cat-shark
4746e0363f
为视频生成 VR 双眼字幕的单体实现：FastAPI 后端、调度器与全部节点 （提音/转写/翻译/ASS/抽帧/OCR/LLM 过滤）在单进程内运行。 - 节点协议（wov_sdk 数据模型）与分布式版保持一致，预留回退桥梁 - 工作流即数据：DAG 存于 workflows/*.json，模型/链路改动只改数据 - 调度器：拓扑顺序执行、断点续跑（产物重建）、任务暂停/继续 - 抽帧按帧间隔（select 按帧号精确取帧），VLM OCR 与 LLM 过滤使用 自适应线程池弹性并发，并打印数据处理速度进度日志 - 100% 行覆盖率（pytest --cov-fail-under=100）
46 lines
1.5 KiB
Markdown
46 lines
1.5 KiB
Markdown
# 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](./AGENTS.md)。
|
||
|
||
## 快速开始
|
||
|
||
```bash
|
||
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
|
||
|
||
```bash
|
||
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。
|