fix: whisper 重复伪影整条删除，避免翻译层空响应失败

whisper 在单个窗口内卡住重复时会把一个单元写满整条 cue（实测 30 秒整、重复
74–446 次，如 `チン`×111）。这类正文会让下游 LLM 跟着循环、把输出预算耗在思考上，
最终 `content` 返回空串并报 `translation alignment failed … Expecting value:
line 1 column 1 (char 0)`；它也可能直接渲染成超长字幕行。

- `nodes/subtitle_cleanup.py` 新增 `remove_repetition_entries`：**纯模式判据、无字符
  词表**——展示时长 ≥15s 且同一 1–6 字单元连续重复 ≥6 次且覆盖正文 ≥70% 的 cue 整条
  删除；真实短促呻吟（`ぇ`×15、`ああああああ`）靠时长区分，零误删。
- `nodes/whisper.py` 在转写产出处应用该清洗（VAD 开关都生效，它与套话幻觉无关）。
- 真实数据验证：本地全部真实转写 3605 条 cue 只删 5 条 30 秒伪影；对照实验同批次
  伪影截短后 5/5 成功、原样 1/5。

tests/nodes/test_subtitle_cleanup/test_cleanup.py

@@ -8,6 +8,9 @@ whisper（日语链路）与 llm-translate（中文链路）复用，纯函数
 
 from __future__ import annotations
 
+import json
+from pathlib import Path
+
 from nodes.subtitle_cleanup import (
     DEFAULT_MOAN_MAX_CHARS,
     HALLUCINATION_TOKENS,
@@ -15,6 +18,7 @@ from nodes.subtitle_cleanup import (
     clean_japanese_hallucinations,
     clean_srt_text,
     remove_hallucination_entries,
+    remove_repetition_entries,
     remove_short_moan_entries,
 )
 from tests.shared.srt_entries import parse_srt_entries
@@ -246,3 +250,83 @@ def test_multiline_moan_entry_removed_as_one_cue() -> None:
     # 验证结果：只剩第二条并重编号。
     assert [e["text"] for e in parse_srt_entries(cleaned)] == ["そこ"]
     assert cleaned.startswith("1\n")
+
+
+# 真实转写抽样（data/repetition_cues.json）：30 秒窗口被同一单元填满的 whisper
+# 重复伪影 + 真实短呻吟 + 真实台词，用于"重复伪影"判据的正反例。
+_REPETITION_CUES = json.loads(
+    (Path(__file__).parent / "data" / "repetition_cues.json").read_text(encoding="utf-8")
+)
+
+
+def test_remove_repetition_entries_deletes_whisper_loops_only() -> None:
+    """数据：真实 ASR 产物——3 条 30 秒重复伪影（重复 74/111/446 次）、
+    3 条 2–3 秒真实呻吟（重复 6–10 次）、1 条正常台词。
+
+    过程：调用 remove_repetition_entries 清理整份 SRT。
+
+    验证：只删 30 秒伪影，真实呻吟与台词原样保留，剩余 cue 序号连续。
+    """
+    artifacts = _REPETITION_CUES["artifacts"]
+    moans = _REPETITION_CUES["moans"]
+    normal = _REPETITION_CUES["normal"]
+    srt = _srt(
+        *[(c["start"], c["end"], c["text"]) for c in artifacts],
+        *[(c["start"], c["end"], c["text"]) for c in moans],
+        (normal["start"], normal["end"], normal["text"]),
+    )
+
+    cleaned = remove_repetition_entries(srt)
+
+    for cue in artifacts:
+        assert cue["text"] not in cleaned
+    for cue in moans:
+        assert cue["text"] in cleaned
+    assert normal["text"] in cleaned
+    entries = parse_srt_entries(cleaned)
+    assert [e["text"] for e in entries] == [c["text"] for c in moans] + [normal["text"]]
+    # 序号/时间轴重建后从 1 连续编号，不留空号（合法 SRT）。
+    numbers = [line for line in cleaned.splitlines() if line.strip().isdigit()]
+    assert numbers == [str(i) for i in range(1, len(entries) + 1)]
+
+
+def test_remove_repetition_entries_keeps_short_repeated_moan() -> None:
+    """数据：3 秒内重复 15 次的真实呻吟（时长不足阈值）。
+
+    过程：调用 remove_repetition_entries。
+
+    验证：保留——时长阈值是"窗口被填满"的判据，短促重复属真实发声。
+    """
+    srt = _srt(("00:00:01,000", "00:00:04,200", "ぇ" * 15))
+
+    cleaned = remove_repetition_entries(srt)
+
+    assert "ぇ" * 15 in cleaned
+
+
+def test_remove_repetition_entries_keeps_mixed_long_line() -> None:
+    """数据：30 秒长条但正文以正常台词为主，只有少量重复。
+
+    过程：调用 remove_repetition_entries。
+
+    验证：保留——重复片段未占正文 70% 以上，不构成重复伪影。
+    """
+    text = "そうですね、それでいいと思いますよ" * 3 + "ああ"
+    srt = _srt(("00:00:01,000", "00:00:31,000", text))
+
+    cleaned = remove_repetition_entries(srt)
+
+    assert text in cleaned
+
+
+def test_remove_repetition_entries_can_be_disabled() -> None:
+    """数据：一条 30 秒重复伪影，阈值设为 0（关闭）。
+
+    过程：调用 remove_repetition_entries(threshold_seconds=0)。
+
+    验证：原样返回，便于按需走旧行为。
+    """
+    artifact = _REPETITION_CUES["artifacts"][0]
+    srt = _srt((artifact["start"], artifact["end"], artifact["text"]))
+
+    assert remove_repetition_entries(srt, threshold_seconds=0) == srt