feat(ui): add floating caption window with live transcription

Add a frameless always-on-top caption window wired to the live capture
pipeline. Silence-based segmentation gates the audio so the model never
sees silence, and the panel background is painted in paintEvent with a
configurable opacity instead of a style sheet.

新增悬浮字幕窗（无边框、置顶、可折叠/展开），接入实时采集与流式转写。
分段由静音检测驱动，静音期间不送音频，避免模型对静音产生幻觉。底板
改为在 paintEvent 中绘制，不透明度可调。

src/streamingasr.h

@@ -37,6 +37,7 @@ public:
         int         chunkIndex    = 0;
         std::string language;
         std::string committed;          // 稳定部分
+        std::string tail;               // 不稳定尾部（committed 之后的部分）
         std::string full;               // 含不稳定尾部
         std::string rawFull;            // 未 trim 的完整文本（含 language 头）
         double      windowSeconds = 0.0;
@@ -51,7 +52,8 @@ public:
 
     // 喂入 16k 单声道音频；每凑够 chunkSec 就跑一步并回调
     void feed(const float * pcm, size_t n, const std::function<void(const Step &)> & onStep);
-    // 处理不足一块的残留音频，并作为最后一步提交全部文本
+    // 处理不足一块的残留音频，并作为最后一步提交全部文本。
+    // 若没有待处理音频，也把当前已稳定文本提交为最终（静音分段时会用到）。
     void flush(const std::function<void(const Step &)> & onStep);
 
     // 结束当前这段（例如检测到静音）：清空 KV 与状态，下一段重新开始