cat-shark
a032855210
两部分同属字幕质量优化，共用 llm.py 翻译链路：
1) 长时寒暄幻觉词清洗（nodes/subtitle_cleanup.py）
对展示时长超过阈值（默认 15s，实测 30s 幻觉占位 vs 2s 真实词的分界）
且文本含收尾/开场寒暄（晚安、感谢观看等）的字幕，文本替换为 '-'，
由后续过滤流程移除；短时寒暄（如剧情中真实互道晚安）保留不误删。
写文件前调用 。
2) 专名/隐语不直译（nodes/proper_nouns.py）
片假名专名（人名/品牌/角色）与成人语境隐语是 LLM 误译重灾区：
- ジンゴ 被误译成'芒果'、カンタくん 被保留日文而非音译；
- マンゴー/バナナ/リンゴ/金玉/おまんこ/ちんちん 等在色情语境中
是生殖器官代称，字面直译严重错译。
整理三张规则表（专名/拟声词/成人隐语，用户提供隐语表），
检测原文命中后动态注入翻译提示词，
让 LLM 按正确语义处理。文档见 docs/proper_nouns.md。
测试（红→绿）：
- tests/test_hallucination_mask.py：长时掩码/短时保留/非寒暄保留/阈值边界
- tests/test_proper_nouns.py：专名命中/拟声词/成人隐语/真实数据集成
- 真实 LLM 集成测试（完整 1440 行翻译 + 清洗 + 专名注入）通过
121 lines
6.8 KiB
Python
121 lines
6.8 KiB
Python
"""专有名词与隐语（不应直译）处理规则。
|
||
|
||
日语字幕"日 → 中文"翻译中，两类词是 LLM 误译重灾区：
|
||
1. **片假名专有名词**（人名/品牌/角色/道具名）：模型常按读音硬译
|
||
（如 ジンゴ → "芒果"），产生与原文无对应的荒谬结果。
|
||
2. **成人语境隐语/俗称**（AV/色情内容的委婉说法）：模型常按字面直译
|
||
（如 マンゴー → 芒果、バナナ → 香蕉、金玉 → 金玉），实际这些词在
|
||
色情语境中是生殖器官或性行为的代称。
|
||
|
||
本模块维护三张规则表（专名、拟声/口语、成人语境隐语），并提供规则构建
|
||
函数 build_proper_noun_rule，供翻译节点在系统提示词中动态注入，让 LLM
|
||
按正确语义处理。
|
||
|
||
处理策略（详见 docs/proper_nouns.md）：
|
||
- 人名：音译（保留姓氏/称谓），不直译字面义；
|
||
- 品牌/产品名：保留原文或使用约定译名；
|
||
- 角色/道具专名：保留原文或按上下文意译，禁止按读音硬译；
|
||
- 拟声/拟态词：用中文对应拟声词，不直译；
|
||
- **成人语境隐语：按"实际含义"的常用中文翻译处理，禁止字面直译**。
|
||
|
||
匹配基于"原文文本是否包含专名"判断，未命中时不注入规则（避免干扰普通
|
||
翻译）。纯函数，可独立测试（tests/test_proper_nouns.py）。
|
||
"""
|
||
|
||
from __future__ import annotations
|
||
|
||
# 一、专名表：{日文原文: (中文处理建议, 说明)}。
|
||
# 命中即注入对应指令。
|
||
PROPER_NOUNS: dict[str, tuple[str, str]] = {
|
||
# 角色/道具专名：勿按读音硬译
|
||
"ジンゴ": ("保留原英文'Jingo'或按上下文意译；禁止译作'芒果'",
|
||
"实测被误译'芒果'（4500s），片假名专名"),
|
||
"マンゴー": ("保留'マンゴー/Mango'；仅当确指水果时译'芒果'",
|
||
"与'芒果'同音易误译，见成人隐语表"),
|
||
# 人名：音译，勿留日文
|
||
"カンタくん": ("音译'康太君/坎塔君'，勿保留'カンタ君'", "人名（3803s）"),
|
||
"松井": ("保留'松井'（姓氏汉字）", "人名，参考'松井小姐'"),
|
||
"ひな子": ("音译'日奈子/雏子'", "人名，参考'松井日奈子'"),
|
||
"カリン": ("音译'果林/花梨'", "人名，参考'北冈果林'"),
|
||
"北岡": ("保留'北冈'（姓氏汉字）", "人名"),
|
||
"権藤": ("音译'权藤/昆藤'", "人名，参考'医务室长权藤'"),
|
||
"金山": ("保留'金山'（姓氏汉字）", "人名，参考'金山先生'"),
|
||
}
|
||
|
||
# 二、高频"伪专名"（拟声/口语）：勿按字面直译
|
||
ONOMATOPOEIA: dict[str, tuple[str, str]] = {
|
||
"パンパン": ("按语境译'鼓胀、饱满、涨满'", "勿译'砰砰'"),
|
||
"グリグリ": ("用力碾/钻、搅动", "勿译'咕噜咕噜'"),
|
||
"チンポ": ("按上下文译为俗语（肉棒/鸡巴）", "勿音译'金宝'"),
|
||
"ビクビク": ("一颤一颤、哆嗦", "勿译'比库比库'"),
|
||
"ヌルヌル": ("滑溜溜、黏糊糊", "勿译'奴鲁奴鲁'"),
|
||
"ビンビン": ("硬邦邦、精神十足", "勿译'宾宾'"),
|
||
"マット": ("垫子（日语借词）", "勿译'马特'"),
|
||
"リラックス": ("放松（外来语还原含义）", "勿音译'丽拉库斯'"),
|
||
}
|
||
|
||
# 三、成人语境隐语/俗称：{日文原文: (实际含义, 对应中文常用翻译, 说明)}。
|
||
# 这些词在色情语境中是生殖器官/性行为的代称，LLM 若按字面直译会严重错译。
|
||
# 结构：词条 -> (实际含义, 常用中文翻译, 补充说明/约束)
|
||
ADULT_EUPHEMISMS: dict[str, tuple[str, str, str]] = {
|
||
# 水果谐音/形状类（画面常见比喻）
|
||
"マンゴー": ("女性生殖器", "小穴、鲍鱼、妹妹；若为谐音梗可保留'芒果'",
|
||
"与'マンコ'同音，直译'芒果'为常见误译"),
|
||
"バナナ": ("男性生殖器", "肉棒、鸡鸡、老二；画面打码可译'香肠'",
|
||
"水果形状比喻，直译'香蕉'错误"),
|
||
"リンゴ": ("睾丸（阴囊）", "蛋蛋；若出自'淫梦'梗可保留'苹果'并加注释",
|
||
"食物比喻，直译'苹果'错误"),
|
||
# 物品比喻类
|
||
"ちんぽう": ("男性生殖器", "阳具、鸡巴（粗俗）", "与'珍宝(ちんぽう)'谐音"),
|
||
"ちんちん": ("男性生殖器", "小鸡鸡（委婉）", "小朋友用语，女优常用来装可爱"),
|
||
"金玉": ("睾丸", "蛋蛋、睾丸（正式）", "直译'金玉'会让人摸不着头脑"),
|
||
"にくつぼ": ("女性生殖器", "肉洞、蜜穴（偏文学性）；小穴（口语）",
|
||
"字面'肉壶'，实为色情比喻"),
|
||
"おまんこ": ("女性生殖器", "小穴、阴部（正式/粗俗）", "最常用称，勿照搬"),
|
||
"おそそ": ("女性生殖器", "那里、下面（委婉）", "儿童语/婉语，直译会破坏语气"),
|
||
"オチンチン": ("男性生殖器", "小弟弟（常用）；网络流行语可直译'欧金金'",
|
||
"与'欧金金'同源网络梗"),
|
||
# 状态/动作类
|
||
"ほんばん": ("真实插入的性行为", "真枪实弹、来真的、本番（音译）",
|
||
"AV 术语，勿直译'本番'为'正本'"),
|
||
"すまた": ("股间摩擦（不插入）", "素股（音译最常用）、腿交、磨大腿",
|
||
"AV 术语"),
|
||
"せいかん": ("户外/野外性行为", "野战、户外做爱", "字面'青姦'，勿照搬"),
|
||
"エッチ": ("性行为/色情的", "做爱、嘿咻、H（音译）", "通用隐语，勿直译'H'"),
|
||
"アヘ顔": ("高潮时翻白眼吐舌的表情", "阿黑颜（音译）、高潮脸、失神脸",
|
||
"网络亚文化词，直译'阿嘿脸'外行"),
|
||
}
|
||
|
||
|
||
def build_proper_noun_rule(terms: str | list[str]) -> str | None:
|
||
"""根据待翻译文本中的专名/隐语，构建翻译提示词片段。
|
||
|
||
参数 terms: 待翻译的原文行（字符串列表或整体文本）。
|
||
返回注入提示词的规则字符串；若原文未命中任何专名/隐语则返回 None
|
||
（不注入，避免干扰普通翻译）。
|
||
"""
|
||
if isinstance(terms, str):
|
||
joined = terms
|
||
else:
|
||
joined = "\n".join(terms)
|
||
|
||
rules: list[str] = []
|
||
for token, (advice, reason) in PROPER_NOUNS.items():
|
||
if token in joined:
|
||
rules.append(f" 日文'{token}'：{advice}（{reason}）。")
|
||
for token, (advice, reason) in ONOMATOPOEIA.items():
|
||
if token in joined:
|
||
rules.append(f" 日文'{token}'：{advice}（{reason}）。")
|
||
for token, (meaning, cn, note) in ADULT_EUPHEMISMS.items():
|
||
if token in joined:
|
||
rules.append(
|
||
f" 日文'{token}'是成人语境隐语（实际含义：{meaning}），"
|
||
f"请译为'{cn}'，切勿按字面直译。{note}。"
|
||
)
|
||
|
||
if not rules:
|
||
return None
|
||
return (
|
||
"注意以下专有名词/隐语按规则处理（不要按读音或字面硬译）：\n"
|
||
+ "\n".join(rules)
|
||
) |