cat-shark
f2895ee103
背景：成人视频 ASR 常把性器官（チンポ/マンコ）听错成近音词（手先/ チェーンバー 等），翻译逐字直译导致与画面严重不符。 实验结论： - 硬编码 ASR 误听例子（手先→肉棒）过拟合——换视频的误听词就失效； - 通用领域词表（只列性器官的常见日文词+中文）+ 有效上下文 + 通用引导 可泛化——对从没见过的误听（バナナ/マンゴー→性器官）也能按语境推断。 实现 nodes/subtitle_correction.py： - PROPER_SESSION_WORDS：通用性器官领域词表（不含 ASR 误听噪声词） - _is_fragment：纯语气词/碎片过滤 - _build_context：目标 ±60s 有效上下文（过滤碎片，保留动作链） - _system_prompt：通用引导（无具体误听例子） - _extract_target_line：从 LLM 输出解析目标行译文 - invoke：逐条领域纠错，产出 corrected.srt 测试 tests/test_subtitle_correction.py（12 个）： - 碎片判定/上下文过滤/目标解析/提示词无噪声例子（9 快速单测） - 真实 LLM 泛化回归（对未出现误听词也能推断性器官）+ 端到端 invoke
19 lines
424 B
JSON
19 lines
424 B
JSON
{
|
|
"id": "subtitle-correction",
|
|
"name": "Subtitle Domain Correction",
|
|
"version": "0.1.0",
|
|
"capability": "subtitle-correction",
|
|
"repo_dir": "nodes",
|
|
"command": ["python", "-m", "subtitle_correction"],
|
|
"env": {},
|
|
"input_schema": {
|
|
"srt_uri": "file"
|
|
},
|
|
"output_schema": {
|
|
"srt_uri": "file"
|
|
},
|
|
"max_concurrency": 1,
|
|
"idle_ttl_seconds": 300,
|
|
"health_timeout_seconds": 10,
|
|
"keep_warm": false
|
|
} |