feat: 转写支持静音段幻觉抑制参数（HST）

无 VAD 的 decode_full 会在无语音段"编"出字幕（`こんにちは`/`おはようございます`/
`東京都交通局8800形電車`）。实测这类幻觉与"呻吟间隙里的真实短台词"在
`no_speech_prob`、`avg_logprob`、silero VAD 与音频能量四个维度上都不可分，
只能用 faster-whisper 自带的 `hallucination_silence_threshold`（HST）抑制：
怀疑幻觉时跳过超过阈值的静音部分（需 `word_timestamps=True`）。

- `nodes/whisper.py` 透传 `word_timestamps` / `hallucination_silence_threshold` /
  `no_speech_threshold` / `log_prob_threshold` / `compression_ratio_threshold`，
  未配置的键不传，保持 faster-whisper 默认值与改造前行为。
- `learn-translate` 默认 HST=2.0 + word_timestamps：同一片头 120 秒无对话段由 15 条
  字幕降到 4 条且无套话幻觉残留，呻吟段基本保留；代价转写约慢 1.8×。
- 实测数据与取舍记录见 docs/workflows.md#decode_full-与幻觉呻吟清洗。

tests/nodes/test_whisper/test_transcribe.py

@@ -565,3 +565,53 @@ def test_invoke_drops_repetition_artifact_in_decode_full(tmp_path: Path, monkeyp
     content = Path(response.outputs["srt_uri"]).read_text(encoding="utf-8")
     assert artifact not in content
     assert "そこ、だめ" in content
+
+
+def test_invoke_passes_hallucination_guard_params(tmp_path: Path, monkeypatch) -> None:
+    """数据：工作流传入幻觉抑制参数（HST + word_timestamps + 两个阈值）。
+
+    过程：调用 invoke。
+
+    验证：参数原样传给 faster-whisper——静音段幻觉只能靠这些参数抑制：
+    `hallucination_silence_threshold` 需要 word_timestamps 才生效。
+    """
+    # 数据：无语音段也能"编"出字幕的假模型 + 显式传入的抑制参数。
+    model = FakeModel([FakeSegment(0.0, 2.0, "こんにちは")])
+    _inject_model(monkeypatch, model)
+
+    # 测试过程
+    invoke(_request(
+        tmp_path, SPEECH_WAV, chunk_seconds=0, language="ja",
+        word_timestamps=True, hallucination_silence_threshold=2.0,
+        no_speech_threshold=0.3, log_prob_threshold=-1.2,
+        compression_ratio_threshold=2.4,
+    ))
+
+    # 验证结果
+    call = model.calls[0]
+    assert call["word_timestamps"] is True
+    assert call["hallucination_silence_threshold"] == 2.0
+    assert call["no_speech_threshold"] == 0.3
+    assert call["log_prob_threshold"] == -1.2
+    assert call["compression_ratio_threshold"] == 2.4
+
+
+def test_invoke_omits_guard_params_by_default(tmp_path: Path, monkeypatch) -> None:
+    """数据：不传抑制参数（默认工作流）。
+
+    过程：调用 invoke。
+
+    验证：不透传这些键，保持 faster-whisper 自身默认值，行为与改造前一致。
+    """
+    # 数据：普通假模型。
+    model = FakeModel([FakeSegment(0.0, 1.0, "x")])
+    _inject_model(monkeypatch, model)
+
+    # 测试过程
+    invoke(_request(tmp_path, SPEECH_WAV, chunk_seconds=0))
+
+    # 验证结果
+    call = model.calls[0]
+    assert "hallucination_silence_threshold" not in call
+    assert "no_speech_threshold" not in call
+    assert "word_timestamps" not in call