cat-shark
a8fe133aa4
解决转写漏句（有人说话但没识别出来）问题：silero VAD 对呻吟/轻语/BGM 混叠声学切段能力天然不足，把真话当非语音剔除（实测 savr-1054 全片仅 召回 115 条）。新增 decode_full 参数（默认 false 保持 VAD 现状）： - decode_full=true 时强制无 VAD 整段解码 + 跳过自动 VAD 分析，救回被 剔除的弱语音（savr-1054 全片 115 条 → 340 条） - 副作用是长时寒暄套话幻觉（おやすみなさい/ご視聴ありがとうございま した 等），whisper 转录后连带时间戳整条删除（clean_japanese_ha lllucinations），不留下 '-' 占位污染下游（占位会渲染进 ASS 成减号） - llm-translate 翻译后同样整条删除中文长时寒暄幻觉（clean_srt_text） - 短时（≤15s）相同词可能是剧情真实道晚安，保留（15s 阈值实测校准） - subtitle_cleanup 由 '-' 占位式改为整条删除式 + 剩余重编号，新增 JAPANESE_HALLUCINATION_TOKENS 词表 新增工作流 learn-translate（学习资料转译+翻译字幕）示范 decode_full 用法，并确立参数标注约定：params._note_<参数名> 存放设定理由与正反例、 _node_help 放节点参数手册（_ 前缀说明键，节点执行时忽略，零运行影响）。 调研记录见 docs/调研-whisper漏句与decode_full验证.md（A/B 实验、结论 修正与 5 个待决问题）。
VRSub
为视频生成 VR 双眼字幕的单体应用：API、调度器与全部节点在同一进程内运行， 单仓库、单环境、单命令启动。由原分布式 WOV 多仓库合并而来，详细约定见 AGENTS.md。
快速开始
uv sync
uv run uvicorn wov_app.main:app --reload
访问 http://127.0.0.1:8000/ 上传视频，自动执行"提音 → 转写 → 翻译 → ASS"。
- 模型权重本地优先：把 whisper 模型放在
model/faster-whisper-large-v3（含model.bin）即可完全离线运行。 - LLM 翻译默认使用 SiliconFlow（
Qwen/Qwen3.6-35B-A3B），API Key 放在 gitignored 的.env（LLM_API_KEY=sk-...），启动时自动加载；也可用LLM_API_BASE/LLM_MODEL环境变量覆盖。
目录
| 路径 | 说明 |
|---|---|
src/wov_sdk/ |
协议数据模型（与分布式版兼容） |
src/wov_app/ |
应用层：API、注册表、调度器、数据库 |
nodes/ |
进程内节点实现（echo/ffmpeg/whisper/llm/ass） |
manifests/ |
节点清单 JSON |
web/ |
静态前端 |
model/ |
本地模型权重（gitignored） |
data/ |
SQLite 与存储（gitignored） |
tests/ |
测试（100% 行覆盖率） |
测试
uv run pytest
与分布式版的关系
- 协议数据模型、工作流 DAG 数据化、调度拓扑执行保持不变。
- 已移除：子进程节点、节点 HTTP 协议、节点注册/实例管理、TTL 回收。
- 未来回退分布式时，只需为
registry.invoke重新加上进程边界。