fix: 翻译批内行数错位(内容-时间错位)+ system_prompt 元组 bug
根因(真实任务 run_51242078d76e): 1. LLM 按 CHUNK_SIZE=20 分批翻译时,对语义碎片句(如单独的助词/名词/ 语气词)偶发多拆/少拆一行,translate_lines 无条件 extend 导致: - 多行 -> 后续所有字幕文本整体错位,时间戳从原文复制、文本却错贴时间; - 少行 -> invoke 末尾补空导致该条内容缺失。 程序按时戳看不出问题,实际"内容对错时间"(如第756条"好像喜欢害羞 的样子"错贴 3805s,实为"恥ずかしいのが好きみたいなので"的译文)。 2. system_prompt 圆括号内出现 f-string 赋值导致隐式字符串拼接失效, 整体变成 tuple,json 序列化后 content 是数组 -> LLM API 400。 修复: - 提示词强化:逐行独立翻译 + 碎片句按语境独立成行 + 禁止合并/拆分; - _repair_batch:多行末尾合并到前一行、少行重试该批(最多3次)仍不足 补空串占位(宁缺勿错位),保证译文与原文逐条时间对齐; - system_prompt 显式 + 拼接为单个字符串。 测试(先红后绿): - test_translate_lines_aligns_extra_line:多行合并对齐 - test_translate_lines_aligns_missing_line:少行重试补齐 - test_translate_lines_pads_after_retries_exhausted:重试耗尽补空 - test_pipeline_zh_cn_timetext_alignment:真实 LLM 完整 1440 行逐条对齐 pyproject.toml: 注册 integration marker
This commit is contained in:
@@ -39,3 +39,7 @@ include = ["wov_sdk*", "wov_app*", "nodes*"]
|
||||
testpaths = ["tests"]
|
||||
pythonpath = ["."]
|
||||
addopts = "--cov=src --cov=nodes --cov-fail-under=100 -p no:cacheprovider"
|
||||
# 集成测试标记(真实模型/真实 LLM/真实数据,默认随全套执行,缺数据自动跳过)。
|
||||
markers = [
|
||||
"integration: 需要真实模型/真实音频/真实 LLM API 或用户提供的真实数据,数据或环境缺失时跳过",
|
||||
]
|
||||
|
||||
Reference in New Issue
Block a user