频/保留的原始视频+DB记录）
+  cache_cleanup_interval_hours: 24 # 定时清理间隔（启动时跑一次，之后循环）
+
+processing:
+  delete_original_after_extract: true
+  keep_audio: false
+
+asr:
+  model: large-v3-turbo       # 8x 速度，质量接近 large-v3
+  device: cuda
+  compute_type: float16       # 3090 FP16，速度与显存兼顾
+  language: en
+  word_timestamps: true
+  vad_filter: true
+
+translation:
+  model: facebook/nllb-200-distilled-1.3B   # 质量最好
+  device: cuda
+  src_lang: eng_Latn
+  tgt_lang: zho_Hans
+  batch_size: 16             # 不共驻时显存独占，大 batch
+  max_length: 256
+
+segmentation:
+  max_words_per_line: 14
+  max_duration_seconds: 7.0
+  min_duration_seconds: 1.0
+  max_chars_per_line: 42
+
+
+logging:
+  level: info              # debug=详细子步骤, info=仅阶段转换, error=完整 traceback
+  buffer_size: 2000
+
+docs:
+  enabled: true
+  username: admin
+  password: "CHANGE_ME"
+  realm: "audio2text docs"