2 Commits

Include renames

Author	SHA1	Message	Date
cat-shark	4d2823c005	fix: 短时重复伪影也整条删除（判据补重复次数上限） ... 真实产物里出现 3.7 秒的 cue 被同一个假名填满 111 次（`は`×111），此前判据要求 "时长 ≥15 秒"才删，于是它漏到翻译层，最终变成 56 个"哈"进中文成品字幕。 - 判据改为：重复段占正文 ≥70% 且重复 ≥6 次，并且**时长 ≥15 秒或重复 ≥20 次**。 - 短条走"极端重复"档：真实呻吟的重复次数实测 ≤15（ぇ×15 占 3.2 秒），不会误删。 - 测试数据取自真实产物（A 的日语转写里那条 112 字短伪影）。	2026-09-18 23:41:32 +08:00
cat-shark	3f4478523e	fix: whisper 重复伪影整条删除，避免翻译层空响应失败 ... whisper 在单个窗口内卡住重复时会把一个单元写满整条 cue（实测 30 秒整、重复 74–446 次，如 `チン`×111）。这类正文会让下游 LLM 跟着循环、把输出预算耗在思考上， 最终 `content` 返回空串并报 `translation alignment failed … Expecting value: line 1 column 1 (char 0)`；它也可能直接渲染成超长字幕行。 - `nodes/subtitle_cleanup.py` 新增 `remove_repetition_entries`：**纯模式判据、无字符 词表**——展示时长 ≥15s 且同一 1–6 字单元连续重复 ≥6 次且覆盖正文 ≥70% 的 cue 整条 删除；真实短促呻吟（`ぇ`×15、`ああああああ`）靠时长区分，零误删。 - `nodes/whisper.py` 在转写产出处应用该清洗（VAD 开关都生效，它与套话幻觉无关）。 - 真实数据验证：本地全部真实转写 3605 条 cue 只删 5 条 30 秒伪影；对照实验同批次 伪影截短后 5/5 成功、原样 1/5。	2026-09-18 22:23:25 +08:00