89 lines
1.8 KiB
Markdown
89 lines
1.8 KiB
Markdown
# WOV API
|
||
|
||
## 启动
|
||
|
||
```powershell
|
||
cd wov-api
|
||
uv sync
|
||
uv run uvicorn app.main:app --reload
|
||
```
|
||
|
||
启动后：
|
||
|
||
```text
|
||
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
|
||
|
||
```bash
|
||
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`：
|
||
|
||
```bash
|
||
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：
|
||
|
||
```powershell
|
||
$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：
|
||
|
||
```powershell
|
||
cd wov-node-whisper
|
||
uv add faster-whisper
|
||
```
|
||
|
||
设置模型路径：
|
||
|
||
```powershell
|
||
$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：
|
||
|
||
```powershell
|
||
$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
|
||
|
||
```powershell
|
||
uv run pytest
|
||
```
|
||
|
||
测试必须保持 100% 行覆盖率。
|