feat: 增加完全离线长音频转写

.env.example

@@ -33,7 +33,7 @@ AI_PUBLISH_PROVIDER=codex
 AI_CODEX_PATH=codex
 AI_CODEX_HOME=
 AI_CODEX_MODEL=gpt-5.6-sol
-AI_CODEX_TIMEOUT_SECONDS=300
+AI_CODEX_TIMEOUT_SECONDS=600
 AI_REQUEST_TIMEOUT_SECONDS=120
 
 # 远程 OpenAI-compatible / DeepSeek：文字稿分析
@@ -68,10 +68,22 @@ AI_LOCAL_HEALTH_TIMEOUT_SECONDS=30
 # 语音转写
 # ========================
 
-# volcengine：远程火山引擎；local：本地 faster-whisper。
-TRANSCRIPTION_PROVIDER=volcengine
+# 默认完全离线，本地音频不会上传；火山配置仅保留用于手动回滚。
+TRANSCRIPTION_PROVIDER=local
 TRANSCRIPTION_FALLBACK_PROVIDER=
+TRANSCRIPTION_OFFLINE_ONLY=true
+TRANSCRIPTION_MODEL=large-v3
+TRANSCRIPTION_MODEL_REVISION=edaa852ec7e145841d8ffdb056a99866b5f0a478
+TRANSCRIPTION_MODEL_CACHE_DIR=E:\直播间切片工作流存储\_模型\faster-whisper
+TRANSCRIPTION_LOCAL_FILES_ONLY=true
+TRANSCRIPTION_LANGUAGE=zh
+TRANSCRIPTION_DEVICE=cuda
+TRANSCRIPTION_COMPUTE_TYPE=float16
+TRANSCRIPTION_CPU_FALLBACK_MODEL=medium
+TRANSCRIPTION_CHUNK_SECONDS=120
+TRANSCRIPTION_CHUNK_OVERLAP_SECONDS=5
 
+# 以下值不会在完全离线模式下使用，也不会被自动删除。
 VOLCENGINE_ASR_API_URL=https://openspeech.bytedance.com/api/v3/auc/bigmodel/recognize/flash
 VOLCENGINE_ASR_API_KEY=
 VOLCENGINE_ASR_APP_KEY=
@@ -80,14 +92,6 @@ VOLCENGINE_ASR_RESOURCE_ID=volc.bigasr.auc_turbo
 VOLCENGINE_ASR_TIMEOUT_SECONDS=300
 VOLCENGINE_ASR_AUDIO_FORMAT=mp3
 
-TRANSCRIPTION_MODEL=medium
-TRANSCRIPTION_LANGUAGE=zh
-TRANSCRIPTION_DEVICE=cpu
-TRANSCRIPTION_COMPUTE_TYPE=int8
-TRANSCRIPTION_CPU_FALLBACK_MODEL=medium
-TRANSCRIPTION_CHUNK_SECONDS=120
-TRANSCRIPTION_CHUNK_OVERLAP_SECONDS=5
-
 # ========================
 # 排期与 Windows Chrome Worker
 # ========================

DEVELOPMENT_LOG.md

@@ -1,5 +1,33 @@
 # Development Log
 
+## 2026-09-01 最新任务恢复与本地转写简体化
+
+- 本地 `faster-whisper` 的段落和逐词文本在写入分段 checkpoint 前统一经过 OpenCC `t2s.json`；只转换繁简字形，继续保留“计程车、软体”等台湾用词，英文、数字和时间戳不变。
+- 固定新增 `opencc==1.4.2`；本地转写 checkpoint 模型身份加入 `opencc-t2s-v1`，旧繁体分块不会被新任务静默复用。转写进度 JSON 同步记录实际文本标准化版本。
+- AI 完整性门禁前移到 `AI_ANALYZING`：覆盖率或单元不完整会直接进入 `FAILED_AI_ANALYZING`；`CLIP_SELECTING` 保留二次防护，不会继续生成切片或发布记录。
+- `/api/tasks/{task_id}/process/auto-retry` 在发现计费结果不确定的 AI 单元时先返回结构化 409。任务详情会明确说明风险并要求二次确认；取消时旧 Job 和全部证据保持不变。
+- 输入未变化时，确认后原位重置不确定单元并复用成功 AI checkpoint；transcript 已变化时，从 `AI_ANALYZING` 创建独立新 Job，旧失败 Job 不修改。有任何下游切片或发布记录时继续 fail-closed。
+- Codex 单窗口默认超时由 300 秒调整为 600 秒；新增 transcript 原位转换工具，转换前写入 `transcripts/backups/`，并校验时间戳、行数和 Markdown 结构。
+- 专项回归 `66 passed`、最终完整回归 `825 passed`；Ruff、Python compileall、JavaScript 语法和 `git diff --check` 均通过。`release_gate.ps1` 因当前分支没有正式版 `acceptance-results/latest.json` 按设计拒绝放行；正式服务部署和任务 `614fb38401e0` 的现场恢复继续单独验收。
+- 已把两项代码提交同步到运行工作树 `codex/runtime-offline-transcription-cutover`，项目环境确认安装 `opencc==1.4.2`；运行 `.env` 先备份，再只把 `AI_CODEX_TIMEOUT_SECONDS` 从 300 调整为 600。
+- 活动 SQLite 已通过 Online Backup 保存到 `data/backups/workflow-before-latest-ai-retry-20260901-165534-858701-d0d0492a.sqlite3`；备份及活动库均为 `quick_check=ok`、外键违规 0。恢复前任务无活动 Job、无切片、无发布记录。
+- 任务 `614fb38401e0` 的原 transcript 已备份到任务目录 `transcripts/backups/transcript.before-t2s-20260901-165555.md`，原 SHA-256 为 `d4f17ff7...d09f9d`；原位转换后的 SHA-256 为 `c666a5dc...43f18d`，1407 行、2781 个时间戳和 Markdown 结构保持不变。
+- 只通过 Alter 重启了 `Niuma-Studio` Web：8001 Listener 更新为 PID `151000`，祖先进程落在运行工作树；8765 发布 Worker Listener 仍为 PID `39056`。`/health`、深度 readiness、Scheduler 和 Worker 均健康。
+- 未确认重试先按设计返回 `409 / ai_retry_confirmation_required`；显式确认后创建独立 Job `dec329256a0b`，旧失败 Job `434da2a9bc97` 及证据保持不变。新 AI Run `6c497a6ac3f7` 完成 `18/18` 单元、覆盖率 100%，随后生成 5 个切片并停在 `PENDING_SUBTITLE_REVIEW`；发布记录仍为 0，未触发抖音或 B站投稿。
+
+## 2026-08-31 完全离线长音频转写
+
+- 默认转写 Provider 改为本地 `faster-whisper`，固定 `large-v3@edaa852e / cuda / float16`；`TRANSCRIPTION_OFFLINE_ONLY=true` 时，任务页、自动流水线、重试入口和显式火山请求都会在远程 HTTP 请求前拒绝执行。
+- 新增固定版本模型缓存和 Windows CUDA 运行时管理：模型只从 `E:\直播间切片工作流存储\_模型\faster-whisper` 读取，任务运行中不会偷偷联网下载；当前进程会加载项目 `.venv` 内的 cuBLAS 12 DLL，并复用 CTranslate2 自带的 cuDNN 9。
+- 新增一次性初始化脚本 `scripts/setup_local_transcription.ps1`，锁定下载 `large-v3` GPU 主模型和 `medium` CPU/int8 兜底模型，写入原子模型清单，并支持真实 20 秒音频的 GPU 推理冒烟。
+- 新增 `scripts/benchmark_local_transcription.py`，使用隔离数据库和任务目录执行 10/40 分钟本地验收；支持在指定分块保存 checkpoint 后主动停止，并用同一目录原地续跑，不接触正式任务数据。
+- 保留原 120 秒分块、5 秒重叠和 SQLite checkpoint；checkpoint 在实际 GPU/CPU 模型加载完成后才创建，`transcription_runs.model` 使用带 revision 的模型身份，音频指纹改为完整 SHA-256。
+- `/api/tasks/{id}/transcript-status` 增加离线锁、模型缓存、GPU 和 revision 状态；系统状态页展示完全离线、模型/DLL 就绪度、实际配置设备和外部转写费用 `¥0`，火山配置保留作人工回滚且不删除。
+- 新增离线边界专项回归，覆盖默认 Provider、409 阻断、HTTP 前置拦截、模型缺失、DLL 路径、CPU 兜底、模型 revision 与完整音频指纹；正式 `.env` 和运行中 Web/Worker 尚未切换或重启，等待真实素材验收后再启用。
+- 真实验收已验证主模型 `model.bin` 大小 `3,087,284,237` 字节及官方 SHA-256 `69f74147e3334731bc3a76048724833325d2ec74642fb52620eda87352e3d4f1`；20 秒中文音频 GPU 推理成功，没有退回 CPU。`medium` 兜底模型的 `1,527,906,378` 字节大文件也通过官方 SHA-256 `9b45e1009dcc4ab601eff815b61d80e60ce3fd8c74c1a14f4a282258286b51ae`，并实际以 `cpu / int8` 加载成功；就绪检查同时兼容官方模型使用的 `vocabulary.json` 或 `vocabulary.txt`。
+- 同一份 41 分 18 秒含多人对白和音乐素材，10 分钟样本用时 83.2 秒并输出 336 条；完整素材先在第 1/22 分块后主动中断，再复用该 checkpoint，用时 291.85 秒完成其余分块并输出 1085 条。SQLite 记录为 `large-v3@edaa852e / cuda / float16`、22/22 完成、完整 64 位 SHA-256；运行中转写进程 TCP 连接数为 0，GPU 采样为 65% 且约占 8.1 GB 显存。
+- 已在 `E:\直播间切片工作流存储\_验收\offline-transcription-20260831\41min\spot-checks` 均匀生成 10 个 15 秒试听片段和人工清单；人名、关键对白和剪辑时间点仍待用户试听确认，因此没有切换正式 `.env`，也没有重启 Web/Worker。
+
 ## 2026-08-28 2.1 集成 PR 与 Docker 冒烟修复
 
 - 将当前线性领先 `master` 的 26 个提交完整保留到 `codex/integrate-v2.1-stable`，新增独立空白清理提交并创建顶层集成 PR #60；不 rebase、不 squash，也不自动合并。

NEXT_STEPS.md

@@ -1,5 +1,20 @@
 # Next Steps
 
+## 2026-09-01 最新任务恢复验收
+
+1. [x] 运行工作树已同步代码并固定安装 OpenCC；运行 `.env` 只把 Codex 单窗口超时调整为 600 秒，原配置已备份。
+2. [x] 活动 SQLite、当前 transcript 均已先备份；数据库完整性正常，transcript 已转为仅字形简体且结构保持不变。
+3. [x] 只通过 Alter 重启 `Niuma-Studio` Web；8001 新进程、祖先链、深度 readiness 和 Scheduler 正常，8765 发布 Worker 未重启且健康。
+4. [x] 独立 Job `dec329256a0b` 已完成，AI 覆盖率 `18/18（100%）`，生成 5 个切片并停在 `PENDING_SUBTITLE_REVIEW`；旧失败 Job 保留，发布记录为 0。
+5. 下一步由用户在任务详情页人工审核字幕和切片。不要点击立即发送，也不要创建或修改抖音/B站排期；PR #72 等 CI 通过后仍需用户确认才可合并。
+
+## 2026-08-31 完全离线转写验收与启用
+
+1. 固定版本 cuBLAS 12、`large-v3` 主模型和 `medium / CPU / int8` 兜底模型均已初始化并通过加载校验；20 秒、10 分钟和完整 41 分钟 GPU 验收均通过，完整素材续跑约 4 分 52 秒完成并成功复用第一个 checkpoint。
+2. 打开 `E:\直播间切片工作流存储\_验收\offline-transcription-20260831\41min\spot-checks\README.md`，依次试听 10 个 15 秒片段，核对人名、关键对白和剪辑起止点；第 6、10 段已标出需要重点确认的疑似人名/背景声识别。
+3. 只有人工试听确认后，才把正式 `.env` 切换为本地离线配置，并在记录进程、端口和健康状态后受控重启 Web/Worker。当前正式服务仍保持原状。
+4. 回滚时只需恢复旧 `TRANSCRIPTION_PROVIDER` 并设置 `TRANSCRIPTION_OFFLINE_ONLY=false`；不要删除火山配置、E 盘模型缓存、历史 transcript 或 SQLite checkpoint。
+
 ## 2026-08-28 2.1 集成收口
 
 1. 等待 PR #60 的 Linux、Windows 与 Docker 三组 CI 全部通过；Docker 页面冒烟必须确认 `/`、`/tasks`、`/clips`、`/publish` 均返回成功。

THIRD_PARTY_NOTICES.md

@@ -30,6 +30,12 @@
 - 许可证：MIT License。
 - 本项目锁定运行时版本 `pysubs2==1.9.0`；完整许可证保存在 `third_party_licenses/pysubs2-LICENSE.txt`。
 
+## OpenCC 1.4.2
+
+- 项目：https://github.com/BYVoid/OpenCC
+- 用途：把本地 faster-whisper 的繁体字形输出转换为简体字形；本项目使用 `t2s.json`，不做词汇本地化。
+- 许可证：Apache License 2.0；本项目通过 `opencc==1.4.2` 安装包使用，安装包内包含完整许可证。
+
 ## wavesurfer.js 7.12.11
 
 - 项目：https://github.com/katspaugh/wavesurfer.js

app/core/config.py

@@ -2,6 +2,12 @@
 import os
 from pathlib import Path
 
+from app.core.transcription_defaults import (
+    CPU_FALLBACK_TRANSCRIPTION_MODEL,
+    PRIMARY_TRANSCRIPTION_MODEL,
+    PRIMARY_TRANSCRIPTION_MODEL_REVISION,
+)
+
 
 PROJECT_ROOT = Path(__file__).resolve().parents[2]
 EXTERNAL_STORAGE_ROOT = Path(r"E:\直播间切片工作流存储")
@@ -88,7 +94,7 @@ class Settings:
     ai_codex_path: str = _env("AI_CODEX_PATH", "codex")
     ai_codex_home: str = _env("AI_CODEX_HOME", "")
     ai_codex_model: str = _env("AI_CODEX_MODEL", "gpt-5.6-sol")
-    ai_codex_timeout_seconds: int = int(_env("AI_CODEX_TIMEOUT_SECONDS", "300"))
+    ai_codex_timeout_seconds: int = int(_env("AI_CODEX_TIMEOUT_SECONDS", "600"))
 
     ai_analysis_remote_base_url: str = _env_first(
         ("AI_ANALYSIS_REMOTE_BASE_URL", "AI_REMOTE_BASE_URL"),
@@ -221,13 +227,26 @@ class Settings:
     ai_windows_wsl_setup_acknowledged: str = _env("AI_WINDOWS_WSL_SETUP_ACKNOWLEDGED", "true")
     ai_model_context_window: int = int(_env("AI_MODEL_CONTEXT_WINDOW", "1000000"))
     ai_model_auto_compact_token_limit: int = int(_env("AI_MODEL_AUTO_COMPACT_TOKEN_LIMIT", "900000"))
-    transcription_provider: str = _env("TRANSCRIPTION_PROVIDER", "volcengine")
+    transcription_provider: str = _env("TRANSCRIPTION_PROVIDER", "local")
     transcription_fallback_provider: str = _env("TRANSCRIPTION_FALLBACK_PROVIDER", "")
-    transcription_model: str = _env("TRANSCRIPTION_MODEL", "medium")
+    transcription_offline_only: bool = _env_bool("TRANSCRIPTION_OFFLINE_ONLY", True)
+    transcription_model: str = _env("TRANSCRIPTION_MODEL", PRIMARY_TRANSCRIPTION_MODEL)
+    transcription_model_revision: str = _env(
+        "TRANSCRIPTION_MODEL_REVISION",
+        PRIMARY_TRANSCRIPTION_MODEL_REVISION,
+    )
+    transcription_model_cache_dir: Path = _env_path(
+        "TRANSCRIPTION_MODEL_CACHE_DIR",
+        _env_path("STORAGE_ROOT", EXTERNAL_STORAGE_ROOT) / "_模型" / "faster-whisper",
+    )
+    transcription_local_files_only: bool = _env_bool("TRANSCRIPTION_LOCAL_FILES_ONLY", True)
     transcription_language: str = _env("TRANSCRIPTION_LANGUAGE", "zh")
-    transcription_device: str = _env("TRANSCRIPTION_DEVICE", "cpu")
-    transcription_compute_type: str = _env("TRANSCRIPTION_COMPUTE_TYPE", "int8")
-    transcription_cpu_fallback_model: str = _env("TRANSCRIPTION_CPU_FALLBACK_MODEL", "medium")
+    transcription_device: str = _env("TRANSCRIPTION_DEVICE", "cuda")
+    transcription_compute_type: str = _env("TRANSCRIPTION_COMPUTE_TYPE", "float16")
+    transcription_cpu_fallback_model: str = _env(
+        "TRANSCRIPTION_CPU_FALLBACK_MODEL",
+        CPU_FALLBACK_TRANSCRIPTION_MODEL,
+    )
     transcription_chunk_seconds: int = int(_env("TRANSCRIPTION_CHUNK_SECONDS", "120"))
     transcription_chunk_overlap_seconds: int = int(_env("TRANSCRIPTION_CHUNK_OVERLAP_SECONDS", "5"))
     volcengine_asr_api_url: str = _env(

app/core/transcription_defaults.py

@@ -0,0 +1,15 @@
+"""离线语音转写的固定模型与版本。"""
+
+PRIMARY_TRANSCRIPTION_MODEL = "large-v3"
+PRIMARY_TRANSCRIPTION_MODEL_REPOSITORY = "Systran/faster-whisper-large-v3"
+PRIMARY_TRANSCRIPTION_MODEL_REVISION = "edaa852ec7e145841d8ffdb056a99866b5f0a478"
+PRIMARY_TRANSCRIPTION_MODEL_BIN_SIZE = 3_087_284_237
+PRIMARY_TRANSCRIPTION_MODEL_BIN_SHA256 = "69f74147e3334731bc3a76048724833325d2ec74642fb52620eda87352e3d4f1"
+
+CPU_FALLBACK_TRANSCRIPTION_MODEL = "medium"
+CPU_FALLBACK_TRANSCRIPTION_MODEL_REPOSITORY = "Systran/faster-whisper-medium"
+CPU_FALLBACK_TRANSCRIPTION_MODEL_REVISION = "08e178d48790749d25932bbc082711ddcfdfbc4f"
+CPU_FALLBACK_TRANSCRIPTION_MODEL_BIN_SIZE = 1_527_906_378
+CPU_FALLBACK_TRANSCRIPTION_MODEL_BIN_SHA256 = "9b45e1009dcc4ab601eff815b61d80e60ce3fd8c74c1a14f4a282258286b51ae"
+
+WINDOWS_CUBLAS_PACKAGE = "nvidia-cublas-cu12==12.9.2.10"

app/models/settings.py

@@ -1,6 +1,13 @@
 from urllib.parse import urlsplit
 
-from pydantic import BaseModel, Field, field_validator
+from pathlib import Path, PureWindowsPath
+
+from pydantic import BaseModel, Field, field_validator, model_validator
+
+from app.core.transcription_defaults import (
+    PRIMARY_TRANSCRIPTION_MODEL,
+    PRIMARY_TRANSCRIPTION_MODEL_REVISION,
+)
 
 
 _LOCAL_AI_HOSTS = {"localhost", "127.0.0.1", "::1", "host.docker.internal", "host.containers.internal"}
@@ -46,10 +53,32 @@ class AIConfigUpdate(BaseModel):
     ai_codex_path: str = Field(default="codex", max_length=1000)
     ai_codex_home: str = Field(default="", max_length=1000)
     ai_codex_model: str = Field(default="gpt-5.6-sol", max_length=200)
-    ai_codex_timeout_seconds: int = Field(default=300, ge=10, le=1800)
+    ai_codex_timeout_seconds: int = Field(default=600, ge=10, le=1800)
 
-    transcription_provider: str = Field(default="volcengine", pattern="^(volcengine|local)$", max_length=20)
+    transcription_provider: str = Field(default="local", pattern="^(volcengine|local)$", max_length=20)
     transcription_fallback_provider: str = Field(default="", pattern="^(|volcengine|local)$", max_length=20)
+    transcription_offline_only: bool = Field(default=True)
+    transcription_model: str = Field(
+        default=PRIMARY_TRANSCRIPTION_MODEL,
+        pattern=r"^[A-Za-z0-9._/-]+$",
+        max_length=200,
+    )
+    transcription_model_revision: str = Field(
+        default=PRIMARY_TRANSCRIPTION_MODEL_REVISION,
+        pattern=r"^[0-9a-f]{40}$",
+        max_length=40,
+    )
+    transcription_model_cache_dir: str = Field(
+        default=r"E:\直播间切片工作流存储\_模型\faster-whisper",
+        max_length=2000,
+    )
+    transcription_local_files_only: bool = Field(default=True)
+    transcription_device: str = Field(default="cuda", pattern="^(cuda|cpu|auto)$", max_length=20)
+    transcription_compute_type: str = Field(
+        default="float16",
+        pattern="^(float16|int8_float16|int8|float32|auto)$",
+        max_length=30,
+    )
     volcengine_asr_api_url: str = Field(default="", max_length=2000)
     volcengine_asr_api_key: str = Field(default="", max_length=4096)
     volcengine_asr_app_key: str = Field(default="", max_length=4096)
@@ -113,6 +142,25 @@ def reject_control_characters(cls, value):
     def validate_volcengine_url(cls, value: str) -> str:
         return _validate_http_url(value, https_only=True)
 
+    @field_validator("transcription_model_cache_dir")
+    @classmethod
+    def validate_transcription_model_cache_dir(cls, value: str) -> str:
+        text = value.strip()
+        if not text or not (Path(text).is_absolute() or PureWindowsPath(text).is_absolute()):
+            raise ValueError("本地转写模型缓存目录必须是绝对路径")
+        return text
+
+    @model_validator(mode="after")
+    def validate_offline_transcription_policy(self):
+        if self.transcription_offline_only:
+            if self.transcription_provider != "local":
+                raise ValueError("完全离线转写开启时，转写方式必须为 local")
+            if self.transcription_fallback_provider not in {"", "local"}:
+                raise ValueError("完全离线转写开启时，不能配置远程转写兜底")
+            if not self.transcription_local_files_only:
+                raise ValueError("完全离线转写开启时，必须只读取本地模型文件")
+        return self
+
     @field_validator(*_REMOTE_URL_FIELDS)
     @classmethod
     def validate_remote_url(cls, value: str) -> str: