连续时间线、长音频断点续跑与文件夹批量
现在
常用
截至 11 月 4 日 · 项目源码和配置

这里讲本地这条路:AI 处理选定的长录音,免费期内先上云(见运行与边界),云端用不了或要本地核对时才走这里;文件夹批量本身不上传。两小时录音跑到一半中断,不必把前面全部推倒重来;文件夹批量里即使有一个坏文件,其他已经完成的结果也不会跟着消失。我还能看见时间线有没有漏段,而不是只拿到一篇看似完整的长文。

当前情况:已有长录音分段续作和逐文件处理;公开短样例走通过两段,不代表两小时录音的质量已经验收。

项目技术事实核对于 2026-11-04(北京时间),按当时的 main(4598696)只读核对;具体测试保留各自日期,页面不实时探测运行状态。

项目源码:公开仓库

连续时间线、长音频断点续跑与文件夹批量
现在
常用
截至 11 月 4 日 · 项目源码和配置

这里讲本地这条路:AI 处理选定的长录音,免费期内先上云(见运行与边界),云端用不了或要本地核对时才走这里;文件夹批量本身不上传。两小时录音跑到一半中断,不必把前面全部推倒重来;文件夹批量里即使有一个坏文件,其他已经完成的结果也不会跟着消失。我还能看见时间线有没有漏段,而不是只拿到一篇看似完整的长文。

当前情况:已有长录音分段续作和逐文件处理;公开短样例走通过两段,不代表两小时录音的质量已经验收。

项目技术事实核对于 2026-11-04(北京时间),按当时的 main(4598696)只读核对;具体测试保留各自日期,页面不实时探测运行状态。

项目源码:公开仓库

这项功能怎样使用

用途与实际影响

为什么需要它

一段过长的声音可能超过模型能一次处理的范围,随意切开又会断句或漏掉交界。逐段记录时间和完成状态,才能从中断处可靠继续。

举个实际例子

比如我说“把这段两小时录音从中断处接着跑”。假设第 17 段失败,系统会保留前面已经通过和后续已成功的片段;修复原因后,它认准同一录音与配置,只补失效片段,再重新生成整体正文与覆盖证据,不把旧配置的片段混进来。

最后我会得到什么

交回连续录音哪些时间段已经完成、哪些还缺,及可以阅读的合并正文。只有时间覆盖和各段身份都核对完,才称整段完成。文件夹里以前已经批量转过的录音,之后可以按原音指纹找回那份稿和原来的质量结论,不必为了取稿再转一遍;找回的稿没有可用时间段时,会说明是缺时间,不等于没转过。

结果怎么看
正常时

每段都属于同一录音和设置、时间没有空洞时,交回完整合并结果。

发现问题时

个别段失败时保留其余成功内容和缺口,整段仍标为部分完成。

入口不可用或证据不足时

原音、时长或旧分段身份对不上时不拿旧结果拼接,先恢复正确任务。

这项功能怎样使用

用途与实际影响

为什么需要它

一段过长的声音可能超过模型能一次处理的范围,随意切开又会断句或漏掉交界。逐段记录时间和完成状态,才能从中断处可靠继续。

举个实际例子

比如我说“把这段两小时录音从中断处接着跑”。假设第 17 段失败,系统会保留前面已经通过和后续已成功的片段;修复原因后,它认准同一录音与配置,只补失效片段,再重新生成整体正文与覆盖证据,不把旧配置的片段混进来。

最后我会得到什么

交回连续录音哪些时间段已经完成、哪些还缺,及可以阅读的合并正文。只有时间覆盖和各段身份都核对完,才称整段完成。文件夹里以前已经批量转过的录音,之后可以按原音指纹找回那份稿和原来的质量结论,不必为了取稿再转一遍;找回的稿没有可用时间段时,会说明是缺时间,不等于没转过。

结果怎么看
正常时

每段都属于同一录音和设置、时间没有空洞时,交回完整合并结果。

发现问题时

个别段失败时保留其余成功内容和缺口,整段仍标为部分完成。

入口不可用或证据不足时

原音、时长或旧分段身份对不上时不拿旧结果拼接,先恢复正确任务。

从哪里开始

提交长录音或明确文件夹,要求连续转写或批量处理。

只是想拿回以前批量转过的稿,按原音指纹取回即可,不用重新提交。

需要准备什么
  • 要处理的长录音或文件夹范围
  • 是否需要连续时间线与重要复核
从开始到拿到结果
1系统核对并处理
按原音时间连续分段,在同一身份下复用已验片段;坏文件单独记录,不拖掉其他完成结果。
2交付与接续
交回完成、漏段、失败和待续范围;一篇拼接长文不充当覆盖证明。
从哪里开始

提交长录音或明确文件夹,要求连续转写或批量处理。

只是想拿回以前批量转过的稿,按原音指纹取回即可,不用重新提交。

需要准备什么
  • 要处理的长录音或文件夹范围
  • 是否需要连续时间线与重要复核
从开始到拿到结果
1系统核对并处理
按原音时间连续分段,在同一身份下复用已验片段;坏文件单独记录,不拖掉其他完成结果。
2交付与接续
交回完成、漏段、失败和待续范围;一篇拼接长文不充当覆盖证明。
技术实现与依据(一)
这里保留实现、关键条件、精确入口、历史记录和验证结果。
VAD(语音活动检测) 边界、局部恢复与逐文件隔离已实现;来源已验 42 秒两片,未以此宣称两小时质量通过
关键规则与设计选择
1
续跑前验证输入、模型和分段计划是否相同。
2
分段必须从 0 连续覆盖到音频结束。
3
局部失败不会被整体成功状态吞掉。
4
批量共享模型,不共享文件结果和错误。
5
聚合负向结论要求所有 child 证据都闭合。
当前怎样实现
  • long_audio.py 按 VAD(语音活动检测) 附近边界形成连续时间线;general quality 默认最长 60 秒、最短 20 秒、边界搜索 5 秒,FireRed 建议 35 秒、硬上限 40 秒且包含重叠,不删掉未检测到语音的原区间。
  • 各段的客观结果由 audio_outcome.py 的 aggregate_objective_result 汇总;原来的 arbitration.py 10 月 20 日已删。
  • batch.py 复用 Qwen 批量输入能力并隔离失败项;短音频正常批处理,长文件转可恢复分段,坏文件不会吞掉邻居结果。每个文件另写一份 batch-item.json,记下原音 SHA-256 以及正文、objective 和 raw 结果的路径、大小与 SHA-256,供以后按原音指纹回读(512f443)。
技术实现与依据(一)
这里保留实现、关键条件、精确入口、历史记录和验证结果。
VAD(语音活动检测) 边界、局部恢复与逐文件隔离已实现;来源已验 42 秒两片,未以此宣称两小时质量通过
关键规则与设计选择
1
续跑前验证输入、模型和分段计划是否相同。
2
分段必须从 0 连续覆盖到音频结束。
3
局部失败不会被整体成功状态吞掉。
4
批量共享模型,不共享文件结果和错误。
5
聚合负向结论要求所有 child 证据都闭合。
当前怎样实现
  • long_audio.py 按 VAD(语音活动检测) 附近边界形成连续时间线;general quality 默认最长 60 秒、最短 20 秒、边界搜索 5 秒,FireRed 建议 35 秒、硬上限 40 秒且包含重叠,不删掉未检测到语音的原区间。
  • 各段的客观结果由 audio_outcome.py 的 aggregate_objective_result 汇总;原来的 arbitration.py 10 月 20 日已删。
  • batch.py 复用 Qwen 批量输入能力并隔离失败项;短音频正常批处理,长文件转可恢复分段,坏文件不会吞掉邻居结果。每个文件另写一份 batch-item.json,记下原音 SHA-256 以及正文、objective 和 raw 结果的路径、大小与 SHA-256,供以后按原音指纹回读(512f443)。
技术实现与依据(二)
1
读取音频总时长和目标模型上限。
  • chunk overlap 可配置,但覆盖与边界必须进入结果证据。
  • 复用绑定输入、模型锁、代码、配置与调用身份;单引擎失败保留 provisional 内容,但不作为完整 strict 缓存。只在文本与重叠音频时间共同支持时去重,不删除真实重复说话。
  • transcript_readback 按原音指纹回读批量稿时,逐个核对 batch-item.json 引用文件的大小、SHA-256 和原音身份,对不上就拒收;回传的稿保留原质量,needs_review 和 conflict 照留,不因读到了稿就改成已核对。
执行流程
技术实现与依据(二)
1
读取音频总时长和目标模型上限。
  • chunk overlap 可配置,但覆盖与边界必须进入结果证据。
  • 复用绑定输入、模型锁、代码、配置与调用身份;单引擎失败保留 provisional 内容,但不作为完整 strict 缓存。只在文本与重叠音频时间共同支持时去重,不删除真实重复说话。
  • transcript_readback 按原音指纹回读批量稿时,逐个核对 batch-item.json 引用文件的大小、SHA-256 和原音身份,对不上就拒收;回传的稿保留原质量,needs_review 和 conflict 照留,不因读到了稿就改成已核对。
执行流程
技术实现与依据(三)
2
生成连续 chunk 与必要 overlap。
3
写入任务 manifest(清单) 和每段预期身份。
4
按顺序或受控队列运行每段主/对照引擎。
5
失败时记录分段终态,不删除已完成内容。
6
续跑时验证旧制品后只补缺失段。
7
重新合并各段正文和审计,并检查 0 到结尾覆盖。
技术实现与依据(三)
2
生成连续 chunk 与必要 overlap。
3
写入任务 manifest(清单) 和每段预期身份。
4
按顺序或受控队列运行每段主/对照引擎。
5
失败时记录分段终态,不删除已完成内容。
6
续跑时验证旧制品后只补缺失段。
7
重新合并各段正文和审计,并检查 0 到结尾覆盖。
名词和入口
本模块用到的名词
名词意思
chunk长音频中的连续时间区间,带开始、结束和输入身份。
overlap(重叠)相邻分段共享的一小段音频,用于减少切断语句;聚合时必须去重。
manifest分段计划、状态、模型与输出的唯一恢复清单。
partial(部分完成)有可用分段,但整体覆盖或证据未闭合。
专业定义

长录音切成连续片段稳稳跑完并支持断点续作;批量转写复用已加载模型,但每个文件各算各的,坏一个不拖垮整批。

名词和入口
本模块用到的名词
名词意思
chunk
意思:
长音频中的连续时间区间,带开始、结束和输入身份。
overlap(重叠)
意思:
相邻分段共享的一小段音频,用于减少切断语句;聚合时必须去重。
manifest
意思:
分段计划、状态、模型与输出的唯一恢复清单。
partial(部分完成)
意思:
有可用分段,但整体覆盖或证据未闭合。
专业定义

长录音切成连续片段稳稳跑完并支持断点续作;批量转写复用已加载模型,但每个文件各算各的,坏一个不拖垮整批。

出问题时
解决什么
解决模型时长上限、长任务中断重做、切片交界漏字、旧分段错复用、批量重复加载模型,以及单个文件失败拖垮整个批次的问题。
边界
断点续跑只接受同一输入和配置身份。
成功分段不自动让整体任务变成成功。
重叠区不应在最终正文中重复。
批量模型复用不允许一个文件读取另一个文件的私人正文。
失败与恢复
  • 某个 chunk 模型失败: 保留其他段,标出时间区间和引擎错误,整体降为 partial。
  • manifest(清单) 与当前输入不一致: 拒绝复用旧段,防止把另一文件或旧模型结果拼入。
  • 时间线出现 gap 或越界: 客观覆盖验证失败,不得输出 no_speech_detected 或完整成功。
  • 批量中的一个文件损坏: 该文件单独失败,其余文件继续并保留独立结果。
  • 按原音指纹找批量稿却没有时间段: 返回 gap / timestamps_unavailable 并给出稿件路径,表示有稿、缺可回放的时间,不当成没转过,也不为此重转;真要逐句时间再另外补。
出问题时
解决什么
解决模型时长上限、长任务中断重做、切片交界漏字、旧分段错复用、批量重复加载模型,以及单个文件失败拖垮整个批次的问题。
边界
断点续跑只接受同一输入和配置身份。
成功分段不自动让整体任务变成成功。
重叠区不应在最终正文中重复。
批量模型复用不允许一个文件读取另一个文件的私人正文。
失败与恢复
  • 某个 chunk 模型失败: 保留其他段,标出时间区间和引擎错误,整体降为 partial。
  • manifest(清单) 与当前输入不一致: 拒绝复用旧段,防止把另一文件或旧模型结果拼入。
  • 时间线出现 gap 或越界: 客观覆盖验证失败,不得输出 no_speech_detected 或完整成功。
  • 批量中的一个文件损坏: 该文件单独失败,其余文件继续并保留独立结果。
  • 按原音指纹找批量稿却没有时间段: 返回 gap / timestamps_unavailable 并给出稿件路径,表示有稿、缺可回放的时间,不当成没转过,也不为此重转;真要逐句时间再另外补。
依据与来源
真实入口
  • 分段、manifest(清单)、续跑和覆盖
  • 分段和双模型合并(原来可选的大模型仲裁 10 月 20 日已删)
  • 批量模型复用与逐文件隔离
  • Windows 文件夹批量入口
  • 长音频边界、恢复和覆盖回归
如何验证
  • long_audio、arbitration、batch 进入2026-08-31 的 345 项通过的全量单测(arbitration 及其测试 10 月 20 日已删,这条只是历史)。
  • 覆盖验证测试包含 gap、overlap、子证据和旧 manifest(清单) 身份场景。
  • 9 月 17 日来源 42 秒两切片 FireRed+Qwen、Qwen 对齐与正常 API 有真实公开音频验收(10 月 11 日重读原始回执:42.039375 秒、两段与两次对齐均成功);旧四切片结果保留历史,长篇个人录音与准确率仍未验证。
与其他模块的关系

本模块复用入口模块的 job(任务记录) 和模型模块的 profile;最终分段结果必须交给审计证据模块,涉及说话人时再交给归属模块。

依据与来源
真实入口
  • 分段、manifest(清单)、续跑和覆盖
  • 分段和双模型合并(原来可选的大模型仲裁 10 月 20 日已删)
  • 批量模型复用与逐文件隔离
  • Windows 文件夹批量入口
  • 长音频边界、恢复和覆盖回归
如何验证
  • long_audio、arbitration、batch 进入2026-08-31 的 345 项通过的全量单测(arbitration 及其测试 10 月 20 日已删,这条只是历史)。
  • 覆盖验证测试包含 gap、overlap、子证据和旧 manifest(清单) 身份场景。
  • 9 月 17 日来源 42 秒两切片 FireRed+Qwen、Qwen 对齐与正常 API 有真实公开音频验收(10 月 11 日重读原始回执:42.039375 秒、两段与两次对齐均成功);旧四切片结果保留历史,长篇个人录音与准确率仍未验证。
与其他模块的关系

本模块复用入口模块的 job(任务记录) 和模型模块的 profile;最终分段结果必须交给审计证据模块,涉及说话人时再交给归属模块。

复制 AI 续作说明

项目:连续时间线、长音频断点续跑与文件夹批量;仓库:wlyaaaaa/ChineseASR;范围:整个项目;目标:(这里写这次要做的事)。先读项目的 AGENTS.md 和说明,按现行规则做。

把“目标”换成这次要做的事,整段复制给 AI。