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
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。