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
5.2 KiB
5.2 KiB
专有名词（不应直译）处理表
对于日语字幕的"日 → 中文"翻译，片假名专有名词（人名、品牌、角色名、 产品或道具名）是 LLM 误译的重灾区：模型常按罗马音/读音硬译，产生 "芒果"（ジンゴ）这类与原文无对应、甚至语义荒谬的结果。
下表依据日语-中文翻译的通用规则 + 字幕场景实测整理。当待翻译字幕
中出现表中"日文原文"时，应向翻译提示词动态注入对应规则（见
nodes/proper_nouns.py 的 build_proper_noun_rule），让 LLM 正确处理。
规则类别（处理策略）
| 类别 | 处理方式 | 示例 |
|---|---|---|
| 人名 | 音译（保留姓氏/称谓），不直译字面义 | カンタくん → 康太君 / 坎塔君 |
| 品牌/产品名 | 保留原文或使用约定译名 | ニトリ → 尼达利 / ニトリ |
| 角色/道具专名 | 保留原文或按上下文意译，禁止按读音硬译 | ジンゴ → 保留"Jingo/ジンゴ"，勿译"芒果" |
| 拟声/拟态词 | 用中文对应拟声词，不直译 | グリグリ → 钻、搅动 |
| 外来语缩写 | 还原英文含义而非音译 | リラックス → 放松（非"丽拉库斯"） |
专名表（日文原文 → 处理建议 → 说明）
| 日文原文 | 音频读音 | 中文处理建议 | 说明（来源/原因） |
|---|---|---|---|
| ジンゴ | jingo | 保留原文"ジンゴ/Jingo"，或按上下文意译为角色/道具名 | 实测被误译"芒果"（4500s）。片假名专名，勿按读音硬译 |
| マンゴー | mango | 保留"マンゴー/Mango"；仅当确指水果作"芒果" | 品牌/专名可能，注意与"芒果"同音误译 |
| カンタくん | kanta-kun | 音译"康太君/坎塔君" | 人名（3803s），勿留日文或直译 |
| 松井 | matusui | 松井（姓氏，汉字保留） | 人名，参考字幕确认"松井小姐" |
| ひな子 | hinako | 日奈子 / 雏子 | 人名（参考字幕"松井日奈子"） |
| カリン | karin | 果林 / 花梨 | 人名（参考字幕"北冈果林/果林前辈"） |
| 北岡 | kitaoka | 北冈（汉字保留） | 人名 |
| 権藤 | gondo | 权藤 / 昆藤 | 人名（参考"医务室长权藤"） |
| 金山 | kanayama | 金山（汉字保留） | 人名（参考"金山先生"） |
高频"伪专名"（拟声/口语，勿按字面直译）
| 日文 | 正确中文处理 | 错误直译（勿用） |
|---|---|---|
| パンパン | 鼓胀、饱满、涨满 | 砰砰 |
| グリグリ | 用力碾/钻、搅动 | 咕噜咕噜 |
| チンポ | 肉棒/鸡巴（俗语） | 金宝（音译） |
| ビクビク | 一颤一颤、哆嗦 | 比库比库 |
| ヌルヌル | 滑溜溜、黏糊糊 | 奴鲁奴鲁 |
| ビンビン | 硬邦邦、精神十足 | 宾宾 |
| マット | 垫子（借词） | 马特 |
| リラックス | 放松（借词） | 丽拉库斯 |
| ララ | （含语音节）保持原文/按语境 | 拉拉 |
用法
翻译节点 nodes/llm.py 的 translate_lines 在组装系统提示词时，调用
nodes/proper_nouns.py 的 build_proper_noun_rule(terms)，把"若字幕中出现
下表专名 → 附加对应翻译规则"的指令拼入提示词；匹配基于原文文本包含判断，
未命中时不注入（避免干扰普通翻译）。
成人语境隐语/俗称表（新增，实测来源）
AV/成人内容字幕中，LLM 最易按字面直译造成严重错译。以下为高频隐语， 翻译时应按"实际含义"的常用中文翻译处理：
| 日文原文 | 读音 | 实际含义 | 对应中文常用翻译 |
|---|---|---|---|
| マンゴー | Mango | 女性生殖器 | 小穴、鲍鱼、妹妹（若谐音梗可保留"芒果"） |
| バナナ | Banana | 男性生殖器 | 肉棒、鸡鸡、老二（画面打码可译"香肠"） |
| リンゴ | Ringo | 睾丸（阴囊） | 蛋蛋（若出自"淫梦"梗可保留"苹果"并注释） |
| ちんぽう | chinpou | 男性生殖器 | 阳具、鸡巴（粗俗） |
| ちんちん | chinchin | 男性生殖器 | 小鸡鸡（委婉，对应童语） |
| 金玉 | kintama | 睾丸 | 蛋蛋、睾丸（正式） |
| にくつぼ | nikutsubo | 女性生殖器 | 肉洞、蜜穴（偏文学性）；小穴（口语） |
| おまんこ | omanko | 女性生殖器 | 小穴、阴部 |
| おそそ | ososo | 女性生殖器 | 那里、下面（委婉） |
| オチンチン | ochinchin | 男性生殖器 | 小弟弟（常用）；网络流行语可直译"欧金金" |
| ほんばん | honban | 真实插入的性行为 | 真枪实弹、来真的、本番（音译） |
| すまた | sumata | 股间摩擦（不插入） | 素股（音译最常用）、腿交、磨大腿 |
| せいかん | seikan | 户外/野外性行为 | 野战、户外做爱 |
| エッチ | etchi | 性行为/色情的 | 做爱、嘿咻、H（音译） |
| アヘ顔 | ahegao | 高潮时翻白眼吐舌的表情 | 阿黑颜（音译）、高潮脸、失神脸 |
以上隐语仅在成人/色情语境成立。若文本语境明确为普通水果/物品（如菜谱、 生活对话），仍按字面翻译。规则注入时结合"成人隐语"提示，交由 LLM 判断语境。
代码实现见 nodes/proper_nouns.py 的 ADULT_EUPHEMISMS 表与
build_proper_noun_rule。