feat: 优化学习视频转写与字幕清洗

workflows/demo.json

@@ -23,7 +23,7 @@
         "node_type": "faster-whisper",
         "params": {
           "language": "ja",
-          "model_path": "faster-whisper-large-v3",
+          "model_path": "faster-whisper-large-v2",
           "condition_on_previous_text": false,
           "chunk_seconds": 60,
           "vad_filter": true

workflows/learn-translate.json

@@ -26,7 +26,7 @@
         "node_type": "faster-whisper",
         "params": {
           "language": "ja",
-          "model_path": "faster-whisper-large-v3",
+          "model_path": "faster-whisper-large-v2",
           "decode_full": true,
           "condition_on_previous_text": false,
           "chunk_seconds": 60,
@@ -37,7 +37,8 @@
           "_note_chunk_seconds": "60s 分块：内存/显存有界、失败粒度小，块偏移按 WAV 实际时长累积无漂移。正例：2 小时学习视频切成 120 块逐块转写，每块独立，某块失败只重跑该块。反例：chunk_seconds=0（不分块）在长视频上显存吃紧，且一旦中途异常整段重来。decode_full 模式下分块同样生效，幻觉清洗在合并后的整条 SRT 上执行。",
           "_note_condition_on_previous_text": "false（默认）：每个 30s 窗口独立解码，避免长音频下 whisper 把前文错误延续成重复/漂移（官方建议长音频方案）。正例：讲解视频 1 小时，各窗口互不污染，无重复句。反例：设为 true 时，若某窗口误识别，会沿上文把错误放大成整段重复。",
           "_note_beam_size": "1（贪心解码）：速度最快且对清晰讲解足够；学习视频人声清晰，不需要 beam search 的多候选。正例：清晰人声 + beam=1 已能稳定出句。反例：若遇多说话人/嘈杂环境想提升，可调 beam_size=5，但速度明显下降（RTX3090 上约慢 3-5 倍），对本场景收益低。",
-          "_node_help": "faster-whisper 节点（asr）：把 WAV 转写为日语 SRT。\n【关键参数与效果】\n- decode_full=true（默认 false）：无 VAD 整段解码，救回被 silero 当非语音剔除的弱语音/快速讲解/呻吟/混叠人声。\n  正例：savr-1054 全片 115 条 -> 340 条，'说了的话不漏'。\n  反例（false）：弱语音整句消失，字幕出现无端空洞。副作用=无语音段长套话幻觉，已由节点日语幻觉清洗自动移除（连带时间戳整条删除，非 '-' 占位）。\n- vad_filter：decode_full 下被强制 false；独立开启时靠 silero 切语音段，适合纯安静对话，但对 BGM/气声场景会误杀真话。\n- chunk_seconds=60：分块转写，显存有界、块偏移按实际时长累积不漂移、可断点。\n- condition_on_previous_text=false：长音频防重复/漂移（官方建议）。\n- beam_size=1：贪心最快，清晰讲解足够。\n正例：学习视频讲解者轻声带过关键词也能召回。\n反例：开启 VAD 且遇快速讲解/轻微 BGM，弱音节被吞 -> 字幕缺句。"
+          "_note_short_moan_max_chars": "3（默认）：短呻吟/喘息碎片过滤的'有效假名上限'——decode_full 救回的弱语音中混有大量纯语气词碎片（あ…/ん?/はぁ…/んふふ 等），全部字符 ∈ 纯呻吟集合且有效假名数 ≤ 此值即整条删除，字幕不再被呻吟噪声刷屏。正例：呻吟片段 あ…/ん? 被整条删除、字幕清爽；真实短对话 そこ/やばい/ねえ/やだ/えへへ 含非呻吟字符天然命中不了、完整保留（实测 savr-1054 600s：133 条中仅删 14 条纯呻吟，真实长句零误删）。反例：设为 0 则关闭过滤，呻吟碎片重新混入字幕。",
+          "_node_help": "faster-whisper 节点（asr）：把 WAV 转写为日语 SRT。\n【关键参数与效果】\n- decode_full=true（默认 false）：无 VAD 整段解码，救回被 silero 当非语音剔除的弱语音/快速讲解/呻吟/混叠人声。\n  正例：savr-1054 全片 115 条 -> 340 条，'说了的话不漏'。\n  反例（false）：弱语音整句消失，字幕出现无端空洞。副作用=无语音段长套话幻觉，已由节点日语幻觉清洗自动移除（连带时间戳整条删除，非 '-' 占位）。\n- vad_filter：decode_full 下被强制 false；独立开启时靠 silero 切语音段，适合纯安静对话，但对 BGM/气声场景会误杀真话。\n- chunk_seconds=60：分块转写，显存有界、块偏移按实际时长累积不漂移、可断点。\n- condition_on_previous_text=false：长音频防重复/漂移（官方建议）。\n- beam_size=1：贪心最快，清晰讲解足够。\n- short_moan_max_chars=3：短呻吟/喘息碎片过滤阈值（纯呻吟全字符命中且≤N假名才删，真实短对话不命中；0=关闭）。\n正例：学习视频讲解者轻声带过关键词也能召回。\n反例：开启 VAD 且遇快速讲解/轻微 BGM，弱音节被吞 -> 字幕缺句。"
         },
         "inputs": {
           "audio_uri": "extract.audio_uri"