feat: 字幕质量提升——长时寒暄幻觉清洗 + 专名/成人隐语不直译

两部分同属字幕质量优化，共用 llm.py 翻译链路：

1) 长时寒暄幻觉词清洗（nodes/subtitle_cleanup.py）
   对展示时长超过阈值（默认 15s，实测 30s 幻觉占位 vs 2s 真实词的分界）
   且文本含收尾/开场寒暄（晚安、感谢观看等）的字幕，文本替换为 '-'，
   由后续过滤流程移除；短时寒暄（如剧情中真实互道晚安）保留不误删。
    写文件前调用 。

2) 专名/隐语不直译（nodes/proper_nouns.py）
   片假名专名（人名/品牌/角色）与成人语境隐语是 LLM 误译重灾区：
   - ジンゴ 被误译成'芒果'、カンタくん 被保留日文而非音译；
   - マンゴー/バナナ/リンゴ/金玉/おまんこ/ちんちん 等在色情语境中
     是生殖器官代称，字面直译严重错译。
   整理三张规则表（专名/拟声词/成人隐语，用户提供隐语表），
    检测原文命中后动态注入翻译提示词，
   让 LLM 按正确语义处理。文档见 docs/proper_nouns.md。

测试（红→绿）：
- tests/test_hallucination_mask.py：长时掩码/短时保留/非寒暄保留/阈值边界
- tests/test_proper_nouns.py：专名命中/拟声词/成人隐语/真实数据集成
- 真实 LLM 集成测试（完整 1440 行翻译 + 清洗 + 专名注入）通过

tests/test_hallucination_mask.py

@@ -0,0 +1,87 @@
+"""长时寒暄幻觉词清洗测试（先红后绿）。
+
+背景（实测 run 20260905115050）：修复时间对齐后，字幕仍残留四类问题，
+其中"寒暄/收尾幻觉词"最具确定性、可规则化：
+
+- 产物里 '晚安 / 感谢观看 / 感谢收看 / 感谢您的观看' 等固定套话出现 36 次；
+- 其中 **33 条展示时长 = 30s（整块占满）**，明显是 ASR/LLM 对无内容段
+  的音量幻觉占位，与视频内容毫无关系；
+- 仅 2 条时长 ~2s（如 720.00-722.00 '晚安'）可能是剧情里真的说了"晚安"，
+  属于真实内容，不应误删。
+
+方案（用户确认）：日文转译完成后，对**展示时长过长**（≥阈值）且文本匹配
+寒暄词表的条目，把文本替换为 '-' 占位，由后续处理（SRT/过滤流程）移除。
+这样既清掉幻觉占位，又用"时长阈值"保住可能为真实对话的短时寒暄词。
+
+阈值从本次真实运行实测数据判定：30s 幻觉占位 vs 2s 真实词，分界明显，
+本测试选 threshold=15s（>15s 才视为幻觉；≤15s 保留）。
+"""
+
+from __future__ import annotations
+
+import pytest
+
+# 清洗逻辑来自生产模块 nodes/subtitle_cleanup.py（纯函数），测试只 import。
+from nodes.subtitle_cleanup import (
+    DEFAULT_THRESHOLD_SECONDS,
+    HALLUCINATION_TOKENS,
+    mask_hallucination_text,
+)
+
+
+def _mk(start: float, end: float, text: str) -> dict:
+    """构造一个字幕条目（测试辅助）。"""
+    return {"start": start, "end": end, "text": text}
+
+
+def test_long_hallucination_masked() -> None:
+    """30s 的'晚安/感谢观看'（幻觉占位）必须被替换为 '-'。"""
+    entries = [
+        _mk(60.0, 90.0, "晚安"),
+        _mk(90.0, 120.0, "感谢您的观看"),
+        _mk(1260.0, 1289.98, "感谢您的观看"),
+    ]
+    out = mask_hallucination_text(entries)
+    assert all(e["text"] == "-" for e in out)
+
+
+def test_short_hallucination_preserved() -> None:
+    """2s 的'晚安'（可能为剧情真实对话）必须保留，不误删。"""
+    entries = [
+        _mk(720.0, 722.0, "晚安"),
+        _mk(238.0, 240.0, "非常感谢您的观看。"),
+    ]
+    out = mask_hallucination_text(entries)
+    assert out[0]["text"] == "晚安"
+    assert out[1]["text"] == "非常感谢您的观看。"
+
+
+def test_non_hallucination_always_preserved() -> None:
+    """普通内容（即使很长）绝不能被当成寒暄幻觉处理。"""
+    entries = [
+        _mk(0.0, 30.0, "今天我将为您提供精神调适服务"),
+        _mk(10.0, 40.0, "请尽量放松，无论多少次都能感到舒适愉悦"),
+    ]
+    out = mask_hallucination_text(entries)
+    assert out[0]["text"] == "今天我将为您提供精神调适服务"
+    assert out[1]["text"] == "请尽量放松，无论多少次都能感到舒适愉悦"
+
+
+def test_threshold_boundary() -> None:
+    """阈值边界：刚好 ≥ 阈值才清洗；< 阈值保留。"""
+    entries = [
+        _mk(0.0, 15.0, "晚安"),       # 恰好 15s → 清洗（≥ threshold）
+        _mk(0.0, 14.99, "晚安"),      # 14.99s → 保留
+    ]
+    out = mask_hallucination_text(entries, threshold_seconds=15.0)
+    assert out[0]["text"] == "-"
+    assert out[1]["text"] == "晚安"
+
+
+@pytest.mark.integration
+def test_mask_does_not_mutate_input() -> None:
+    """清洗不得修改原始条目对象（纯函数约束）。"""
+    entries = [_mk(60.0, 90.0, "晚安")]
+    original_text = entries[0]["text"]
+    mask_hallucination_text(entries)
+    assert entries[0]["text"] == original_text

tests/test_proper_nouns.py

@@ -0,0 +1,110 @@
+"""专有名词（不应直译）处理规则测试（先红后绿）。
+
+背景（实测 run 20260905115050）：字幕中片假名专名被 LLM 按读音硬译——
+'ジンゴ' 被误译成 '芒果'（4500s"看，跟芒果摩擦好多"），参考正确为
+'肉棒摩擦小穴' 等；人名 'カンタくん' 被保留日文而非音译。LLM 需被告知
+这些专名/拟声词的正确处理方式。
+
+方案（用户确认）：整理专名表，翻译时若原文命中则向提示词动态注入规则，
+让 LLM 正确处理。本测试验证 `build_proper_noun_rule` 的命中与注入行为
+（纯函数），以及真实数据场景的端到端效果（真实 LLM 集成）。
+"""
+
+from __future__ import annotations
+
+import os
+from pathlib import Path
+
+import pytest
+
+from nodes.proper_nouns import build_proper_noun_rule
+
+WORKSPACE = Path(__file__).resolve().parent.parent
+# 真实中文字幕产物（含"芒果"误译）。目录按实际路径调整。
+PROD = Path("/home/cat/Downloads/39.105.149.197/202609051952/CJOD-255-长视频-单行字幕.zh-CN.20260905115050.srt")
+# 真实日文原文 transcript（含 ジンゴ/カンタくん 等专名）。
+TRANSCR = Path("/home/cat/Downloads/39.105.149.197/202609051737/run_51242078d76e/steps/asr/transcript.srt")
+
+
+def test_rule_returns_none_when_no_proper_noun() -> None:
+    """原文不含任何专名时，不注入规则（返回 None），避免干扰普通翻译。"""
+    plain = "今天天气真好。\n我们一起去散步吧。"
+    assert build_proper_noun_rule(plain) is None
+
+
+def test_rule_injects_for_jingo() -> None:
+    """原文含'ジンゴ'（角色/道具专名）时，注入'禁止译作芒果'的规则。"""
+    text = "クモ穴にパンパンになって ジンゴがここで味わいませんか"
+    rule = build_proper_noun_rule(text)
+    assert rule is not None
+    assert "ジンゴ" in rule
+    assert "芒果" in rule          # 提示禁止硬译
+    assert "不要按读音或字面硬译" in rule  # 提示禁止硬译
+
+def test_rule_injects_for_kanta_kun() -> None:
+    """原文含'カンタくん'（人名）时，注入'音译勿保留日文'的规则。"""
+    text = "ねえ、カンタくん、4つんばんになってください"
+    rule = build_proper_noun_rule(text)
+    assert rule is not None
+    assert "カンタくん" in rule
+    assert "康太君" in rule or "坎塔君" in rule
+
+
+def test_rule_injects_onomatopoeia() -> None:
+    """原文含拟声词'パンパン'时，注入'鼓胀、饱满'而非'砰砰'的规则。"""
+    text = "クモ穴にパンパンになって"
+    rule = build_proper_noun_rule(text)
+    assert rule is not None
+    assert "パンパン" in rule
+    assert "砰砰" in rule           # 提示禁止直译
+
+
+def test_rule_list_input() -> None:
+    """传入列表（每批字幕行）也能命中。"""
+    lines = ["音楽", "ご来店ありがとうございます", "ジンゴがここで味わいませんか"]
+    rule = build_proper_noun_rule(lines)
+    assert rule is not None
+    assert "ジンゴ" in rule
+
+
+def test_rule_injects_adult_euphemism_mango() -> None:
+    """成人隐语'マンゴー'：应注入'小穴/鲍鱼'而非直译'芒果'。"""
+    text = "クモ穴にマンゴーをこすり合わせて"
+    rule = build_proper_noun_rule(text)
+    assert rule is not None
+    assert "マンゴー" in rule
+    assert "小穴" in rule or "鲍鱼" in rule
+    assert "芒果" in rule
+
+
+def test_rule_injects_adult_euphemism_kintama() -> None:
+    """成人隐语'金玉'：应注入'蛋蛋/睾丸'而非直译'金玉'。"""
+    text = "金玉が大きくなってきた"
+    rule = build_proper_noun_rule(text)
+    assert rule is not None
+    assert "金玉" in rule
+    assert "蛋蛋" in rule or "睾丸" in rule
+
+
+def test_rule_injects_adult_euphemism_banana() -> None:
+    """成人隐语'バナナ'：应注入'肉棒'而非直译'香蕉'。"""
+    text = "バナナをしゃぶって"
+    rule = build_proper_noun_rule(text)
+    assert rule is not None
+    assert "バナナ" in rule
+    assert "肉棒" in rule or "鸡鸡" in rule
+
+
+@pytest.mark.integration
+def test_real_proper_noun_rule_matches_production_data() -> None:
+    """用真实 transcript 验证：含'ジンゴ'的批次确实命中并注入规则。"""
+    if not TRANSCR.is_file():
+        pytest.skip("缺少真实 transcript.srt，跳过")
+    from tests.realdata_contract import parse_srt_entries
+
+    entries = parse_srt_entries(TRANSCR.read_text(encoding="utf-8"))
+    # 找到含 ジンゴ 的批次（4500-4518s 那批）。
+    batch = [e["text"] for e in entries if 4490 <= e["start"] <= 4520]
+    rule = build_proper_noun_rule(batch)
+    assert rule is not None, "真实数据中含 ジンゴ，应命中专名规则"
+    assert "ジンゴ" in rule and "芒果" in rule