Docker-сервис, выбор основы и сравнение моделей, сборщик датасета

- Docker: Dockerfile (CPU), compose с FlareSolverr, настройка через DUB_* переменные,
  токен доступа к /predict, tools/pack_models.py, workflow Gitea Actions, docs/docker.md
- Модель грузится офлайн (config.json рядом с весами); общий код вынесен в src/spans.py,
  сервису не нужны sklearn/matplotlib/pandas
- Обучение: профили tiny2/base/large/modern, запуски в models/runs, реестр и честное
  сравнение на одной тестовой выборке (src/runs.py), пункт меню «Модели»
- Датасет: язык и аудио-параметры дорожек, 18+ по строкам «Аудио», ручные метки по ссылкам,
  переиндексация сохранённого HTML, параллельная сборка, сбалансированная выборка
- Тексты страниц (data/pages) больше не хранятся в git

Co-Authored-By: Claude Sonnet 5.5 <noreply@anthropic.com>

Dockerfile

@@ -0,0 +1,39 @@
+# syntax=docker/dockerfile:1
+# DUB-AI: HTTP-сервис определения дорожек озвучки (FastAPI), CPU.
+#
+#   python tools/pack_models.py --stage docker-models     # положить модели в образ (необязательно)
+#   docker build -t dub-ai .
+#
+# Без шага pack_models образ собирается без моделей — тогда смонтируйте каталог: -v ./models:/app/models:ro
+FROM python:3.12-slim
+
+ENV PYTHONUNBUFFERED=1 \
+    PYTHONDONTWRITEBYTECODE=1 \
+    PIP_NO_CACHE_DIR=1 \
+    PIP_DISABLE_PIP_VERSION_CHECK=1 \
+    HF_HUB_OFFLINE=1 \
+    TRANSFORMERS_OFFLINE=1 \
+    TOKENIZERS_PARALLELISM=false \
+    DUB_HOST=0.0.0.0 \
+    DUB_PORT=8000 \
+    DUB_MODEL_DIR=/app/models/best \
+    DUB_SEGMENTER_DIR=/app/models/segmenter
+
+WORKDIR /app
+
+# torch без CUDA: образ в разы легче, на VPS GPU нет
+RUN pip install torch==2.11.0 --index-url https://download.pytorch.org/whl/cpu
+COPY requirements-service.txt .
+RUN pip install -r requirements-service.txt
+
+COPY src/ src/
+COPY docker-models/models/ models/
+
+RUN useradd --system --uid 10001 --no-create-home dub
+USER dub
+
+EXPOSE 8000
+HEALTHCHECK --interval=30s --timeout=5s --start-period=120s --retries=3 \
+    CMD python -c "import os,urllib.request as u; u.urlopen('http://127.0.0.1:%s/health' % os.environ.get('DUB_PORT','8000'), timeout=4)"
+
+CMD ["python", "-m", "src.service"]