@@ -630,6 +630,22 @@ ChatOverlay разобран на четыре файла (25.10.2026)
 - `provenance.test.mjs` — новый тест на фразу правила (дата, коммит, «проверь код
   заново»); 29 тестов зелёные, `-Task jstest` зелёный.
 
+STT: WER-бенч работает, и метрика больше не врёт (26.10.2026)
+- Бенч был записан как невозможный: «эталонных транскриптов в репозитории нет». Корпус
+  лежит рядом, вне репозитория — `C:\Projects\MyFLOW\data\eval_wispr` (`phrases.jsonl`
+  + 624 wav), и `tools/stt-accuracy.ps1` гоняет его на устройстве через
+  `SttBenchReceiver` → `logcat`.
+- Прогон на 7 клипах (1,3–10,8 с), одинаковые id у обоих движков: whisper `small` —
+  средний WER 10,47 %, corpus 13,85 % (9 правок / 65 слов); parakeet — corpus 9,52 %
+  (6 / 63), но два односложных клипа не дали результата вовсе.
+- **Средний WER по клипам — плохая метрика на таком наборе.** «Продолжай.» →
+  «Продолжи.» — одна буква, но WER 100 %, и этот клип тянет среднее сильнее, чем
+  длинная фраза с той же ошибкой. Поэтому `Wer` разделён на `WerCounts` (правки и
+  слова эталона) и `Wer` (проценты), а отчёт печатает **corpus WER** — правки на слово
+  по всему набору — и число клипов ≤2 слов.
+- Сравнивать движки по этим числам пока нельзя: у parakeet два клипа пропали, наборы
+  разные. Это отдельный вопрос, а не вывод «parakeet точнее».
+
 ---
 
 ## Стек и зависимости
 
@@ -86,20 +86,30 @@ IPv4-first через `InetAddress`/Netd) + `HTTPS_PROXY`/`HTTP_PROXY`/`NO_PROXY
   хвост >30 с не теряется, галлюцинаций на тишине меньше.
 - ✅ **Бенч turbo int8 на реальном OPPO прогнан** (24.09.2026): int8 6.8–8.2 s
   vs fp32 14.5–15.2 s (~2.1×); CSV: `docs/stt-bench-2026-09-24.csv`.
-- Осталось: WER-бенч (точность при чанкинге), тюнинг `setThreads` на других
-  устройствах.
+- ✅ **WER-бенч работает (26.10.2026).** `tools/stt-accuracy.ps1` гоняет клипы на
+  устройстве (`SttBenchReceiver` → `logcat`), эталон — `C:\Projects\MyFLOW\data\eval_wispr`
+  (`phrases.jsonl` + 624 wav). Первый прогон на 7 клипах (1,3–10,8 с):
+  whisper `small` — средний WER 10,47 %, **corpus WER 13,85 %** (9 правок / 65 слов);
+  parakeet `parakeet-tdt-0.6b-v3` — corpus 9,52 % (6 / 63), но два односложных клипа
+  не дали результата вовсе, поэтому сравнение пока нечестное.
+- **Метрика исправлена:** средний WER по клипам — шум на наборе с односложными фразами
+  (одна буква в слове из одного слова даёт 100 %). Скрипт теперь печатает и corpus WER
+  (правки на слово по всему набору), и число клипов ≤2 слов.
+- Осталось: прогон по всему корпусу (624 клипа) и разбор, почему parakeet молчит на
+  односложных клипах; тюнинг `setThreads` на других устройствах.
 - ✅ **VAD-пороги измерены, а не угаданы** (26.09.2026): офлайн-свип
   `SpeechSegmenterBenchTest` на реальных bench-wav, 6 порогов × 5 SNR = 30 замеров.
   Recall речи 90.7% на всём диапазоне 0.010–0.030; 0.015 и 0.025 дают **идентичный**
   результат во всех 30 замерах, то есть предложенный сдвиг порога — no-op.
   `MIN_RMS` остаётся 0.015. Отчёт: `app/build/reports/vad-bench.txt`.
-- ⛔ **WER-бенч по-прежнему невозможен**: нужны эталонные транскрипты, которых в репозитории
-  нет, плюс устройство с моделями для ncnn-прохода. Считать WER по выводу модели нельзя —
-  на `jfk.wav` int8 отдаёт текст, не являющийся цитатой.
+- ✅ **Прошлый вывод «WER посчитать нельзя» снят (26.10.2026).** Он опирался на то, что
+  эталона нет в репозитории: корпус лежит рядом, в `C:\Projects\MyFLOW\data\eval_wispr`,
+  и его достаточно. Считать WER по выводу модели по-прежнему нельзя (на `jfk.wav` int8
+  отдаёт текст, не являющийся цитатой) — но с внешним эталоном это и не нужно.
 
 **Готово когда:** потоковый пайплайн с первым результатом 1–2 s + WER-прогон —
-✅ пайплайн внедрён (1–2 s первые слова); пороги VAD измерены; остаётся формальный
-WER-бенч, заблокированный отсутствием эталона.
+✅ пайплайн внедрён (1–2 s первые слова); пороги VAD измерены; WER-бенч работает и
+дал первые числа на 7 клипах. Полный прогон по корпусу — отдельная задача, не блокер.
 
 ---
 
 
@@ -82,7 +82,7 @@ function Normalize([string]$s) {
     return ($t -split '\s+' | Where-Object { $_ }) -join ' '
 }
 
-function Wer([string]$hyp, [string]$ref) {
+function WerCounts([string]$hyp, [string]$ref) {
     $h = @((Normalize $hyp) -split ' ' | Where-Object { $_ })
     $r = @((Normalize $ref) -split ' ' | Where-Object { $_ })
     if ($r.Count -eq 0) { return $null }
@@ -102,8 +102,13 @@ function Wer([string]$hyp, [string]$ref) {
             $d[$i, $j] = $m
         }
     }
-    $last = $d[$r.Count, $h.Count]
-    return [Math]::Round(100.0 * $last / $r.Count, 1)
+    return [pscustomobject]@{ edits = $d[$r.Count, $h.Count]; words = $r.Count }
+}
+
+function Wer([string]$hyp, [string]$ref) {
+    $c = WerCounts $hyp $ref
+    if (-not $c) { return $null }
+    return [Math]::Round(100.0 * $c.edits / $c.words, 1)
 }
 
 function GrabLog() {
@@ -142,8 +147,13 @@ foreach ($p in $picks) {
     }
     $ref = $rows[$p.id].text
     $w = if ($hyp) { Wer $hyp $ref } else { $null }
+    $cnt = if ($hyp) { WerCounts $hyp $ref } else { $null }
+    $edits = $null
+    $words = $null
+    if ($cnt) { $edits = $cnt.edits; $words = $cnt.words }
     $results += [pscustomobject]@{
         id = $p.id; sec = [math]::Round($p.sec, 1); wer = $w
+        edits = $edits; words = $words
         hyp = $hyp; ref = $ref; timing = (GrabLog).timing
     }
     $mark = if ($w -eq $null) { 'NO-LOG' } elseif ($w -eq 0) { 'exact' } else { "$w% WER" }
@@ -165,7 +175,16 @@ foreach ($r in $results) {
 if ($ok.Count -gt 0) {
     $mean = [math]::Round((($ok | Measure-Object -Property wer -Average).Average), 2)
     $exact = ($ok | Where-Object { $_.wer -eq 0 }).Count
+    # Средний WER по клипам врёт, когда в наборе есть односложные фразы: одна
+    # буква в слове из одного слова даёт 100%, и такой клип тянет среднее
+    # сильнее, чем длинная фраза с той же ошибкой. Поэтому рядом печатаем
+    # corpus WER - правки на слово по всему набору - и число коротких клипов.
+    $words = ($ok | Measure-Object -Property words -Sum).Sum
+    $edits = ($ok | Measure-Object -Property edits -Sum).Sum
+    $corpus = if ($words -gt 0) { [math]::Round(100.0 * $edits / $words, 2) } else { 'n/a' }
+    $short = ($ok | Where-Object { $_.words -le 2 }).Count
     [void]$sb.AppendLine("WER mean = $mean %   exact = $exact / $($ok.Count)   missing = $($results.Count - $ok.Count)")
+    [void]$sb.AppendLine("WER corpus = $corpus %   edits = $edits / words = $words   clips<=2 words = $short")
 } else {
     [void]$sb.AppendLine('NO RESULTS')
 }
@@ -176,4 +195,5 @@ if ($ok.Count -gt 0) {
     $mean = [math]::Round((($ok | Measure-Object -Property wer -Average).Average), 2)
     $exact = ($ok | Where-Object { $_.wer -eq 0 }).Count
     Write-Host "WER mean = $mean %   exact = $exact / $($ok.Count)"
+    Write-Host "WER corpus = $corpus %   edits = $edits / words = $words   clips<=2 words = $short"
 }