feat: 优化学习视频转写与字幕清洗

AGENTS.md

@@ -89,13 +89,16 @@ whisper 节点按以下顺序解析模型路径，默认避免从远端下载：
 1. 请求参数 `model_path`；裸模型名（不含路径分隔符）会在 `model/<名称>` 下解析。
 2. 环境变量 `WHISPER_MODEL_PATH`。
 3. 本地候选目录（存在且含 `model.bin` 即使用）：
-   - 单体根目录 `model/faster-whisper-large-v3`。
-   - `nodes/model/faster-whisper-large-v3`。
-4. 兜底：`large-v3`（需要联网从 Hugging Face 下载）。
+   - 单体根目录 `model/faster-whisper-large-v2`。
+   - `nodes/model/faster-whisper-large-v2`。
+4. 兜底：`large-v2`（需要联网从 Hugging Face 下载）。
 
 把权重放在 `model/` 目录即可完全离线运行。当前已下载模型：
 
-- `model/faster-whisper-large-v3`：通用转写模型（demo 工作流）。
+- `model/faster-whisper-large-v2`：通用转写模型（demo/learn-translate 工作流，
+  2026-09 从 large-v3 切换：savr-1054 全片 A/B 实测无VAD 幻觉长段归零、开头漏句
+  救回，VAD 链路条数与覆盖小幅领先，见 `data/experiments/whisper_v2_vs_v3/`）。
+- `model/faster-whisper-large-v3`：旧通用转写模型，已无工作流引用，保留在盘上。
 - `model/whisper-large-v2-translate-zh-v0.2-st-ct2`：中文直出模型
   （`chickenrice0721/whisper-large-v2-translate-zh-v0.2-st-ct2`），配合
   `task=translate` 直接生成中文，无需 LLM 翻译（zh-direct 工作流）。
@@ -125,6 +128,12 @@ whisper 节点按以下顺序解析模型路径，默认避免从远端下载：
 见 `nodes/subtitle_cleanup.py` 的 `clean_japanese_hallucinations`），不留下 `-` 占位污染
 下游（占位会渲染进 ASS 成可见减号）；llm-translate 翻译后同样整条删除中文长时寒暄
 幻觉（`clean_srt_text`）。短时（≤15s）相同词可能是剧情真实道晚安，保留。
+**短呻吟过滤**（2026-09）：decode_full 救回的弱语音中混有大量**纯语气词碎片**
+（あ…/ん?/はぁ…/あ!あ!/んふふ 等 ≤3 假名），影响字幕观感；whisper 转录后按
+'全部字符 ∈ 纯呻吟字符集合（`MOAN_CHARS`）且有效假名数 ≤ `short_moan_max_chars`（默认 3，设 0 关闭）'
+判据**整条删除**（`remove_short_moan_entries`）。集合刻意排除 そ/こ/ね/や/ば/だ
+等假名，真实短对话（そこ/やばい/ねえ/やだ/えへへ）天然不命中。仅 decode_full
+生效，demo 等 VAD 链路不受影响。
 
 最终产物按 `上传文件名.标识.时间戳` 重命名（如 `test01.zh-CN.20260815123000.srt`），
 标识优先取节点的 `target_language` 参数，否则用产物别名。
@@ -138,7 +147,7 @@ whisper 节点按以下顺序解析模型路径，默认避免从远端下载：
 ### 切换模型不改代码
 
 - 模型是工作流 DAG 中 asr 节点的 `model_path` 参数（**数据**），内置工作流
-  均已显式声明：demo/learn-translate 用 `faster-whisper-large-v3`，zh-direct 用中文直出模型。
+  均已显式声明：demo/learn-translate 用 `faster-whisper-large-v2`，zh-direct 用中文直出模型。
 - 切换模型 = 改 `workflows/*.json` 或管理页面 DAG JSON → 保存新版本 → 发布，
   全程不涉及代码；新库启动时从 JSON 重新 seed。
 - 默认工作流定义存放在 `workflows/*.json`（数据文件），代码只负责加载。