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)

backend/app/embedding.py

@@ -27,6 +27,7 @@ class Embedder(Protocol):
     """Interface de geração de embeddings."""
 
     dimensions: int
+    name: str
 
     def encode(self, texts: Sequence[str]) -> list[list[float]]:
         """Devolve um vetor normalizado por texto."""
@@ -40,6 +41,8 @@ class HashEmbedder:
     integridade do pipeline (ids, contagens, filtros de metadados).
     """
 
+    name = "hash-determinístico (sem semântica)"
+
     def __init__(self, dimensions: int = 384):
         self.dimensions = dimensions
 
@@ -57,15 +60,31 @@ class HashEmbedder:
         return vectors
 
 
+class _Shim:
+    """Adapta a classe `SentenceTransformer` à interface de módulo injetável."""
+
+    def __init__(self, factory):
+        self.SentenceTransformer = factory  # noqa: N803 - imita o nome da API
+
+
 class SentenceTransformerEmbedder:
     """Embedder de produção, baseado em sentence-transformers."""
 
-    def __init__(self, model_name: str, batch_size: int = 32, device: str = "cpu"):
-        from sentence_transformers import SentenceTransformer
+    def __init__(
+        self,
+        model_name: str,
+        batch_size: int = 32,
+        device: str = "cpu",
+        module=None,
+    ):
+        if module is None:
+            from sentence_transformers import SentenceTransformer
 
+            module = _Shim(SentenceTransformer)
         self.model_name = model_name
+        self.name = model_name
         self.batch_size = batch_size
-        self._model = SentenceTransformer(model_name, device=device)
+        self._model = module.SentenceTransformer(model_name, device=device)
         self.dimensions = int(self._model.get_sentence_embedding_dimension())
 
     def encode(self, texts: Sequence[str]) -> list[list[float]]: