feat(asr): add pluggable ONNX streaming backend and model registry

Add a second backend (sherpa-onnx) alongside llama.cpp, so native
streaming models can be selected by ID from a JSON registry. All such
models share one adapter: only the model files and a few options differ.
Models now live under the app data directory and are fetched by
scripts/fetch-models.sh. Adding a model is a data change, not code.

Measured on the same audio: the streaming backend is ~35x cheaper in CPU
than Qwen3-ASR (0.10-0.12 vs 4.27 core-seconds per audio second), shows
the first caption at 0.48-1.44s, and matches its accuracy for zh/en.

新增 sherpa-onnx 流式后端，与 llama.cpp 并存；模型按注册表 id 从应用
数据目录加载。同族模型共用一个适配器，新增模型只改 data/models.json。
实测流式后端 CPU 约为 Qwen3-ASR 的 1/35，首个字幕 0.48~1.44s，中英
准确率持平。注意预编译库是旧 C++ ABI，必须走其 C API。

docs/asr-backends.md

@@ -0,0 +1,90 @@
+# 推理后端与模型管理
+
+## 结构：2 个实现覆盖所有模型
+
+实测确认了一件很重要的事：**不同模型不需要各写一套代码**。所有流式 ONNX 模型走的是同一套 API，差别只是「指向哪个模型文件 + 几行选项」。
+
+```
+IAsr（src/core/iasr.h）
+├─ Qwen3Asr        llama.cpp / ggml      GGUF 模型（Qwen3-ASR）        AsrKind::PrefixRollback
+└─ SherpaAsr       sherpa-onnx / onnxruntime
+                   ├─ X-ASR-zh-en        中英流式
+                   ├─ zipformer-zh-2025  中文流式（k2-fsa 官方）
+                   └─ Nemotron-3.5       40 语言流式（含日语）        AsrKind::NativeStreaming
+```
+
+两条路径的区别（`StreamingAsr` 里按 `IAsr::kind()` 分流）：
+
+| | PrefixRollback | NativeStreaming |
+|---|---|---|
+| 模型类型 | 离线模型（LLM 解码器） | 有状态流式识别器 |
+| 上层要做的 | 切块 + 前缀回滚 + KV 复用 | 只喂音频，取当前整句文本 |
+| 每步成本 | 随句子长度增长 | 恒定 |
+| 已稳定/不稳定 | 用 token 回滚算 | 用「与上次的公共前缀」算 |
+
+## 模型注册表与存储
+
+**新增模型 = 加一条数据，不改代码。**
+
+- 注册表：`data/models.json`（编译进二进制，同时也给脚本用）
+- 存储位置：`~/.local/share/live-caption/models/<id>/`
+  （即 `QStandardPaths::GenericDataLocation + /live-caption/models`）
+- 下载：`scripts/fetch-models.sh [id...]` / `--all`；已存在的文件会跳过
+
+```bash
+./scripts/fetch-models.sh                # 列出模型与安装状态
+./scripts/fetch-models.sh zipformer-zh-2025
+```
+
+## 用法
+
+```bash
+# 默认后端：llama.cpp + Qwen3-ASR GGUF
+./build/live-caption-cli --model M.gguf --mmproj MM.gguf
+
+# 流式 ONNX 后端：按注册表 id 从模型目录取
+./build/live-caption-cli --asr-backend sherpa --asr-model zipformer-zh-2025
+./build/live-caption-cli --asr-backend sherpa --asr-model nemotron35-560ms --language ja
+
+# 覆盖模型目录 / 语言提示
+./build/live-caption-cli --asr-backend sherpa --asr-model ... --model-dir /path/to/models
+```
+
+## 实测对比（同一批音频，1 线程）
+
+| 模型 | 中文 | 英文 | 日语 | RTF | 核·秒/秒音频 | 首个字幕 | 体积 | 许可 |
+|---|---|---|---|---|---|---|---|---|
+| Qwen3-ASR 0.6B（llama） | ✅ | ✅ | ✅ | 0.56 | 4.27 | ~2.5s | 973MB | Apache-2.0 |
+| zipformer-zh-2025 | ✅ | — | — | 0.098 | **0.10** | **0.48s** | 167MB | Apache-2.0 |
+| X-ASR-zh-en 480ms | ✅ | ✅ | — | 0.122 | 0.12 | 1.44s | 587MB | Apache-2.0 |
+| Nemotron 3.5 560ms | ⚠️ 漏字 | ⚠️ 若干错词 | ⚠️ 有错字 | 0.35 | 0.35 | 1.12s | 651MB | OpenMDW-1.1 |
+
+> 静态模型（zipformer-zh-2025）的多线程是**负优化**：onnxruntime 对小模型开多线程，
+> 同步/自旋开销会让它更慢（8 线程比 1 线程慢 2.6 倍、CPU 高 28 倍）。所以适配器里固定
+> `threads = 1`。
+
+## 两个坑
+
+1. **sherpa-onnx 的预编译库是旧 C++ ABI**（`_GLIBCXX_USE_CXX11_ABI=0`），和 Qt 的新 ABI 冲突，
+   C++ API 链接不上。**必须用它的 C API**（`sherpa-onnx/c-api/c-api.h`，`extern "C"`，无名字改写）。
+2. **结束时要补一小段静音**（`streamFinish()` 里补 0.3s）再 `InputFinished`，否则最后一个字会被截掉。
+
+## 自动语言识别
+
+| 模型 | 自带 LID |
+|---|---|
+| Qwen3-ASR | ✅ 输出 `language X`（实测中英都准）|
+| Nemotron 3.5 | ✅ `language=auto`，但实测会串（日语开头吐韩文）|
+| X-ASR / zipformer | ❌ 固定语言对，不出语言标签 |
+
+LID 不必由 ASR 模型提供：Chrome 就带了个独立的 2.5MB `ONDEVICE_langid.tflite`（我们在它的语言包目录里看到了），
+Windows 同样。sherpa-onnx 也有专门的语种识别模型。所以**「按语言装包 + 用户选语言或小 LID 模型」**是可行路线。
+
+## 推荐组合（按语言装包）
+
+| 语言 | 实时预览 | 定稿 |
+|---|---|---|
+| 中文 | `zipformer-zh-2025`（最快最准） | Qwen3-ASR |
+| 英文 | `xasr-zh-en-480` | Qwen3-ASR |
+| 日语 | `nemotron35-560ms --language ja`（质量一般） | Qwen3-ASR（开源日语第一） |
+| 其他 | — | Qwen3-ASR（52 语言兜底） |