wov-api/README.md

WOV API

启动

cd wov-api
uv sync
uv run uvicorn app.main:app --reload

启动后：

http://127.0.0.1:8000/          用户端
http://127.0.0.1:8000/admin.html 管理后台
http://127.0.0.1:8000/docs       API 文档

首次启动会自动注册 wov-node-* 下的节点，并创建并发布 demo 视频字幕工作流。

Linux 运行

cd wov-api
uv sync
uv run uvicorn app.main:app --host 0.0.0.0 --port 8000

Linux 上 ffmpeg 可用系统包安装，节点也会自动使用节点仓库自己的 .venv/bin/python：

sudo apt install ffmpeg

如果不想安装系统 ffmpeg，wov-node-ffmpeg 的 imageio-ffmpeg 依赖会提供内置二进制。

M5 视频字幕依赖

FFmpeg

确保 ffmpeg 在 PATH 中，或设置：

$env:FFMPEG_BIN="C:\path\to\ffmpeg.exe"

Faster-Whisper

节点会优先使用节点仓库自己的 .venv，所以在 wov-node-whisper 中安装：

cd wov-node-whisper
uv add faster-whisper

设置模型路径：

$env:WHISPER_MODEL_PATH="C:\models\faster-whisper-large-v3"

未设置时默认使用 large-v3，需要能联网下载 Hugging Face 模型。

LLM 翻译

在启动 wov-api 的终端设置 OpenAI 兼容接口：

$env:LLM_API_BASE="http://192.168.123.70:8080/v1/chat/completions"
$env:LLM_MODEL="default"

该接口无需 key；如不使用当前默认接口，再按需设置 LLM_API_BASE 和 LLM_API_KEY。

使用

1. 打开 http://127.0.0.1:8000/。
2. 在“视频字幕生成”中上传视频。
3. 页面会轮询任务进度。
4. 完成后下载 cn_srt 和 ass 两个产物。

测试

uv run pytest

测试必须保持 100% 行覆盖率。