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/models.py

@@ -25,21 +25,20 @@ class Source(BaseModel):
     book: str
     chapter: int
     verse: int
-    page: int
     file: str
     score: float = 0.0
 
 
 class StatusResponse(BaseModel):
     state: Literal["ready", "indexing", "error"]
-    pdfs_total: int = 0
-    pdfs_indexed: int = 0
+    sources_total: int = 0
+    sources_indexed: int = 0
     chunks: int = 0
     model: str = ""
     last_indexed_at: str | None = None
     errors: list[str] = Field(default_factory=list)
-    pages_processed: int = 0
-    pages_total: int = 0
+    verses_indexed: int = 0
+    verses_total: int = 0
     current_file: str | None = None