docs: 归档提音读速/声道拆分/运行日志的排查结论

- 提音 1–5Mb/s:实测 rchar 仅为全文件 2.3%,只读音轨;慢在 CIFS 随机读 + 4 路并发,非瓶颈
- 左右声道分别转写:实测否决(三路 A/B 无字幕收益、成本翻倍),维持 -ac 1
- 节点开始日志过长:_note_*/_node_help 被整体打印,改法已列、代码未改
- 新增专题文档,并同步 README/AGENTS 索引、node-protocol 指引与 learn-translate 的 _note_channels
This commit is contained in:
2026-10-18 17:58:04 +08:00
parent 5b263171f2
commit 742a03ab61
6 changed files with 193 additions and 2 deletions
+1 -1
View File
@@ -14,7 +14,7 @@
"sample_rate": 16000,
"channels": 1,
"_note_sample_rate": "16000Hz 是 faster-whisper 训练采用的采样率;ffmpeg 提取时直接对齐可避免节点内二次重采样造成的时间轴误差与音质损失。正例:speech_60s.wav 即 16k 单声道,转写时间轴与素材严格一致。反例:若用 44100Hz,faster-whisper 会自动降采样,极端情况下边界样本插值引入轻微漂移。",
"_note_channels": "单声道是 whisper 输入要求;立体声转单声道由 ffmpeg 平均合并,避免人声在左右声道相位抵消(成人视频双声道常有人声偏置,合并后更清晰)。正例:CJOD-255 全程 BGM 覆盖仍能稳定提取人声。反例:保留双声道直接喂 whisper 会告警且浪费显存。",
"_note_channels": "单声道是 whisper 输入要求;立体声转单声道由 ffmpeg 平均合并。实测(2026-10)两声道并不同源(逐窗口相关 0.28–0.68,合并电平比更响声道低 1.4–2.6dB),但整片三路转写 A/B 无字幕收益(长句 91/91/87、覆盖 ±5%),成本翻倍,故维持合并;详见 docs/优化-提音IO声道与运行日志.md。正例:CJOD-255 全程 BGM 覆盖仍能稳定提取人声。反例:保留双声道直接喂 whisper 会告警且浪费显存;按声道拆分转写实测无收益。",
"_node_help": "ffmpeg-extract 节点:把上传视频提取为 16kHz 单声道 WAV。\n关键参数:\n- sample_rate=16000:对齐 whisper 训练采样率,避免重采样时间误差。\n- channels=1:whisper 要求单声道。\n正例:16k 单声道 WAV -> 转写时间轴精确到 0.1s。\n反例:44.1k 立体声 -> 需内部重采样且可能引入边界误差。"
},
"inputs": {