cat-shark
5b263171f2
- 待办：会话式长上下文方案标记为已技术评审且不实施；补记问题 A 的阶段性结论（暂缓） - 新增 docs/实验数据-字幕审校定位与修复实验.md：LLM 定位触发率/召回、合成正样本、逐条修复前后对照、成本与复现方式 - 新增 docs/实验数据-字幕重生成成本与耗时.md：单价口径、功率画像、全量推算 - decisions：补充两条决策（会话式长上下文否决、审校定位+定向修复暂缓） - scripts：归档一次性探测脚本 probe_subtitle_review_stage0.py（含 rebuild 子步骤） - AGENTS/README：补充实验与改动许可规则、文档索引
12 KiB
12 KiB
设计决策与踩坑记录
本文件记录"为什么这样做"：模型/参数选择的实测依据、历史事故与踩坑。 当前生效的规则以对应专题文档为准（本文件只解释理由）：
- 节点参数与默认值：node-protocol.md
- 工作流与模型配置：workflows.md / configuration.md
- 代码缺陷与修复过程：代码审查问题跟踪.md
帧文件必须按帧号数值排序（14236 帧事故）
- 现象：run_339ec7ee437f 的 14236 帧任务中，字幕时间与图像错位。
- 根因：ffmpeg
%04d编号超过 9999 帧后扩为 5 位，字典序sorted()会把 5 位编号排在 4 位之前。 - 结论：帧文件必须按帧号数值排序读取（
_sorted_frame_files）， 回归测试见test_frame_files_read_order_matches_frame_number。
glm-ocr 重复循环问题与源头修复
- 根因：glm-ocr 生成阶段存在已知 bug（M-RoPE delta 未传递，大图触发
重复循环；GitHub #454 / #16892）。
keep_alive与其无关（实测无效）。 - 修复路径（现行防护措施见
node-protocol.md）：
frame-extract裁切后把帧压缩到 720p 内——过大输入图是触发条件之一。vlm请求体加repeat_penalty+num_predict压制重复。subtitle-ocr用max_result_chars把超长输出判为异常并跳过该帧。
llm-filter 的 LLM 分类层默认关闭
- 决策（2026-09）：
llm-filter只跑确定性规则层，LLM 五类分类层默认关闭 （use_llm=0），需显式use_llm=1才启用。 - 依据（run_ac7f480a3ccb 逐类人工审查）：LLM 层额外删除的 131 条中
56%（73 条）是真实对话（
好好教育她一番吧/腿不要合上/这家医院 为VIP患者提供了特殊服务），而它真正抓住而规则层抓不到的仅 58 条且大半可正则化（已下沉到规则层）；repeat类别 67 条判定零删除； 长文本保护等五套机制全在给不稳定分类器兜底。 - 效果：关闭后真实数据保留 863 条（旧 588 条）、误删真对话 0 条 （旧 73 条）、无 LLM 调用。
- 启用时保留的机制：每条连同前后各
context_size（默认 10）条过滤后 文本判断（上下文净化），≥min_keep_len（默认 12）时 noise 不构成删除依据 （长文本保护），429/5xx 指数退避 + 自适应线程池report_failure()降并发后 重试一轮，判定成功即追加filter_partial.jsonl断点存档；按文本去重。 - 复现：
scripts/regenerate_filter_ac7f480a3ccb.py， 回归数据tests/nodes/test_llm_filter/data/ocr_srt_run_ac7f480a3ccb.srt。
翻译模型默认值切换与 subtitle-correction 例外
- 默认切换（2026-09）：
LLM_MODEL由Qwen/Qwen3.6-35B-A3B改为Qwen/Qwen3.5-35B-A3B——同片 2 小时日语 ASR 全量对比，质量持平、 0.232 s/行（评测中最快）。 - 例外：
subtitle-correction节点有意保留旧兜底Qwen/Qwen3.6-35B-A3B——该节点错听泛化实测新模型 0/4、旧模型 4/4 （复现：同一误听场景各跑 4 次），见tests/test_llm_default_model.py。 - 评测数据：
data/experiments/translate_models/REPORT.md， 工具链scripts/bench_translate_models.py等。
whisper large-v2 vs large-v3 切换
- 决策（2026-09）：通用转写模型从 large-v3
切到
faster-whisper-large-v2。 - 依据：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。
- 数据：
data/experiments/whisper_v2_vs_v3/， 脚本scripts/compare_whisper_v2_vs_v3.py， 调研记录 调研-whisper漏句与decode_full验证.md。
VR 字幕景深与遮挡方案选型
- 结论：采用 A-1 零视差（字幕固定在屏幕平面，不做景深偏移）+
B-1 顶部安全区（
an8顶部居中，margin_top默认 700）， 并用半透明填充 + 半透明描边降低遮挡感。 - 调研全文：VR双目字幕景深与遮挡调查报告.md。
批量任务先写明细再排队（CREATING 状态）
- 现象：新建批量任务后偶发任务被标 COMPLETED、
done=0/N，剩余视频永远不再 被处理（例：batch_ac585c5458de唯一明细还 PENDING 而任务已 COMPLETED）。 - 根因：
create_job先把任务行以 QUEUED 入库（此时引擎就看得见），再逐条登记 明细（扫描媒体库时 500+ 条要数秒）；引擎轮询到的快照可能没包含剩余明细，收尾时 “无未结束明细”检查也看不到它们，于是把任务标 COMPLETED。 - 结论：任务行改以
CREATING入库，明细全部登记完才置 QUEUED（引擎只取 QUEUED）；登记中途异常置 FAILED 并抛给路由；启动时把上一进程遗留的 CREATING 统一置 FAILED（fail_creating_batch_jobs），避免静默残留。 - 旧数据修复：
scripts/fix_zombie_batch_jobs.py仍用于处理历史 “COMPLETED 但仍有未结束明细”的脏数据。回归测试见test_batch.py的test_job_hidden_from_engine_until_details_written。
批量流水线按 GPU 资源调度（而不是按"是否云端"分支）
- 现象：LLM 走线上端点时翻译阶段不占显存，但组内阶段仍是"先全部提音、再全部 转写、再全部翻译"的串行推进，翻译期间 GPU 全程空闲（实测 19.6W / 272MiB， 占整轮挂钟约 40%）。
- 结论：阶段能否启动只看资源。
wov_app.resources.stage_gpu_need_mb给出每个 阶段的显存需求（whisper 按权重 ×1.45、本机 LLM 端点按预留、线上端点为 0）， 进程内GpuGate负责准入：不需要 GPU 的阶段立刻放行（转写与线上翻译并行）； 需要 GPU 的阶段互斥，并按"阶段索引最小者优先"派发，组内因此仍是先跑完全部转写 再进翻译——本机 Ollama 模型每组只加载一次，行为与旧实现一致。 - 为什么不是"配置分支"：代码不判断端点是不是云端，只读"这个阶段要不要占 GPU、现在够不够"。同一份代码在本机模型下自动退化为串行、在线上模型下自动并行。
- 降级：探测不到
nvidia-smi时退化为 GPU 阶段互斥（与串行结果一致）； 局域网地址上的本机 Ollama 需用WOV_LOCAL_MODEL_HOSTS声明，否则会被当成远端。 - 并发写：流水线多线程写产物/进度，SQLite 开 WAL + busy timeout
（
WOV_DB_BUSY_TIMEOUT_SECONDS）。
翻译"会话式长上下文"方案否决
- 决定（2026-09 技术评审）：不实现"翻译阶段复用会话上下文 + 文件夹级共享上下文 + 150k 触发压缩"方案，见 待办-翻译上下文复用与语义纠错.md。
- 前提不成立：该方案预期"长上下文能让模型发现语义不顺从而修掉 ASR 误听"，但
同一份待办文档记录的两次实验（
subtitle-correction节点 ±60s 上下文、加强提示词 A/B）全部失败。误听句在字面上语法通顺、局部自洽，语境里没有声学证据，模型没有 改写依据——加长上下文只增加同类证据。 - 成本：会话式每批重发全部历史，输入随批数二次增长；该档 Qwen 在 SiliconFlow
价格表"缓存价格"列为
-（无 cached-input 折扣），前缀缓存无法抵消。按实测口径 （批均约 880 tokens、其中输入 529 / 输出 350；434 行/素材小时 ≈ 22.5 批/小时） 推算：1.2 小时视频约 3.3×、3 小时视频约 6.5×、15 小时文件夹约 70×（约 ¥30/文件夹）， 剩余 187 小时素材由 ¥5.5–9.4 升到约 ¥300–400。 - 阈值踩计费档：
>150k 触发越过[128k,+∞)档（输入 ¥0.4→¥1.6、输出 ¥3.2→¥12.8，整请求按该档计价），压缩阈值必须低于 128k，长上下文方案的收益结构 与计费结构天然冲突。 - 与既有设计冲突：文件夹会话是跨 run 的可变共享状态，与"节点只通过产物 URI 交换数据、每 run 独立产物目录"的不变式、与批量"非 GPU 阶段并行"的调度成果、与 "暂停后整节点重跑、不留半成品"的暂停契约都要冲突，需要新增会话存储子系统并扩展 暂停/幂等语义。
- 未决的替代方向：问题 A 更可能在 ASR 侧修（
word_timestamps已产出的词级probability/avg_logprob目前未被任何节点使用；低置信度片段 + 文件夹级热词initial_prompt二次解码等），但尚未评审决定，需要时另行提方案与代价。 - 实测来源：
data/experiments/regen_plan/app_cloud_run.log（每批 tokens）、 实验数据-字幕重生成成本与耗时.md、 SiliconFlow 价格页[0,128k)/[128k,+∞)分档。 - 字幕审校（定位+定向修复）的实测结论：见 实验数据-字幕审校定位与修复实验.md
字幕审校（定位+定向修复）方案暂缓
- 决定（2026-09）：不实施"LLM 定位问题 cue + 定向修复该 cue"的翻译审校节点，
也不改造现有
subtitle-correction节点。实测数据见 实验数据-字幕审校定位与修复实验.md。 - 有效的部分：术语/忠实性类问题（词表违背、译文与日文不一致、称呼跳变）定位与
修复都成立（例：
阴道→小穴；"生来的里面插着生来的玩具"→"小鸡鸡插进了小穴里"）， 合成正样本定位召回 11/14 = 79%，增量成本约 +¥0.04/素材小时（全量约 +¥7）。 - 无效的部分：
字面通顺但语义错（问题 A，ASR 听岔成正常句子）。实测把中文、 日文原文、邻句、系列词表全部给 LLM：- 定位：只给中文时三条已知问题 cue 召回 0/3；加上日文也只到 1/3 （三条出问题的共性是中文读起来完全通顺，模型没有怀疑动机）；
- 修复：三条目标依次改成"声音传送到身体里""继续吃""已经完全进去了"，
全部保留错译；且出现无依据脑补（
お腹鸣っちゃう"肚子饿了"→"小穴要湿了"）。
- 原因判定：不是上下文给得不够，而是当前 LLM 能力不足以从错误的日文原文 反推真实含义——能依据的日文本身是错的，模型只能沿错译换词。这与待办文档里 记录的前两次失败实验（纠错节点、加强提示词 A/B）结论一致。
- 副产品结论：① 硬规则（近音匹配）泛化不了——严格口径漏报（目标 0/3），
宽松口径 48.6% 全是假阳性；② 系列自身的译法并不一致（同一个
おなほ被译成 "自慰套/手办/小鼻鼻/嘴"），所以"文件夹级上下文"的价值真实存在，但惯用译名 靠挖掘挖不出来，需要人工或强约束固定。 - 若将来重开：方向应从翻译侧挪回 ASR 侧（只审日文、给候选读法；先建场景再对照）， 那里才有声学证据；具体三个可测方向见实验文档第六节。
相关文档
- 当前生效的参数与协议：node-protocol.md
- 实验数据（成本/耗时、审校定位实验）：实验数据-字幕重生成成本与耗时.md、实验数据-字幕审校定位与修复实验.md
- 运维语义与批量流程：operations.md
- 缺陷 ID 与验收标准：代码审查问题跟踪.md