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）

tests/test_integration_vlm.py

@@ -0,0 +1,65 @@
+"""VLM OCR 节点真实集成测试。
+
+复用 testdata/test_real_hav_sub.png（真实视频字幕截图，一次性入库，避免
+每次测试生成）。调用本地 Ollama 服务（192.168.123.70:11434）的真实
+glm-ocr 模型做 OCR。Ollama 服务或测试资产缺失时自动跳过；可用时必须执行。
+"""
+import urllib.request
+from pathlib import Path
+
+import pytest
+
+from nodes.vlm import invoke
+from wov_sdk.models import InvokeRequest
+
+OLLAMA_HOST = "http://192.168.123.70:11434"
+MODEL = "glm-ocr:latest"
+# 测试图片（真实视频字幕帧）上应识别出的字幕文本。
+EXPECTED_TEXT = "还有没有什么困扰 或者奇怪的地方吗"
+
+# 单体根目录：tests/ 的上一级。
+WORKSPACE = Path(__file__).resolve().parent.parent
+TEST_IMAGE = WORKSPACE / "testdata" / "test_real_hav_sub.png"
+
+
+def _ollama_reachable() -> bool:
+    """探测 Ollama 服务与目标模型是否可用。"""
+    try:
+        req = urllib.request.Request(
+            f"{OLLAMA_HOST}/api/show",
+            data=b'{"model": "%s"}' % MODEL.encode(),
+            headers={"Content-Type": "application/json"},
+            method="POST",
+        )
+        with urllib.request.urlopen(req, timeout=5) as resp:
+            return resp.status == 200
+    except (urllib.error.URLError, OSError):
+        return False
+
+
+@pytest.mark.integration
+def test_vlm_ocr_real_model(tmp_path) -> None:
+    """复用真实字幕截图 + 真实 glm-ocr：应识别出关键字幕文本并清洗围栏垃圾。"""
+    if not _ollama_reachable():
+        pytest.skip("Ollama 服务或 glm-ocr 模型不可用，跳过真实模型集成测试")
+    if not TEST_IMAGE.is_file():
+        pytest.skip("缺少 testdata/test_real_hav_sub.png 测试资产，跳过集成测试")
+
+    response = invoke(
+        InvokeRequest(
+            run_id="vlm_integration",
+            node_instance_id="",
+            inputs={"image_uri": str(TEST_IMAGE)},
+            params={"model": MODEL, "ollama_host": OLLAMA_HOST},
+            output_dir=str(tmp_path / "out"),
+        )
+    )
+    assert response.status == "completed", response.error
+    text = response.outputs["text"]
+    print(text)
+    # 关键字幕文本应被识别出来。注意 glm-ocr 在此图上存在已知重复循环 bug：
+    # 识别出正确文本后可能继续循环输出，因此用"包含"断言而非全等，
+    # 下游 subtitle-ocr 的 max_result_chars 守卫会拦截超长输出。
+    assert EXPECTED_TEXT in text
+    # 围栏垃圾（```）不应出现在输出里。
+    assert "```" not in text