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>

docker-compose.yml

@@ -0,0 +1,27 @@
+# DUB-AI + FlareSolverr.   docker compose up -d      (настройки — в .env, см. .env.example)
+services:
+  dub-ai:
+    image: ${DUB_IMAGE:-dub-ai:local}
+    build: .
+    restart: unless-stopped
+    ports:
+      - "${DUB_PUBLISH_PORT:-8000}:8000"
+    environment:
+      DUB_FLARESOLVERR_URL: ${DUB_FLARESOLVERR_URL-http://flaresolverr:8191}
+      DUB_API_TOKEN: ${DUB_API_TOKEN:-}
+      DUB_FETCH_TIMEOUT: ${DUB_FETCH_TIMEOUT:-60}
+      DUB_TORCH_THREADS: ${DUB_TORCH_THREADS:-}
+    # Образ без моделей (или чтобы подменить их без пересборки): раскомментируйте
+    # volumes:
+    #   - ./models:/app/models:ro
+    deploy:
+      resources:
+        limits:
+          memory: 3g
+
+  flaresolverr:
+    image: ghcr.io/flaresolverr/flaresolverr:latest
+    restart: unless-stopped
+    environment:
+      LOG_LEVEL: info
+    # порт 8191 наружу не публикуется: доступен только контейнеру dub-ai