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

docs/proper_nouns.md

@@ -0,0 +1,82 @@
+# 专有名词（不应直译）处理表
+
+对于日语字幕的"日 → 中文"翻译，**片假名专有名词**（人名、品牌、角色名、
+产品或道具名）是 LLM 误译的重灾区：模型常按罗马音/读音硬译，产生
+"芒果"（ジンゴ）这类与原文无对应、甚至语义荒谬的结果。
+
+下表依据**日语-中文翻译的通用规则 + 字幕场景实测**整理。当待翻译字幕
+中出现表中"日文原文"时，应向翻译提示词动态注入对应规则（见
+`nodes/proper_nouns.py` 的 `build_proper_noun_rule`），让 LLM 正确处理。
+
+## 规则类别（处理策略）
+
+| 类别 | 处理方式 | 示例 |
+| --- | --- | --- |
+| 人名 | 音译（保留姓氏/称谓），不直译字面义 | カンタくん → 康太君 / 坎塔君 |
+| 品牌/产品名 | 保留原文或使用约定译名 | ニトリ → 尼达利 / ニトリ |
+| 角色/道具专名 | 保留原文或按上下文意译，禁止按读音硬译 | ジンゴ → 保留"Jingo/ジンゴ"，勿译"芒果" |
+| 拟声/拟态词 | 用中文对应拟声词，不直译 | グリグリ → 钻、搅动 |
+| 外来语缩写 | 还原英文含义而非音译 | リラックス → 放松（非"丽拉库斯"） |
+
+## 专名表（日文原文 → 处理建议 → 说明）
+
+| 日文原文 | 音频读音 | 中文处理建议 | 说明（来源/原因） |
+| --- | --- | --- | --- |
+| ジンゴ | jingo | **保留原文"ジンゴ/Jingo"**，或按上下文意译为角色/道具名 | 实测被误译"芒果"（4500s）。片假名专名，勿按读音硬译 |
+| マンゴー | mango | **保留"マンゴー/Mango"**；仅当确指水果作"芒果" | 品牌/专名可能，注意与"芒果"同音误译 |
+| カンタくん | kanta-kun | 音译"康太君/坎塔君" | 人名（3803s），勿留日文或直译 |
+| 松井 | matusui | 松井（姓氏，汉字保留） | 人名，参考字幕确认"松井小姐" |
+| ひな子 | hinako | 日奈子 / 雏子 | 人名（参考字幕"松井日奈子"） |
+| カリン | karin | 果林 / 花梨 | 人名（参考字幕"北冈果林/果林前辈"） |
+| 北岡 | kitaoka | 北冈（汉字保留） | 人名 |
+| 権藤 | gondo | 权藤 / 昆藤 | 人名（参考"医务室长权藤"） |
+| 金山 | kanayama | 金山（汉字保留） | 人名（参考"金山先生"） |
+
+## 高频"伪专名"（拟声/口语，勿按字面直译）
+
+| 日文 | 正确中文处理 | 错误直译（勿用） |
+| --- | --- | --- |
+| パンパン | 鼓胀、饱满、涨满 | 砰砰 |
+| グリグリ | 用力碾/钻、搅动 | 咕噜咕噜 |
+| チンポ | 肉棒/鸡巴（俗语） | 金宝（音译） |
+| ビクビク | 一颤一颤、哆嗦 | 比库比库 |
+| ヌルヌル | 滑溜溜、黏糊糊 | 奴鲁奴鲁 |
+| ビンビン | 硬邦邦、精神十足 | 宾宾 |
+| マット | 垫子（借词） | 马特 |
+| リラックス | 放松（借词） | 丽拉库斯 |
+| ララ | （含语音节）保持原文/按语境 | 拉拉 |
+
+## 用法
+
+翻译节点 `nodes/llm.py` 的 `translate_lines` 在组装系统提示词时，调用
+`nodes/proper_nouns.py` 的 `build_proper_noun_rule(terms)`，把"若字幕中出现
+下表专名 → 附加对应翻译规则"的指令拼入提示词；匹配基于原文文本包含判断，
+未命中时不注入（避免干扰普通翻译）。
+## 成人语境隐语/俗称表（新增，实测来源）
+
+AV/成人内容字幕中，LLM 最易按**字面直译**造成严重错译。以下为高频隐语，
+翻译时应按"实际含义"的常用中文翻译处理：
+
+| 日文原文 | 读音 | 实际含义 | 对应中文常用翻译 |
+| --- | --- | --- | --- |
+| マンゴー | Mango | 女性生殖器 | 小穴、鲍鱼、妹妹（若谐音梗可保留"芒果"）|
+| バナナ | Banana | 男性生殖器 | 肉棒、鸡鸡、老二（画面打码可译"香肠"）|
+| リンゴ | Ringo | 睾丸（阴囊） | 蛋蛋（若出自"淫梦"梗可保留"苹果"并注释）|
+| ちんぽう | chinpou | 男性生殖器 | 阳具、鸡巴（粗俗）|
+| ちんちん | chinchin | 男性生殖器 | 小鸡鸡（委婉，对应童语）|
+| 金玉 | kintama | 睾丸 | 蛋蛋、睾丸（正式）|
+| にくつぼ | nikutsubo | 女性生殖器 | 肉洞、蜜穴（偏文学性）；小穴（口语）|
+| おまんこ | omanko | 女性生殖器 | 小穴、阴部 |
+| おそそ | ososo | 女性生殖器 | 那里、下面（委婉）|
+| オチンチン | ochinchin | 男性生殖器 | 小弟弟（常用）；网络流行语可直译"欧金金"|
+| ほんばん | honban | 真实插入的性行为 | 真枪实弹、来真的、本番（音译）|
+| すまた | sumata | 股间摩擦（不插入）| 素股（音译最常用）、腿交、磨大腿 |
+| せいかん | seikan | 户外/野外性行为 | 野战、户外做爱 |
+| エッチ | etchi | 性行为/色情的 | 做爱、嘿咻、H（音译）|
+| アヘ顔 | ahegao | 高潮时翻白眼吐舌的表情 | 阿黑颜（音译）、高潮脸、失神脸 |
+
+> 以上隐语**仅在成人/色情语境成立**。若文本语境明确为普通水果/物品（如菜谱、
+> 生活对话），仍按字面翻译。规则注入时结合"成人隐语"提示，交由 LLM 判断语境。
+
+代码实现见 `nodes/proper_nouns.py` 的 `ADULT_EUPHEMISMS` 表与
+`build_proper_noun_rule`。

nodes/llm.py

@@ -28,7 +28,8 @@ import urllib.request
 from pathlib import Path
 
 from wov_sdk.models import InvokeRequest, InvokeResponse
-
+from nodes.subtitle_cleanup import clean_srt_text
+from nodes.proper_nouns import build_proper_noun_rule
 # 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
 
@@ -144,18 +145,28 @@ def _translate_batch(
     system_prompt: str,
     request_timeout: float,
 ) -> list[str]:
-    """翻译单个批次：行数不一致时多行合并、少行重试，返回与 chunk 等长译文。"""
+    """翻译单个批次：行数不一致时多行合并、少行重试，返回与 chunk 等长译文。
+
+    每批调用前根据本批原文命中情况动态拼接专名/隐语规则（build_proper_noun_rule），
+    注入到系统提示词，让 LLM 正确处理片假名专名与成人语境隐语。"""
+    # 本批命中的专名/隐语规则（无命中返回 None）。
+    rule = build_proper_noun_rule(chunk)
+    batch_system = system_prompt
+    if rule:
+        batch_system = system_prompt + "\n\n" + rule
     attempt = 0
     while True:
         content = _call_llm(
             api_base,
             api_key,
             model,
-            system_prompt,
+            batch_system,
             "\n".join(chunk),
             request_timeout,
         )
-        batch = [line.strip() for line in content.splitlines() if line.strip()]
+        # 保留所有行：先 rstrip 尾随换行避免多出末尾空行，再 splitlines 保留
+        # 内容中的空串行（空行可能是合法的空字幕，过滤掉会误判行数）。
+        batch = content.rstrip("\n").splitlines()
         if len(batch) == len(chunk):
             return batch
         if len(batch) > len(chunk):
@@ -193,8 +204,15 @@ def invoke(request: InvokeRequest) -> InvokeResponse:
     for index, text_index in enumerate(text_indices):
         lines[text_index] = translated_lines[index]
 
+    # 长时寒暄幻觉词清洗：对展示时长超过阈值且含收尾/开场寒暄（晚安、感谢观看
+    # 等）的条目，文本替换为 '-'（由后续过滤流程移除），避免幻觉占位污染正片；
+    # 短时（≤阈值）如剧情中真实互道'晚安'则保留，不误删。见
+    # nodes/subtitle_cleanup.py。
+    srt_body = "\n".join(lines) + "\n"
+    srt_body = clean_srt_text(srt_body)
+
     output_dir = Path(request.output_dir)
     output_dir.mkdir(parents=True, exist_ok=True)
     output_path = output_dir / "cn.srt"
-    output_path.write_text("\n".join(lines) + "\n", encoding="utf-8")
+    output_path.write_text(srt_body, encoding="utf-8")
     return InvokeResponse(status="completed", outputs={"cn_srt_uri": str(output_path)})

nodes/proper_nouns.py

@@ -0,0 +1,121 @@
+"""专有名词与隐语（不应直译）处理规则。
+
+日语字幕"日 → 中文"翻译中，两类词是 LLM 误译重灾区：
+1. **片假名专有名词**（人名/品牌/角色/道具名）：模型常按读音硬译
+   （如 ジンゴ → "芒果"），产生与原文无对应的荒谬结果。
+2. **成人语境隐语/俗称**（AV/色情内容的委婉说法）：模型常按字面直译
+   （如 マンゴー → 芒果、バナナ → 香蕉、金玉 → 金玉），实际这些词在
+   色情语境中是生殖器官或性行为的代称。
+
+本模块维护三张规则表（专名、拟声/口语、成人语境隐语），并提供规则构建
+函数 build_proper_noun_rule，供翻译节点在系统提示词中动态注入，让 LLM
+按正确语义处理。
+
+处理策略（详见 docs/proper_nouns.md）：
+- 人名：音译（保留姓氏/称谓），不直译字面义；
+- 品牌/产品名：保留原文或使用约定译名；
+- 角色/道具专名：保留原文或按上下文意译，禁止按读音硬译；
+- 拟声/拟态词：用中文对应拟声词，不直译；
+- **成人语境隐语：按"实际含义"的常用中文翻译处理，禁止字面直译**。
+
+匹配基于"原文文本是否包含专名"判断，未命中时不注入规则（避免干扰普通
+翻译）。纯函数，可独立测试（tests/test_proper_nouns.py）。
+"""
+
+from __future__ import annotations
+
+# 一、专名表：{日文原文: (中文处理建议, 说明)}。
+# 命中即注入对应指令。
+PROPER_NOUNS: dict[str, tuple[str, str]] = {
+    # 角色/道具专名：勿按读音硬译
+    "ジンゴ": ("保留原英文'Jingo'或按上下文意译；禁止译作'芒果'",
+               "实测被误译'芒果'（4500s），片假名专名"),
+    "マンゴー": ("保留'マンゴー/Mango'；仅当确指水果时译'芒果'",
+               "与'芒果'同音易误译，见成人隐语表"),
+    # 人名：音译，勿留日文
+    "カンタくん": ("音译'康太君/坎塔君'，勿保留'カンタ君'", "人名（3803s）"),
+    "松井": ("保留'松井'（姓氏汉字）", "人名，参考'松井小姐'"),
+    "ひな子": ("音译'日奈子/雏子'", "人名，参考'松井日奈子'"),
+    "カリン": ("音译'果林/花梨'", "人名，参考'北冈果林'"),
+    "北岡": ("保留'北冈'（姓氏汉字）", "人名"),
+    "権藤": ("音译'权藤/昆藤'", "人名，参考'医务室长权藤'"),
+    "金山": ("保留'金山'（姓氏汉字）", "人名，参考'金山先生'"),
+}
+
+# 二、高频"伪专名"（拟声/口语）：勿按字面直译
+ONOMATOPOEIA: dict[str, tuple[str, str]] = {
+    "パンパン": ("按语境译'鼓胀、饱满、涨满'", "勿译'砰砰'"),
+    "グリグリ": ("用力碾/钻、搅动", "勿译'咕噜咕噜'"),
+    "チンポ": ("按上下文译为俗语（肉棒/鸡巴）", "勿音译'金宝'"),
+    "ビクビク": ("一颤一颤、哆嗦", "勿译'比库比库'"),
+    "ヌルヌル": ("滑溜溜、黏糊糊", "勿译'奴鲁奴鲁'"),
+    "ビンビン": ("硬邦邦、精神十足", "勿译'宾宾'"),
+    "マット": ("垫子（日语借词）", "勿译'马特'"),
+    "リラックス": ("放松（外来语还原含义）", "勿音译'丽拉库斯'"),
+}
+
+# 三、成人语境隐语/俗称：{日文原文: (实际含义, 对应中文常用翻译, 说明)}。
+# 这些词在色情语境中是生殖器官/性行为的代称，LLM 若按字面直译会严重错译。
+# 结构：词条 -> (实际含义, 常用中文翻译, 补充说明/约束)
+ADULT_EUPHEMISMS: dict[str, tuple[str, str, str]] = {
+    # 水果谐音/形状类（画面常见比喻）
+    "マンゴー": ("女性生殖器", "小穴、鲍鱼、妹妹；若为谐音梗可保留'芒果'",
+               "与'マンコ'同音，直译'芒果'为常见误译"),
+    "バナナ": ("男性生殖器", "肉棒、鸡鸡、老二；画面打码可译'香肠'",
+             "水果形状比喻，直译'香蕉'错误"),
+    "リンゴ": ("睾丸（阴囊）", "蛋蛋；若出自'淫梦'梗可保留'苹果'并加注释",
+             "食物比喻，直译'苹果'错误"),
+    # 物品比喻类
+    "ちんぽう": ("男性生殖器", "阳具、鸡巴（粗俗）", "与'珍宝(ちんぽう)'谐音"),
+    "ちんちん": ("男性生殖器", "小鸡鸡（委婉）", "小朋友用语，女优常用来装可爱"),
+    "金玉": ("睾丸", "蛋蛋、睾丸（正式）", "直译'金玉'会让人摸不着头脑"),
+    "にくつぼ": ("女性生殖器", "肉洞、蜜穴（偏文学性）；小穴（口语）",
+              "字面'肉壶'，实为色情比喻"),
+    "おまんこ": ("女性生殖器", "小穴、阴部（正式/粗俗）", "最常用称，勿照搬"),
+    "おそそ": ("女性生殖器", "那里、下面（委婉）", "儿童语/婉语，直译会破坏语气"),
+    "オチンチン": ("男性生殖器", "小弟弟（常用）；网络流行语可直译'欧金金'",
+                "与'欧金金'同源网络梗"),
+    # 状态/动作类
+    "ほんばん": ("真实插入的性行为", "真枪实弹、来真的、本番（音译）",
+              "AV 术语，勿直译'本番'为'正本'"),
+    "すまた": ("股间摩擦（不插入）", "素股（音译最常用）、腿交、磨大腿",
+             "AV 术语"),
+    "せいかん": ("户外/野外性行为", "野战、户外做爱", "字面'青姦'，勿照搬"),
+    "エッチ": ("性行为/色情的", "做爱、嘿咻、H（音译）", "通用隐语，勿直译'H'"),
+    "アヘ顔": ("高潮时翻白眼吐舌的表情", "阿黑颜（音译）、高潮脸、失神脸",
+             "网络亚文化词，直译'阿嘿脸'外行"),
+}
+
+
+def build_proper_noun_rule(terms: str | list[str]) -> str | None:
+    """根据待翻译文本中的专名/隐语，构建翻译提示词片段。
+
+    参数 terms: 待翻译的原文行（字符串列表或整体文本）。
+    返回注入提示词的规则字符串；若原文未命中任何专名/隐语则返回 None
+    （不注入，避免干扰普通翻译）。
+    """
+    if isinstance(terms, str):
+        joined = terms
+    else:
+        joined = "\n".join(terms)
+
+    rules: list[str] = []
+    for token, (advice, reason) in PROPER_NOUNS.items():
+        if token in joined:
+            rules.append(f"  日文'{token}'：{advice}（{reason}）。")
+    for token, (advice, reason) in ONOMATOPOEIA.items():
+        if token in joined:
+            rules.append(f"  日文'{token}'：{advice}（{reason}）。")
+    for token, (meaning, cn, note) in ADULT_EUPHEMISMS.items():
+        if token in joined:
+            rules.append(
+                f"  日文'{token}'是成人语境隐语（实际含义：{meaning}），"
+                f"请译为'{cn}'，切勿按字面直译。{note}。"
+            )
+
+    if not rules:
+        return None
+    return (
+        "注意以下专有名词/隐语按规则处理（不要按读音或字面硬译）：\n"
+        + "\n".join(rules)
+    )

nodes/subtitle_cleanup.py

@@ -0,0 +1,85 @@
+"""Subtitle cleanup: mask long-duration closing/greeting hallucinations.
+
+Background (real run 20260905115050): after fixing the timing alignment,
+subtitles still contain "closing/greeting hallucination words" - fixed
+phrases like 'wan an / gan xie guan kan / gan xie nin de guan kan'
+(good night / thanks for watching) that the ASR/LLM repeatedly emits on
+empty segments, filling a full 30s block, unrelated to video content.
+Some 2s 'good night' might be real dialogue, so it must be kept.
+
+Plan (confirmed by user): after translation, mask subtitle entries whose
+*display duration* exceeds a threshold AND whose text contains a greeting
+hallucination token - replace the text with '-' so the downstream SRT/filter
+pipeline drops it. The duration threshold protects short real greetings.
+
+Threshold is derived from real run data: 30s hallucinations vs 2s real words,
+a clear gap; default 15s (>=15s masks, <15s keeps).
+
+Pure functions, unit-testable (tests/test_hallucination_mask.py).
+"""
+
+from __future__ import annotations
+
+import re
+
+# Greeting/closing hallucination tokens that LLM repeats on empty/end segments.
+HALLUCINATION_TOKENS = (
+    "谢谢观看", "感谢观看", "感谢收看", "谢谢收看", "感谢您的观看", "感谢您的收看",
+    "晚安", "下次再见", "再会", "敬请期待", "感谢您的光临", "欢迎光临",
+    "再见", "多谢观看", "观看愉快",
+)
+
+# Display-duration threshold (seconds): only mask entries longer than this.
+DEFAULT_THRESHOLD_SECONDS = 15.0
+
+_SRT_BLOCK = re.compile(
+    r"(\d{2}:\d{2}:\d{2},\d{3})\s*-->\s*(\d{2}:\d{2}:\d{2},\d{3})\s*\n(.*?)(?=\n\s*\d+\s*\n|\Z)",
+    re.DOTALL,
+)
+
+
+def mask_hallucination_text(
+    entries: list[dict],
+    threshold_seconds: float = DEFAULT_THRESHOLD_SECONDS,
+) -> list[dict]:
+    """Return a new list where long-duration greeting entries have text='-'.
+
+    duration = end - start. Only entries whose duration >= threshold AND text
+    contains any HALLUCINATION_TOKENS are masked. Input list is not mutated.
+    """
+    cleaned = []
+    for entry in entries:
+        duration = entry.get("end", 0.0) - entry.get("start", 0.0)
+        text = entry.get("text", "")
+        if duration >= threshold_seconds and any(t in text for t in HALLUCINATION_TOKENS):
+            entry = dict(entry, text="-")
+        cleaned.append(entry)
+    return cleaned
+
+
+def _ts_to_seconds(ts: str) -> float:
+    """Convert an SRT timestamp HH:MM:SS,mmm to seconds (float)."""
+    hours, minutes, rest = ts.split(":")
+    seconds, millis = rest.split(",")
+    return int(hours) * 3600 + int(minutes) * 60 + int(seconds) + int(millis) / 1000
+
+
+def clean_srt_text(
+    srt_text: str,
+    threshold_seconds: float = DEFAULT_THRESHOLD_SECONDS,
+) -> str:
+    """Mask long-duration greeting hallucinations in an SRT string.
+
+    Parses each cue's start/end/text, applies mask_hallucination_text, and
+    rewrites the block keeping the original time line when not masked.
+    """
+    def _replace(match) -> str:
+        start = _ts_to_seconds(match.group(1))
+        end = _ts_to_seconds(match.group(2))
+        text = match.group(3).strip()
+        entry = {"start": start, "end": end, "text": text}
+        cleaned = mask_hallucination_text([entry], threshold_seconds)
+        new_text = cleaned[0]["text"]
+        return f"{match.group(1)} --> {match.group(2)}\n{new_text}"
+
+    return _SRT_BLOCK.sub(_replace, srt_text)

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