refactor: troca PDF+OCR por corpus USFX em domínio público

- corpus/: Almeida (João Ferreira de Almeida) em USFX, domínio público,
  66 livros / 1189 capítulos / 31098 versículos, versionado com SHA-256
- app/corpus.py: parser USFX (texto no tail de <v/>), nomes canônicos dos
  livros, aliases (abreviaturas e numerais romanos), VerseChunk sem página
- indexer: descobre *.xml em CORPUS_DIR, progresso em versículos, lote
  configurável, manifesto incremental por SHA-256
- remove extraction.py, parallel.py, bible_parser.py, Tesseract e PyMuPDF
- campo page removido de Source/SearchResult/StatusResponse e do frontend
- embedder: propriedade name; status reporta o embedder em uso, não o do .env
- create_app constrói o embedder ANTES do store (o default HashEmbedder do
  VectorStore impedia o modelo configurado de ser carregado em produção)
- fallback do modelo agora aparece em /api/status.errors
- torch 2.6.0 + transformers 5.22.1 pinados (transformers 5.x exige torch>=2.6)

.env.example

@@ -45,12 +45,12 @@ TOP_K=6
 MIN_SIMILARITY=0.35
 
 # ---------------------------------------------------------------------------
-# OCR (necessário quando o PDF não tem camada textual utilizável)
+# Ingestão do corpus
+# Diretório com os arquivos USFX (*.xml), montado somente-leitura em /data/corpus.
+# Tamanho do lote gravado no banco vetorial por vez.
 # ---------------------------------------------------------------------------
-OCR_DPI=200
-OCR_LANGUAGE=por+eng
-OCR_TIMEOUT=120
-OCR_WORKERS=4
+# CORPUS_DIR=/data/corpus
+INDEX_BATCH_SIZE=512
 
 # ---------------------------------------------------------------------------
 # API