feat: VRSub 单体应用（WOV 单机版）初始提交

为视频生成 VR 双眼字幕的单体实现：FastAPI 后端、调度器与全部节点
（提音/转写/翻译/ASS/抽帧/OCR/LLM 过滤）在单进程内运行。

- 节点协议（wov_sdk 数据模型）与分布式版保持一致，预留回退桥梁
- 工作流即数据：DAG 存于 workflows/*.json，模型/链路改动只改数据
- 调度器：拓扑顺序执行、断点续跑（产物重建）、任务暂停/继续
- 抽帧按帧间隔（select 按帧号精确取帧），VLM OCR 与 LLM 过滤使用
  自适应线程池弹性并发，并打印数据处理速度进度日志
- 100% 行覆盖率（pytest --cov-fail-under=100）

nodes/llm.py

@@ -0,0 +1,103 @@
+"""LLM 翻译节点。
+
+单体版中作为进程内节点模块，由调度器直接调用。接收 SRT，提取纯文本行
+分批调用 LLM，再把译文回填到原 SRT 结构并输出 cn.srt。
+"""
+
+from __future__ import annotations
+
+import json
+import os
+import urllib.error
+import urllib.request
+from pathlib import Path
+
+from wov_sdk.models import InvokeRequest, InvokeResponse
+# 单次 LLM 请求携带的字幕行数；过大会超出模型上下文，过小则请求次数过多。
+CHUNK_SIZE = 20
+
+
+def translate_lines(lines: list[str], params: dict) -> list[str]:
+    """分批调用 LLM 翻译纯文本行，返回顺序一致的译文列表。"""
+    # 接口地址、Key 和模型均可通过环境变量配置（.env 自动加载），
+    # 默认指向 SiliconFlow 兼容接口，模型为 DeepSeek-V4-Flash。
+    api_base = os.getenv(
+        "LLM_API_BASE",
+        "https://api.siliconflow.cn/v1/chat/completions",
+    )
+    api_key = os.getenv("LLM_API_KEY", "")
+    # 单次请求超时可配置，长文本翻译场景下需要放宽。
+    request_timeout = float(os.getenv("LLM_TIMEOUT_SECONDS", "600"))
+    model = str(params.get("model") or os.getenv("LLM_MODEL", "Qwen/Qwen3.6-35B-A3B"))
+    target_language = str(params.get("target_language", "zh-CN"))
+    # 系统提示词约束模型只输出译文，保证行数和顺序可回填。
+    system_prompt = (
+        "你是专业字幕翻译。将用户提供的日文字幕翻译为"
+        f"{target_language}。只返回译文，保持行数和顺序，不要添加解释。"
+    )
+    translated: list[str] = []
+    # 按 CHUNK_SIZE 分批发送，避免单次请求超过模型上下文限制。
+    for start in range(0, len(lines), CHUNK_SIZE):
+        chunk = lines[start : start + CHUNK_SIZE]
+        body = {
+            "model": model,
+            "messages": [
+                {"role": "system", "content": system_prompt},
+                {"role": "user", "content": "\n".join(chunk)},
+            ],
+            # 关闭推理模型的思考模式：Qwen3 等模型默认会把推理过程写入
+            # reasoning_content，导致 content 为空或截断译文；关闭后直接输出译文。
+            "enable_thinking": False,
+            # 放宽输出上限，避免长批次翻译被模型默认 max_tokens 截断。
+            "max_tokens": 8192,
+        }
+        headers = {"Content-Type": "application/json"}
+        # 配置了 Key 时附带 Bearer 鉴权头。
+        if api_key:
+            headers["Authorization"] = f"Bearer {api_key}"
+        request = urllib.request.Request(
+            api_base,
+            data=json.dumps(body).encode("utf-8"),
+            headers=headers,
+            method="POST",
+        )
+        with urllib.request.urlopen(request, timeout=request_timeout) as response:
+            payload = json.loads(response.read().decode("utf-8"))
+        # 兼容 OpenAI Chat Completions 响应格式，取第一条消息内容。
+        content = payload["choices"][0]["message"]["content"]
+        # 忽略空行，保证译文列表与输入行一一对应。
+        translated.extend(
+            [line.strip() for line in content.splitlines() if line.strip()]
+        )
+    return translated
+
+
+def invoke(request: InvokeRequest) -> InvokeResponse:
+    """翻译 SRT 文件中的字幕文本，输出 cn.srt。"""
+    srt_uri = request.inputs.get("srt_uri")
+    if not srt_uri:
+        return InvokeResponse(status="failed", error="srt_uri is required")
+
+    srt_path = Path(srt_uri)
+    if not srt_path.is_file():
+        return InvokeResponse(status="failed", error="srt file not found")
+
+    # 标准 SRT 每 4 行一组：序号、时间轴、文本、空行；文本位于第 3 行。
+    lines = srt_path.read_text(encoding="utf-8").splitlines()
+    text_indices = list(range(2, len(lines), 4))
+    source_lines = [lines[index] for index in text_indices]
+    translated_lines = translate_lines(source_lines, request.params)
+    # 防止模型返回行数偏差：多出的截断，缺少的用空串补齐。
+    translated_lines = translated_lines[: len(source_lines)]
+    translated_lines += [""] * max(0, len(source_lines) - len(translated_lines))
+    # 只替换文本行，序号、时间轴和空行保持不变。
+    for index, text_index in enumerate(text_indices):
+        lines[text_index] = translated_lines[index]
+
+    output_dir = Path(request.output_dir)
+    output_dir.mkdir(parents=True, exist_ok=True)
+    output_path = output_dir / "cn.srt"
+    # 末尾补一个换行，让文件满足常见文本工具习惯。
+    output_path.write_text("\n".join(lines) + "\n", encoding="utf-8")
+    return InvokeResponse(status="completed", outputs={"cn_srt_uri": str(output_path)})
+