fix(ram): nur ein grosses Modell resident (Analyse starb im OOM-Killer)

rkllm_server braucht 6,5 GB von 7,74 GB. Blieb daneben ein anderer
Dauerhelfer resident, wurde rkllm beim Laden OOM-getoetet -- bei #101 in
allen 5 Startversuchen, weil das Retry nichts freigab. Ausloeser war der
warme CT2-Whisper-Daemon, den die 2-Sekunden-Aufnahme davor gestartet
hatte. Zweiter Fall: rkllm blieb nach der Analyse fuer immer resident, und
der Suchindex startete e5-small daneben.

gate.js bekommt eine Freigabe-Registry (registerReleaser/freeRam/
killAndWait, verdrahtet in server.js wie setProbe). Vor jedem rkllm-Versuch
und vor dem NPU-Whisper-Lauf werden die anderen Helfer beendet und ihr
Prozessende abgewartet; analyzeRecording gibt rkllm vor dem Suchindex frei.
Alle Helfer starten faul neu.

Verifiziert mit der Abfolge, die scheiterte: 12-s-Clip (CT2-Daemon
resident) -> Analyse #101 laeuft durch (221 s, done), rkllm lud in 22 s,
kein OOM, danach 5,3 GB frei statt 100 MB.

app/recorder.js

@@ -5,6 +5,7 @@ import path from 'node:path';
 import readline from 'node:readline';
 import * as diar from './diar.js';
 import * as llm from './llm.js';
+import * as gate from './gate.js';
 const pexec = promisify(execFile);
 
 const WHISPER = '/opt/whisper.cpp/build/bin/whisper-cli';
@@ -145,6 +146,16 @@ function startTd() {
   tdProc.on('exit', cleanup); tdProc.on('error', cleanup);
   return tdReady;
 }
+// Beendet den warmen CT2-Daemon und wartet auf sein Ende. Er bleibt sonst per
+// Design für immer resident und hält ~0,9 GB — genug, um den rkllm-Load danach
+// OOM-tötbar zu machen (2026-08-07, #101). Nächster Kurz-Clip startet ihn neu;
+// der einzige Preis ist der erneute Modell-Load. Siehe gate.freeRam.
+export function stopTranscribeDaemon() {
+  const p = tdProc;
+  tdProc = null; tdReady = null; tdRl = null;
+  return gate.killAndWait(p);
+}
+
 // One request at a time (single warm process), chained like spk.embed.
 function runDaemonTranscribe(wavPath) {
   const run = tdChain.then(async () => {
@@ -400,7 +411,10 @@ export async function transcribeWav(wavFile, numSpeakers, opts = {}) {
       }
       console.log(`cpu-daemon-transcribe: ${words.length} words, RTF ${r.rtf} (${r.transcribe_s}s / ${r.duration}s audio, warm, rkllm kept resident)`);
     } else if (TRANSCRIBER === 'npu') {
-      await llm.stopServer();
+      // Nicht nur rkllm freigeben: der warme CT2-Daemon und die Embedder halten
+      // zusammen ~2,7 GB und der turbo-rknn-Encoder + CT2-Decoder brauchen den
+      // Platz genauso wie rkllm (siehe gate.freeRam).
+      await gate.freeRam('npu-whisper');
       await setA76Max(A76_CAP_NPU);
       // large-v3-turbo, encoder on NPU. CLI already emits word-level timestamps.
       const r = await runNpuTranscribe(wavPath);
@@ -426,6 +440,9 @@ export async function transcribeWav(wavFile, numSpeakers, opts = {}) {
       }
     }
     // Acoustic diarization under the A76 clock cap (both paths). Non-fatal.
+    // Zweiter Haltepunkt: sherpa nagelt alle 4 A76-Kerne fest, das darf nicht
+    // neben einer laufenden Aufnahme passieren (gate.js).
+    await gate.waitIdle('diarize');
     await setA76Max(A76_CAP);
     try {
       const segs = await diar.diarize(wavPath, numSpeakers, { markers: opts.markers || [], voiceprints: opts.voiceprints || [] });