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>

reports/data_audit.md

@@ -1,29 +1,30 @@
 # Аудит датасета: data/labels.csv
-строк в CSV: 6864
-строк после подготовки: 7780 (train 7264 / test 516)
-источники: {'kinozal': 107, 'rutracker': 3924, 'nnm': 3749}
-уникальных нормализованных текстов: 4205
-групп (релиз ∪ одинаковый текст): 834
-удалено: пустой текст 0, мусорный studio 20, не-озвучка (оригинал/субтитры) 4, противоречивые дубли 0 (групп-противоречий: 0)
-спан автора найден: 5489 (70.6%), не найден: 29
-аугментировано морфологических вариантов: 920
-дорожек 18+: 316 (из них без упоминания «18» в тексте: 2)
+строк в CSV: 41209
+строк после подготовки: 48259 (train 42641 / test 5618)
+источники: {'kinozal': 13665, 'rutracker': 16539, 'nnm': 18055}
+уникальных нормализованных текстов: 17942
+групп (релиз ∪ одинаковый текст): 6367
+удалено: пустой текст 0, мусорный studio 153, не-озвучка (оригинал/субтитры) 6, противоречивые дубли 0 (групп-противоречий: 0)
+спан автора найден: 23631 (49.0%), не найден: 243
+аугментировано морфологических вариантов: 7032
+дорожек 18+: 720 (из них без упоминания «18» в тексте: 12)
+язык размечен: 20371 из 48259; со строкой «Аудио» во входе: 9575; классы: {'RUS': 20166, 'UKR': 150, 'ENG': 55}; редкие (<20, не учатся): {'DEU': 3, 'FRA': 9, 'CHI': 4, 'POL': 2, 'KAZ': 10, 'GEO': 1, 'BEL': 2, 'KOR': 1, 'LAV': 1, 'CZE': 1, 'ITA': 1}
 
 ## Распределение translation_type
-- проф. многоголосый: 2730
-- проф. дубляж: 1909
-- авт. одноголосый: 1301
-- проф. двухголосый: 616
-- одноголосый: 465
-- неизвестно: 322
-- люб. многоголосый: 184
-- многоголосый: 111
-- люб. двухголосый: 65
-- люб. одноголосый: 46
-- двухголосый: 17
-- проф. одноголосый: 12
-- авт. многоголосый: 1
-- авт. двухголосый: 1
+- проф. дубляж: 18022
+- проф. многоголосый: 13644
+- авт. одноголосый: 4199
+- неизвестно: 3023
+- проф. двухголосый: 2362
+- одноголосый: 2189
+- люб. многоголосый: 1666
+- многоголосый: 1128
+- люб. одноголосый: 883
+- люб. двухголосый: 707
+- проф. одноголосый: 267
+- двухголосый: 162
+- авт. многоголосый: 5
+- авт. двухголосый: 2
 
 ## Спан не найден (примеры)
 - [rutracker] studio=«datynet; : Куценко» text=«Одноголосый закадровый datynet; перевод: Куценко»