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/tests/test_embedding.py

@@ -0,0 +1,53 @@
+"""Testes da identidade real do embedder.
+
+O bug que estes testes impedem: o modelo configurado falha ao carregar, o código
+cai num embedder determinístico sem semântica, e `/api/status` continua
+reportando o nome do modelo configurado. O operador vê "MiniLM" enquanto a busca
+é bag-of-hashes — exatamente a falha que passou despercebida com torch 2.5.1 +
+transformers 5.x.
+"""
+
+from __future__ import annotations
+
+import sys
+from pathlib import Path
+
+sys.path.insert(0, str(Path(__file__).resolve().parents[1]))
+
+from app.embedding import HashEmbedder, SentenceTransformerEmbedder  # noqa: E402
+
+
+def test_hash_embedder_reports_itself_as_hash():
+    """O nome precisa deixar óbvio que não há semântica nenhuma."""
+    embedder = HashEmbedder(dimensions=32)
+
+    assert "hash" in embedder.name.lower()
+
+
+def test_hash_embedder_name_is_not_a_model_name():
+    embedder = HashEmbedder(dimensions=32)
+
+    assert "minilm" not in embedder.name.lower()
+    assert "e5" not in embedder.name.lower()
+
+
+def test_sentence_transformer_embedder_reports_the_model_name():
+    class FakeModel:
+        def get_sentence_embedding_dimension(self) -> int:
+            return 8
+
+    embedder = SentenceTransformerEmbedder(
+        "modelo-exemplo", module=_FakeModule(FakeModel())
+    )
+
+    assert embedder.name == "modelo-exemplo"
+
+
+class _FakeModule:
+    """Dublê do módulo sentence_transformers, para não baixar modelo em teste."""
+
+    def __init__(self, model):
+        self._model = model
+
+    def SentenceTransformer(self, *args, **kwargs):  # noqa: N802 - imita a API
+        return self._model