feat: transcribe_voice 新增 OpenAI Whisper API 后端 (#66)

默认 local，零行为变化。opt-in 双因素：transcription_backend=openai
且 openai_api_key 都齐才生效；任一缺失静默回退 local + stderr 一行警告。
首次进入云路径会 stderr 警告"语音将上传至 OpenAI 服务器"。

新增 config.json 字段：
- transcription_backend: "local" (默认) | "openai"
- local_whisper_model: "base" (替换 mcp_server.py 里硬编码 DEFAULT_WHISPER_MODEL)
- openai_api_key: "" (默认空；openai 包为 optional，按需 pip install)

关键技术选择：
- _transcribe(wav, backend) 单一 if/else 分发，不引入插件/工厂层
  (Rule of Three —— 只有一个云后端时不值得抽象)
- 文件 > 25MB 在 OpenAI() 实例化之前提前拒绝，避免无谓上传
- 错误分类清晰: 缺 key / 缺 openai 包 / 401 / 429 / APIError 各自的提示
- PR #58 缓存 schema 自然扩展: 条目加 backend 字段，命中需 backend+model_size 都匹配
- 旧条目缺 backend 字段视为 "local"，向前兼容 PR #58 已落盘的所有数据
- transcribe_chat.py 批量 CLI 与 MCP 工具共享同一份配置，保持一致

新增 2 个测试 (tests/test_openai_backend.py)，只覆盖回归风险最高的两条：
- 文件 > 25MB 必须在 SDK 实例化前拒绝（隐私契约的防线）
- backend 不匹配的旧条目不命中（避免切后端时返回错后端结果）

其余路径要么琐碎（默认值读取）、要么坏掉时声音很大（SDK 错误、ImportError），
要么已被 PR #58 现有测试隐式覆盖（缺 backend 字段的旧条目），不再单独写测试。

顺手把 README 里 PR #53 漏掉的 voice 三件套（get_voice_messages /
decode_voice / transcribe_voice）补进 MCP 工具表，并新增"⚠️ 语音转录隐私"
章节说清数据流向、成本（约 \$0.006/分钟）、25MB 上限、回退行为。

Closes ylytdeng/wechat-decrypt#59

transcribe_chat.py

@@ -13,10 +13,12 @@
     .venv/bin/python3 transcribe_chat.py /tmp/chat.json /tmp/chat_transcribed.json
 
 行为说明:
-    - 使用 OpenAI Whisper (CPU，单线程) 对每条语音消息转录。
+    - 后端由 config.json 中 transcription_backend 字段控制 (local/openai)，
+      与 MCP transcribe_voice 工具共享配置。详见 README "语音转录隐私" 章节。
+    - 默认 local: 使用本地 Whisper (CPU，单线程)，首次运行下载 ~145 MB 权重。
+    - 切到 openai: 语音上传至 OpenAI 服务器转录 (~$0.006/分钟)。
     - 幂等: 已有 "transcription" 字段的消息会被跳过，因此崩溃/中断后可安全重跑。
     - 崩溃安全: 每处理完一条即整体重写输出 JSON，进程中断最多丢失当前一条。
-    - 首次运行会下载 Whisper 模型 (~145 MB) 并缓存。
 
 需要 WeChat DB 仍然在线/已解密 —— 语音 blob 是从 DB 现场按 local_id 读取的，
 不从 JSON 读。
@@ -29,7 +31,7 @@ from datetime import datetime
 import mcp_server
 
 
-def _transcribe_local_id(username, local_id):
+def _transcribe_local_id(username, local_id, backend):
     row = mcp_server._fetch_voice_row(username, local_id)
     if row is None:
         return "[not found]"
@@ -41,9 +43,8 @@ def _transcribe_local_id(username, local_id):
         return f"[decode error: {e}]"
 
     try:
-        model = mcp_server._get_whisper_model()
-        result = model.transcribe(wav_path)
-        return result.get("text", "").strip()
+        result = mcp_server._transcribe(wav_path, backend)
+        return result["text"]
     except Exception as e:
         return f"[transcribe error: {e}]"
 
@@ -70,17 +71,22 @@ def transcribe_export(input_path, output_path):
         print("No voice messages to transcribe.")
         return
 
+    backend = mcp_server._resolve_active_backend()
     print(f"Found {total} voice messages to transcribe.")
-    print("Loading Whisper model (first run downloads ~145MB)...")
-    mcp_server._get_whisper_model()
-    print("Model ready.\n")
+    print(f"Backend: {backend}")
+    if backend == "local":
+        print("Loading Whisper model (first run downloads ~145MB)...")
+        mcp_server._get_whisper_model()
+        print("Model ready.\n")
+    else:
+        print("")
 
     for i, msg in enumerate(pending, 1):
         local_id = msg["local_id"]
         ts = msg["timestamp"]
         ts_str = datetime.fromtimestamp(ts).strftime("%Y-%m-%d %H:%M:%S") if isinstance(ts, (int, float)) else ts
         print(f"[{i}/{total}] local_id={local_id} ({ts_str}) ... ", end="", flush=True)
-        result = _transcribe_local_id(username, local_id)
+        result = _transcribe_local_id(username, local_id, backend)
         msg["transcription"] = result
         print(repr(result[:60]) if result else '""')