 cat-shark
|
5c12bbcb74
|
fix: 翻译批内行数错位（内容-时间错位）+ system_prompt 元组 bug
根因（真实任务 run_51242078d76e）：
1. LLM 按 CHUNK_SIZE=20 分批翻译时，对语义碎片句（如单独的助词/名词/
语气词）偶发多拆/少拆一行，translate_lines 无条件 extend 导致：
- 多行 -> 后续所有字幕文本整体错位，时间戳从原文复制、文本却错贴时间；
- 少行 -> invoke 末尾补空导致该条内容缺失。
程序按时戳看不出问题，实际"内容对错时间"（如第756条"好像喜欢害羞
的样子"错贴 3805s，实为"恥ずかしいのが好きみたいなので"的译文）。
2. system_prompt 圆括号内出现 f-string 赋值导致隐式字符串拼接失效，
整体变成 tuple，json 序列化后 content 是数组 -> LLM API 400。
修复：
- 提示词强化：逐行独立翻译 + 碎片句按语境独立成行 + 禁止合并/拆分；
- _repair_batch：多行末尾合并到前一行、少行重试该批（最多3次）仍不足
补空串占位（宁缺勿错位），保证译文与原文逐条时间对齐；
- system_prompt 显式 + 拼接为单个字符串。
测试（先红后绿）：
- test_translate_lines_aligns_extra_line：多行合并对齐
- test_translate_lines_aligns_missing_line：少行重试补齐
- test_translate_lines_pads_after_retries_exhausted：重试耗尽补空
- test_pipeline_zh_cn_timetext_alignment：真实 LLM 完整 1440 行逐条对齐
pyproject.toml: 注册 integration marker
|
2026-09-05 19:36:47 +08:00 |
|