fix(asr): 修复 ASR 能力探测将空转录误判为格式不兼容的问题

[fqscfqj]

问题

Docker 运行 whisper-1 时频繁出现：

ASR API 不兼容：无法协商出支持的转录格式。

根因

能力探测阶段把合法的 empty transcription 当成格式不支持；同时错误分类过宽，把鉴权/限流/模型不存在等错误也吞并成通用格式不兼容。

修复

• 合法空转录现在会被识别为格式受支持。
• 收紧 _is_format_error()，只有 400/422 参数拒绝才进入格式降级。
• raw HTTP 与 SDK 均失败时保留双方错误信息。
• 拒绝 HTTP 200 但返回 {"error": ...} 的异常 payload。
• 原子发布能力缓存，避免并发重复探测。
• 补充回归测试。

测试

pytest tests/test_asr_api_client.py tests/test_speech_recognition_config.py -q
16 passed

[fqscfqj]

已完成审查并直接修复发现的问题。

修复内容：

• 新增 AsrHttpError，让 raw Whisper/Voxtral HTTP 请求保留结构化的 status_code。
• _is_format_error() 现在能可靠排除 401、429、500 等非参数校验错误，避免再次误报为“无法协商出支持的转录格式”。
• 增加 401/429/500 不降级、400 正常识别为格式错误的回归测试。

验证：

• python -m unittest tests.test_asr_api_client tests.test_speech_recognition_config -v：17 tests passed。
• python -m compileall 与 git diff --check 通过。

修复提交：1c18a3d。除该问题外，本 PR 的空转录能力探测、异常 payload 校验及能力缓存原子发布改动均合理。

[fqscfqj]

已在 192.168.2.3 的 Docker 部署上完成真实 ASR 联调测试。

环境：

• Y2A-Auto 容器：y2a-auto，对外端口 10008
• 当前线上镜像：4.6.3 / revision 13d6df8（未包含本 PR）
• ASR：whisper-1，时间戳粒度 segment,word

复现结果：线上旧代码的任务日志可稳定复现 AsrFormatIncompatibleError: ASR API 不兼容：无法协商出支持的转录格式。

验证方式：未替换或重启线上容器，仅将 PR 最新版 asr_api_client.py 复制到容器 /tmp，使用容器现有 ASR 配置和实时生成的 1 秒 WAV 直接执行能力探测。

结果：

PROBE_OK
format= verbose_json
granularities= (segment, word)
result_present= True
result_ok= True

结论：本 PR 最新提交 1c18a3d 已在实际 Docker 部署及真实远端 ASR API 上验证通过，原有“无法协商格式”问题已消失。测试过程没有修改持久化配置、运行代码或重启容器。

[fqscfqj]

继续真实任务联调时发现并修复了第二个问题：ASR 语言检测返回 english，但 Whisper 兼容接口要求 ISO-639-1 代码 en。

新增提交 22770a1：

• 将常见语言名称规范化为 ISO-639-1 代码，例如 english → en、chinese → zh、japanese → ja。
• set_language_hint()、SDK 请求和 raw HTTP 请求统一使用规范化后的语言代码。
• 无法识别的语言提示会被忽略，而不是向 API 发送非法值。
• 增加语言名称、区域代码和未知值的回归测试。

实际任务 e0604163-7536-4367-af25-b27cf3dc7672 已重新生成字幕成功：

RESULT=/app/downloads/e0604163-7536-4367-af25-b27cf3dc7672/asr_e0604163-7536-4367-af25-b27cf3dc7672.srt
ELAPSED_SECONDS=27.05
SIZE=2223
24 cues
WARNING=
ERROR=

字幕覆盖约 00:00:00.600 → 00:01:37.100，内容和时间轴均正常。单元测试更新为 19 tests passed。

[fqscfqj]

补充 LocalAI 实际兼容性验证：

测试端点：用户提供的 LocalAI OpenAI-compatible API（凭据不记录在评论中）
模型：parakeet-crispasr

验证结果：

1. /v1/models 可正常发现 parakeet-crispasr。
2. 1 秒无语音 WAV 的能力探测成功：verbose_json + segment,word 被正确识别为支持；空转录不会再误判为格式不兼容。
3. 使用任务 e0604163-7536-4367-af25-b27cf3dc7672 的完整 97 秒视频，在 Docker 版 Y2A-Auto 中通过 PR 最新代码生成字幕成功：

RESULT=/app/downloads/e0604163-7536-4367-af25-b27cf3dc7672/localai_parakeet_e0604163-7536-4367-af25-b27cf3dc7672.srt
ELAPSED_SECONDS=21.98
SIZE=1925
15 cues
WARNING=
ERROR=

字幕覆盖 00:00:00.600 → 00:01:36.980，内容及时间轴正常。

结论：PR 当前版本已分别通过 Aihubmix whisper-1 和 LocalAI parakeet-crispasr 两种实际后端验证。GitHub CI / CodeQL 均通过。