Фоновые задачи: плейлисты, длинные лекции, вкладка настроек

- таблица jobs + очередь с воркером: POST /jobs сразу отвечает, элементы
  плейлиста обрабатываются последовательно, есть отмена и живой прогресс
  (скачивание %, минуты распознанного Vosk-аудио)
- expand_url: плейлист раскрывается в список видео
- keep_video=false теперь качает только аудио (для 4-5ч лекций)
- настройки (LLM-ключ, модель, длина выжимки, хранение видео, путь Vosk)
  хранятся в Postgres: переживают перезапуск и перезагрузку страницы
- длина выжимки прокидывается в LLM-промпт ({n} предложений)
- UI: вкладки «Главная»/«Настройки», карточка задач с автообновлением
  каждые 3 сек, прогресс-бар, отмена, библиотека обновляется по мере
  готовности элементов

Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>

api/lib/transcribe.py

@@ -53,8 +53,16 @@ class VoskModelManager:
             t.join(timeout=2)
 
 
-def transcribe_via_ffmpeg(media_path: Path, model_path: Path, sample_rate: int = 16000) -> str:
-    """Decode the source media to PCM s16le mono via ffmpeg and feed it to Vosk in chunks."""
+def transcribe_via_ffmpeg(
+    media_path: Path,
+    model_path: Path,
+    sample_rate: int = 16000,
+    on_progress=None,
+) -> str:
+    """Decode the source media to PCM s16le mono via ffmpeg and feed it to Vosk in chunks.
+
+    on_progress: callback(minutes: int) — вызывается каждые ~5 минут распознанного аудио.
+    """
     if Model is None or KaldiRecognizer is None:
         raise RuntimeError("vosk is not installed in runtime")
     if shutil.which("ffmpeg") is None:
@@ -103,10 +111,16 @@ def transcribe_via_ffmpeg(media_path: Path, model_path: Path, sample_rate: int =
                 break
             recognizer.AcceptWaveform(chunk)
             bytes_read += len(chunk)
-            mb = bytes_read // (1024 * 1024)
-            if mb >= last_logged_mb + 5:
-                last_logged_mb = mb
-                logger.info("Transcribed %d MB of audio so far", mb)
+            # PCM s16le mono: sample_rate * 2 байта в секунду
+            minutes = bytes_read // (sample_rate * 2 * 60)
+            if minutes >= last_logged_mb + 5:
+                last_logged_mb = minutes
+                logger.info("Transcribed %d minutes of audio so far", minutes)
+                if on_progress is not None:
+                    try:
+                        on_progress(minutes)
+                    except Exception:
+                        pass
 
         result = json.loads(recognizer.FinalResult())
         text = result.get("text", "")