mitimaicode · mitimaicode · Sep 21, 2026 · Sep 21, 2026 · Sep 21, 2026
diff --git a/.github/workflows/ci.yml b/.github/workflows/ci.yml
@@ -2,7 +2,7 @@ name: CI
 
 on:
   push:
-    branches: [main]
+    branches: [main, "agent/**"]
   pull_request:
     branches: [main]
 
@@ -20,7 +20,8 @@ jobs:
       - name: Validate scripts
         run: |
           zsh -n scripts/*.sh Resources/install_runtime.sh
-          python3 -m py_compile worker/asr_worker.py worker/text_worker.py scripts/collect_github_stats.py
+          python3 -m py_compile worker/asr_worker.py worker/media_worker.py worker/text_worker.py scripts/collect_github_stats.py
+          python3 -m unittest discover -s tests -v
           VOICESWITCH_SETUP_VALIDATE_ONLY=1 \
             Resources/install_runtime.sh \
             "$RUNNER_TEMP/VoiceSwitch-Runtime" \
@@ -47,6 +48,17 @@ jobs:
           printf '%s\n' "$output" | grep -q '__VOICESWITCH_SETUP_ERROR__'
           grep -q 'Устанавливаю изолированный Python 3.12' "$runtime_root/install.log"
 
+      - name: Validate clean GigaAM dependency install
+        run: |
+          VOICESWITCH_SETUP_DEPENDENCIES_ONLY=1 \
+          VOICESWITCH_RETRY_DELAY_SECONDS=0 \
+            Resources/install_runtime.sh \
+            "$RUNNER_TEMP/VoiceSwitch-GigaAM-Dependencies" \
+            worker/asr_worker.py \
+            worker/text_worker.py \
+            gigaam
+          test ! -f "$RUNNER_TEMP/VoiceSwitch-GigaAM-Dependencies/install-complete.txt"
+
       - name: Build VoiceSwitch
         run: swift build -c release
 
@@ -56,3 +68,25 @@ jobs:
           ./scripts/build_app.sh "$RUNNER_TEMP/VoiceSwitch"
           codesign --verify --deep --strict "$RUNNER_TEMP/VoiceSwitch/VoiceSwitch.app"
           plutil -lint "$RUNNER_TEMP/VoiceSwitch/VoiceSwitch.app/Contents/Info.plist"
+          test -f "$RUNNER_TEMP/VoiceSwitch/VoiceSwitch.app/Contents/Resources/media_worker.py"
+
+      - name: Package pull request test build
+        if: github.event_name == 'pull_request'
+        run: |
+          ditto -c -k --sequesterRsrc --keepParent \
+            "$RUNNER_TEMP/VoiceSwitch/VoiceSwitch.app" \
+            "$RUNNER_TEMP/VoiceSwitch-v0.4.0-beta-test.zip"
+          cd "$RUNNER_TEMP"
+          shasum -a 256 VoiceSwitch-v0.4.0-beta-test.zip \
+            > VoiceSwitch-v0.4.0-beta-test.zip.sha256
+
+      - name: Upload pull request test build
+        if: github.event_name == 'pull_request'
+        uses: actions/upload-artifact@v7
+        with:
+          name: VoiceSwitch-v0.4.0-beta-macos-arm64-test
+          path: |
+            ${{ runner.temp }}/VoiceSwitch-v0.4.0-beta-test.zip
+            ${{ runner.temp }}/VoiceSwitch-v0.4.0-beta-test.zip.sha256
+          if-no-files-found: error
+          retention-days: 7
diff --git a/.github/workflows/release.yml b/.github/workflows/release.yml
@@ -16,10 +16,30 @@ jobs:
       - name: Checkout
         uses: actions/checkout@v7
 
+      - name: Validate release source
+        run: |
+          zsh -n scripts/*.sh Resources/install_runtime.sh
+          python3 -m py_compile worker/asr_worker.py worker/media_worker.py worker/text_worker.py
+          python3 -m unittest discover -s tests -v
+          bundle_version=$(/usr/libexec/PlistBuddy -c 'Print :CFBundleShortVersionString' Resources/Info.plist)
+          tag_version="${GITHUB_REF_NAME#v}"
+          test "$bundle_version" = "${tag_version%%-*}"
+
+      - name: Validate clean GigaAM dependency install
+        run: |
+          VOICESWITCH_SETUP_DEPENDENCIES_ONLY=1 \
+          VOICESWITCH_RETRY_DELAY_SECONDS=0 \
+            Resources/install_runtime.sh \
+            "$RUNNER_TEMP/VoiceSwitch-GigaAM-Dependencies" \
+            worker/asr_worker.py \
+            worker/text_worker.py \
+            gigaam
+
       - name: Build release archive
         run: |
           chmod +x scripts/*.sh Resources/install_runtime.sh
           ./scripts/package_release.sh "${GITHUB_REF_NAME#v}"
+          test -f "dist/VoiceSwitch-${GITHUB_REF_NAME#v}-macos-arm64/VoiceSwitch.app/Contents/Resources/media_worker.py"
 
       - name: Publish GitHub release
         env:

diff --git a/CONTRIBUTING.md b/CONTRIBUTING.md
@@ -17,7 +17,8 @@
 ```zsh
 swift build
 zsh -n scripts/*.sh Resources/install_runtime.sh
-python3 -m py_compile worker/asr_worker.py worker/text_worker.py scripts/collect_github_stats.py
+python3 -m py_compile worker/asr_worker.py worker/media_worker.py worker/text_worker.py scripts/collect_github_stats.py
+python3 -m unittest discover -s tests -v
 ```
 
 Для изменения распознавания желательно приложить обезличенный набор тестовых

diff --git a/INSTALL.md b/INSTALL.md
@@ -80,6 +80,22 @@ Mac. Вернитесь в VoiceSwitch и нажмите **Проверить с
 буфере обмена, поэтому при проблеме его можно вставить вручную через
 `Command + V`.
 
+### 7. Проверка аудио или видео
+
+1. В меню VoiceSwitch переключите **Диктовка** на **Файл**.
+2. Оставьте GigaAM либо выберите установленный Whisper/Qwen.
+3. Нажмите **Выбрать аудио или видео…** и укажите локальный файл.
+4. После завершения нажмите **Показать файлы**.
+
+VoiceSwitch распознаёт только аудиодорожку и сохраняет `transcript.txt`,
+`transcript.srt`, `transcript.vtt` и `transcript.json` в локальной папке
+Application Support. Кадры видео не анализируются. Метки SRT/VTT приблизительные:
+это границы блоков распознавания, а не точное время каждого слова.
+
+Если остановить длинную задачу, уже завершённые блоки останутся в checkpoint.
+Повторно выберите тот же неизменённый файл, тот же движок и контекст, чтобы
+продолжить. Apple SpeechAnalyzer в файловом режиме пока недоступен.
+
 ### Если загрузка моделей прервалась
 
 Не удаляйте папку Runtime. Нажмите **Продолжить установку** в меню
@@ -157,13 +173,21 @@ tccutil reset Accessibility io.github.mitimaicode.VoiceSwitch
 ~/Library/Application Support/VoiceSwitch
 ```
 
+Готовые расшифровки файлов находятся в подпапке `Transcripts`. VoiceSwitch
+удаляет временный нормализованный WAV, но сохраняет TXT/SRT/VTT/JSON и
+checkpoint для продолжения. Удалить конкретную расшифровку можно обычным
+удалением её папки через Finder.
+
 Чтобы полностью удалить VoiceSwitch, удалите приложение и эту папку. Записи
-речи не архивируются: временный WAV удаляется после распознавания.
+диктовки не архивируются: временный WAV удаляется после распознавания.
 
 ## Известные ограничения beta
 
 - только Apple Silicon и macOS 14+;
 - Apple SpeechAnalyzer доступен только на macOS 26+;
+- импорт видео распознаёт только аудиодорожку и не захватывает системный звук;
+- SRT/VTT используют примерные границы блоков, без word-level timestamps;
+- файловый режим поддерживает GigaAM, Whisper и Qwen, но пока не Apple;
 - рекомендуемая установка требует около 2,5 ГБ; полный комплект — около 10 ГБ;
 - приложение пока не подписано сертификатом Apple Developer ID;
 - автоматическое обновление ещё не реализовано.

diff --git a/README.md b/README.md
@@ -4,15 +4,17 @@
   <img src="assets/banner.svg" alt="VoiceSwitch — локальная диктовка для macOS" width="100%">
 </p>
 
-> Локальная диктовка и редактура текста для macOS.
+> Локальная диктовка и расшифровка аудио/видео для macOS.
 
 [![CI](https://github.com/mitimaicode/VoiceSwitch/actions/workflows/ci.yml/badge.svg)](https://github.com/mitimaicode/VoiceSwitch/actions/workflows/ci.yml)
 [![Latest release](https://img.shields.io/github/v/release/mitimaicode/VoiceSwitch?include_prereleases)](https://github.com/mitimaicode/VoiceSwitch/releases)
 [![Downloads](https://img.shields.io/github/downloads/mitimaicode/VoiceSwitch/total)](https://github.com/mitimaicode/VoiceSwitch/releases)
 [![License: MIT](https://img.shields.io/badge/License-MIT-blue.svg)](LICENSE)
 
 VoiceSwitch записывает речь по глобальной горячей клавише, распознаёт её
-полностью локально и вставляет текст в активное приложение.
+полностью локально и вставляет текст в активное приложение. Отдельный режим
+«Файл» расшифровывает аудиодорожку локального аудио или видео, умеет продолжить
+прерванную задачу и сохраняет TXT, SRT, VTT и JSON.
 
 <p align="center">
   <a href="assets/voiceswitch-demo.mp4">
@@ -31,6 +33,8 @@ VoiceSwitch записывает речь по глобальной горяче
 - **Qwen3-4B (MLX)** — локально исправляет или сокращает расшифровку;
 - режимы текста **Дословно**, **Исправить** и **Кратко**;
 - `fn + ⌥ Option` — начать или остановить запись;
+- локальный импорт аудио и видео с прогрессом, отменой и продолжением;
+- экспорт TXT, SRT, VTT и JSON; временные метки субтитров — по минутным блокам;
 - HUD показывает запись, расшифровку, локальную редактуру и результат;
 - аудио и текст не отправляются во внешние API;
 - журнал сравнения помогает выбрать модель под собственную речь.
@@ -88,6 +92,8 @@ VoiceSwitch записывает речь по глобальной горяче
 
 ## Использование
 
+### Диктовка
+
 1. Выберите GigaAM, Whisper, Qwen или Apple в меню VoiceSwitch.
 2. Выберите режим текста: **Дословно**, **Исправить** или **Кратко**.
 3. Нажмите `fn + ⌥ Option`, чтобы начать запись.
@@ -106,6 +112,25 @@ VoiceSwitch записывает речь по глобальной горяче
 компактное сообщение для переписки. Если редактор вернёт ошибку, VoiceSwitch
 автоматически вставит исходную расшифровку.
 
+### Аудио и видеофайлы
+
+1. Переключите источник с **Диктовка** на **Файл**.
+2. Выберите GigaAM, Whisper или Qwen и нажмите **Выбрать аудио или видео…**.
+3. Дождитесь завершения либо остановите задачу. При повторном выборе того же
+   неизменённого файла VoiceSwitch продолжит с сохранённого блока.
+4. Нажмите **Показать файлы**, чтобы открыть TXT, SRT, VTT и JSON, или
+   **Скопировать текст**.
+
+VoiceSwitch извлекает и распознаёт только звуковую дорожку: кадры видео не
+анализируются. Длинный материал делится на блоки по 60 секунд с перекрытием
+1,5 секунды; повторяющиеся слова на стыках удаляются. Поэтому метки SRT/VTT
+показывают примерные границы блоков, а не точное время каждого слова.
+
+Файловый режим пока не использует Apple SpeechAnalyzer и не применяет режимы
+«Исправить»/«Кратко»: изменение длинного текста нарушило бы соответствие
+субтитрам. Обработка выполняется последовательно, чтобы не держать две копии
+тяжёлой модели в памяти.
+
 Модель загружается лениво. Если выбранный движок ещё не установлен,
 VoiceSwitch покажет его размер и предложит загрузить только этот компонент.
 При переключении предыдущая загруженная модель
@@ -126,6 +151,12 @@ Runtime и веса моделей:
 ~/Library/Application Support/VoiceSwitch/comparison.jsonl
 ```
 
+Расшифровки импортированных файлов:
+
+```text
+~/Library/Application Support/VoiceSwitch/Transcripts
+```
+
 В журнале сохраняются модель, длительность записи, время распознавания, RTF,
 определённый язык, исходная расшифровка, результат локальной редактуры, её
 режим и ваша оценка. Журнал остаётся на Mac. Временные аудиофайлы удаляются
@@ -187,7 +218,7 @@ chmod +x scripts/*.sh Resources/install_runtime.sh
 Создание компактного release-архива без весов моделей:
 
 ```zsh
-./scripts/package_release.sh 0.3.3-beta
+./scripts/package_release.sh 0.4.0-beta
 ```
 
 Публичный release-скрипт по умолчанию использует ad-hoc подпись. Для стабильной
@@ -229,11 +260,13 @@ VoiceSwitch не связан с авторами перечисленных п
 <details>
 <summary>English summary</summary>
 
-VoiceSwitch is a local macOS dictation menu-bar app for Apple Silicon. It
-switches between GigaAM, Whisper Large V3 Turbo, Qwen3-ASR 1.7B, and Apple
-SpeechAnalyzer. A local Qwen3-4B model can clean up or shorten the transcript.
-Press `fn + Option` to start or stop recording. Audio and transcripts stay on
-the Mac. Apple SpeechAnalyzer requires macOS 26 or newer.
+VoiceSwitch is a local macOS dictation and media-transcription menu-bar app for
+Apple Silicon. It switches between GigaAM, Whisper Large V3 Turbo, Qwen3-ASR
+1.7B, and Apple SpeechAnalyzer. Press `fn + Option` to dictate, or import a
+local audio/video file and export TXT, SRT, VTT, and JSON. Video import
+transcribes the audio track only; subtitle timestamps are coarse chunk
+boundaries. Audio and transcripts stay on the Mac. Apple SpeechAnalyzer
+requires macOS 26 or newer and is currently limited to dictation mode.
 See [INSTALL.md](INSTALL.md) for installation details and use GitHub Issues or
 Discussions for feedback.
 

diff --git a/RELEASE_NOTES_v0.4.0-beta.md b/RELEASE_NOTES_v0.4.0-beta.md
@@ -0,0 +1,48 @@
+# VoiceSwitch v0.4.0-beta
+
+Локальная расшифровка теперь работает не только с микрофоном, но и с аудио-
+или видеофайлами. VoiceSwitch извлекает звуковую дорожку на Mac, обрабатывает
+длинный материал частями и сохраняет результат без отправки во внешние API.
+
+## Что нового
+
+- Новый источник **Файл** рядом с обычной диктовкой.
+- Импорт локального аудио или видео для GigaAM, Whisper и Qwen3-ASR.
+- Обработка блоками по 60 секунд с перекрытием 1,5 секунды и удалением
+  повторяющихся слов на стыках.
+- Видимый прогресс и безопасная остановка длинной задачи.
+- Атомарный checkpoint после каждого блока: повторный выбор того же файла,
+  движка и контекста продолжает незавершённую работу.
+- Локальный экспорт `transcript.txt`, `transcript.srt`, `transcript.vtt` и
+  `transcript.json`.
+- Файловая задача запускается отдельно от worker диктовки, чтобы освободить
+  память перед загрузкой большой модели.
+- Исправлена чистая установка GigaAM из
+  [issue #6](https://github.com/mitimaicode/VoiceSwitch/issues/6): `torch` и
+  `torchaudio` теперь устанавливаются явно в проверенных версиях.
+- CI проверяет алгоритм блоков, дедупликацию, checkpoint, экспорт и выполняет
+  чистую установку/import зависимостей GigaAM без загрузки веса модели;
+  release workflow повторяет эти проверки до сборки файлов.
+
+## Важные ограничения
+
+- Из видео распознаётся только аудиодорожка. VoiceSwitch не анализирует кадры
+  и не захватывает системный звук.
+- Временные метки SRT/VTT соответствуют примерным границам блоков, а не
+  отдельным словам.
+- Apple SpeechAnalyzer пока работает только в режиме диктовки.
+- Режимы «Исправить» и «Кратко» не применяются к файловой расшифровке, чтобы
+  текст не расходился с субтитрами.
+- Это beta для Apple Silicon и macOS 14+. Публичная сборка подписана ad-hoc и
+  не нотарифицирована Apple.
+
+## Обновление
+
+Завершите VoiceSwitch, перенесите новую версию из DMG в «Программы» с заменой
+и откройте её через правый клик → **Открыть**. Runtime v4, модели, настройки и
+старый журнал остаются в `~/Library/Application Support/VoiceSwitch`, поэтому
+повторная загрузка работающих моделей не требуется.
+
+Если прежняя установка GigaAM остановилась на ошибке `No module named
+'torch'`, нажмите **Продолжить установку** — новый установщик восстановит
+окружение и использует уже загруженные данные.
diff --git a/Resources/Info.plist b/Resources/Info.plist
@@ -17,9 +17,9 @@
     <key>CFBundlePackageType</key>
     <string>APPL</string>
     <key>CFBundleShortVersionString</key>
-    <string>0.3.3</string>
+    <string>0.4.0</string>
     <key>CFBundleVersion</key>
-    <string>12</string>
+    <string>13</string>
     <key>LSMinimumSystemVersion</key>
     <string>14.0</string>
     <key>LSUIElement</key>