feat: whisper 分块间暂停检查与默认 float16 计算类型

- 分块转写在每个分块前检查 run 根目录 paused.flag，批量/任务暂停时
  分块粒度内中止（默认 60s 一块），当前块执行完才停
- 默认 compute_type 由 auto 改为 float16，测试断言同步更新

nodes/whisper.py

@@ -22,6 +22,9 @@ from wov_sdk.models import InvokeRequest, InvokeResponse
 # 转写进度日志：输出到主进程控制台，长音频分块时可见每块进度。
 logger = get_logger("whisper")
 
+# 暂停信号文件名：位于 run 根目录（<storage>/runs/<run_id>/paused.flag），
+# 与 subtitle-ocr 节点约定一致；批量暂停时由暂停接口写入，分块间检查即中止。
+PAUSE_FLAG = "paused.flag"
 
 def _is_windows() -> bool:
     """判断当前是否为 Windows，供测试单独注入覆盖。"""
@@ -216,7 +219,7 @@ def invoke(request: InvokeRequest) -> InvokeResponse:
         model_path = resolve_model_path(request.params)
         device = str(request.params.get("device") or os.getenv("WHISPER_DEVICE", "auto"))
         # auto 让 faster-whisper 根据硬件自动选择 float16/int8 等计算类型。
-        compute_type = str(request.params.get("compute_type") or "auto")
+        compute_type = str(request.params.get("compute_type") or "float16")
         model = WhisperModel(
             model_path,
             device=device,
@@ -241,6 +244,12 @@ def invoke(request: InvokeRequest) -> InvokeResponse:
         srt_number = 1
         transcribe_started = time.monotonic()
         for chunk_index, chunk in enumerate(chunks, start=1):
+            # 暂停检查：批量暂停时在 run 根目录写 paused.flag，whisper 在分块
+            # 之间检查该信号（默认 60s 一块，暂停粒度不超过一块），检测到即抛
+            # 异常，由 invoke 转 failed、调度器保持任务 PAUSED，继续时整个节点
+            # 重新转写（whisper 没有节点级断点存档，产物只在结束时一次性写出）。
+            if (Path(request.output_dir).parent.parent / PAUSE_FLAG).exists():
+                raise RuntimeError(f"whisper 被暂停（run {request.run_id}）")
             chunk_started = time.monotonic()
             segments, _info = model.transcribe(
                 str(chunk),

tests/test_nodes.py

@@ -309,7 +309,7 @@ def test_format_timestamp() -> None:
 
 
 def test_whisper_success(tmp_path, monkeypatch) -> None:
-    """验证成功转写会生成 SRT 并默认使用 auto 设备/计算类型。"""
+    """验证成功转写会生成 SRT 并默认使用 auto 设备、float16 计算类型。"""
     FakeWhisperModel.instances.clear()
     _install_fake_whisper(monkeypatch)
     _make_wav(tmp_path / "audio.wav", 5)
@@ -320,9 +320,39 @@ def test_whisper_success(tmp_path, monkeypatch) -> None:
     assert "01:00:00,500 --> 01:00:02,250" in content
     _, kwargs = FakeWhisperModel.instances[-1]
     assert kwargs["device"] == "auto"
-    assert kwargs["compute_type"] == "auto"
+    assert kwargs["compute_type"] == "float16"
 
 
+def test_whisper_pause_flag_stops_between_chunks(tmp_path, monkeypatch) -> None:
+    """验证 paused.flag 存在时 whisper 在分块边界中止（批量暂停机制）。
+
+    run 根目录（output_dir 的上上级）的 paused.flag 由暂停接口写入，whisper
+    在每个分块转写前检查；检测到即抛异常，invoke 统一转 failed 响应，调度器
+    捕获后保持任务 PAUSED。
+    """
+    _install_fake_whisper(monkeypatch)
+    _make_wav(tmp_path / "audio.wav", 5)
+    # 暂停信号位于 run 根目录：output_dir 为 runs/run_p/steps/whisper，
+    # 其上上级即 runs/run_p（与调度器/OCR 的目录约定一致）。
+    (tmp_path / "runs" / "run_p").mkdir(parents=True)
+    (tmp_path / "runs" / "run_p" / "paused.flag").write_text("", encoding="utf-8")
+    # 注入两个分块路径，确保进入分块循环并执行至少一次暂停检查。
+    monkeypatch.setattr(
+        "nodes.whisper._split_audio",
+        lambda *args, **kwargs: [tmp_path / "chunk_1.wav", tmp_path / "chunk_2.wav"],
+    )
+    response = whisper_invoke(
+        _whisper_request(
+            tmp_path,
+            params={"language": "ja", "chunk_seconds": 60},
+            output_dir=str(tmp_path / "runs" / "run_p" / "steps" / "whisper"),
+        )
+    )
+    assert response.status == "failed"
+    assert "被暂停" in response.error
+    # 暂停时不会写出 SRT 产物。
+    assert not (tmp_path / "runs" / "run_p" / "steps" / "whisper" / "transcript.srt").exists()
+
 def test_load_cuda_libraries_linux(monkeypatch) -> None:
     """验证 Linux 下进程内预加载 nvidia 动态库，含失败跳过分支。"""
     import ctypes