feat: 调度器+并发管线+GPU优化+日志分级+前端修复

- scheduler: ffmpeg 异步线程 + GPU 串行调度 + 模型复用（2N→2 次加载）
- pipeline: 阶段拆分（extract/asr/translate），中间数据存 Task 字段
- translate_service: 长度排序批处理，padding 浪费减少 91%
- model_manager: ASR/翻译不共驻，BatchedInferencePipeline 批量解码
- 日志分级: INFO=任务流转里程碑，DEBUG=进度详情；默认 INFO
- 前端: 日志最新在上+滚动感知+退避轮询；24h 时间；上传中状态显示
- /health: 返回完整 Whisper/NLLB 配置
- upload_service: 单事务 complete + 扩展名白名单
- task_router: 合并 UploadSession 虚拟任务到列表
- Dockerfile: CPU/GPU 独立构建链，deps 缓存稳定
- prefetch_models: 安装时预下载模型权重

scripts/prefetch_models.sh

@@ -0,0 +1,58 @@
+#!/usr/bin/env bash
+# 预拉模型权重到 ./models volume，避免容器启动时才下载。
+#
+# 用法:
+#   ./scripts/prefetch_models.sh                  # 读 config.yaml（当前激活配置）
+#   ./scripts/prefetch_models.sh config.gpu.yaml  # 读指定配置文件
+#
+# 原理：用已构建的 audio2text 镜像跑一次性容器，挂载 ./models volume，
+#       执行 scripts/prefetch_models.py 把模型下到 HF cache。
+#       容器运行时 HF_HOME=/models/huggingface 命中缓存，秒级加载。
+#
+# 幂等：已下过的模型跳过。换 config 的 model 后重跑即可补下新模型。
+set -euo pipefail
+
+cd "$(dirname "$0")/.."
+ROOT="$(pwd)"
+
+CONFIG="${1:-config.yaml}"
+VARIANT="${AUDIO2TEXT_VARIANT:-cpu}"
+
+# 选镜像：优先用 gpu 镜像（GPU 模型大，可能要 cuda 才能 correctly 下载部分文件），
+# 否则 cpu。两者都能下 HF 模型（下载是纯网络 IO，不依赖 GPU）。
+IMAGE="audio2text:cpu"
+if docker image inspect audio2text:gpu >/dev/null 2>&1 && [ "$VARIANT" = "gpu" ]; then
+    IMAGE="audio2text:gpu"
+fi
+
+if ! docker image inspect "$IMAGE" >/dev/null 2>&1; then
+    echo "✗ 镜像 $IMAGE 不存在，请先 ./setup.sh 构建。" >&2
+    exit 1
+fi
+
+if [ ! -f "$ROOT/$CONFIG" ]; then
+    echo "✗ 配置文件不存在: $ROOT/$CONFIG" >&2
+    exit 1
+fi
+
+mkdir -p "$ROOT/models"
+
+echo "==> 预拉模型"
+echo "    镜像: $IMAGE"
+echo "    配置: $CONFIG"
+echo "    缓存: $ROOT/models (volume)"
+echo
+
+# 注意：CONFIG_PATH 指向容器内路径，挂载配置文件为只读
+MSYS_NO_PATHCONV=1 docker run --rm \
+    -v "$ROOT/models:/models" \
+    -v "$ROOT/$CONFIG:/app/config.yaml:ro" \
+    -e HF_HOME=/models/huggingface \
+    -e CT2_CACHE=/models/ctranslate2 \
+    -e CONFIG_PATH=/app/config.yaml \
+    "$IMAGE" \
+    python /app/scripts/prefetch_models.py /app/config.yaml
+
+echo
+echo "==> 完成。模型已缓存到 $ROOT/models/huggingface"
+echo "    容器启动时会命中缓存，无需联网下载。"