Repository navigation
v2.2.6 — 设置自动化 + 正确性修复 + ASS/LRC 导出
STTMiniTool v2.2.6
本版是一次集中修复与体验升级：两个「玄学」设置项移出设置页改为自动判断（VAD 灵敏度、每段最长秒数），三处正确性修复（CPU 转录取消、长音频说话者标签、GPU 识别提示），并新增 ASS 卡拉OK / LRC 导出、最近转录列表与真实更新检查。全套改动有 75 例单元测试兜底。
✋ OpenVINO 转录可随时取消
此前用 CPU 核心转录长音频时点「取消」，程序会把剩余段落全部跑完才在收尾时报「已取消」——结果被丢弃，时间全浪费。现转录循环在段间检查取消事件（与 CrispASR 引擎同一契约），点击取消立即停止。
👥 长音频说话者标签不再跨片错乱
超过 2 小时的音频走切片转录 + 说话者分离时，每一片独立聚类会导致同一人在片 1 是「说话者1」、片 2 变成「说话者2」。现改由调度层统一分离：逐片提取声纹中心，按 cosine 相似度映射到全局编号，整份字幕同一人始终同一编号。
💬 GPU 引擎的「识别提示」生效了
「识别提示」输入框此前在 CrispASR 引擎下被静默忽略——贴了歌词/关键词毫无效果也不提示。现 whisper / qwen3 两个后端统一传入 --prompt 初始提示（截 500 字，两后端实测接受且不回显）。
🎛️ 设置页精简：两项改自动判断
- 语音检测灵敏度（VAD）→ 自动重试：默认门槛（0.50）没检出人声、但全段最高人声概率达到可信下限（0.18）时，自动逐级降低门槛（0.35 → 0.22）重试——覆盖「说话轻／远场录音被挡掉」这一手动调低设置的主因；真静音／纯音乐不浪费重试，直接给出明确诊断。
- 每段最长秒数 → 任务自适应：勾选「时间轴对齐」时段上限自动压到 10 秒（抑制长段歌词的「段尾字级跑掉」漂移）；不勾则用模型上限（0.6B 30 秒），段更少、吞吐更高。
老用户 settings.json 里的旧键会被忽略，无需手动清理。
🆕 新功能
- 导出格式菜单：保存字幕现支持 SRT / ASS 卡拉OK（字级时间轴 →
\k逐字拍点，播放器直接逐字高亮）/ LRC 歌词 / 纯文本 - 最近转录列表：首页列出
subtitles/最近产出（50 条），点击回填波形视图，可再校对、另存 - 真实更新检查：「检查更新」现通过 GitHub API 比对最新版本，有新版直接打开下载页
- 录制真实时间轴：录制转换导出的 SRT 改用录音内的真实秒数（此前每段固定 5 秒顺排，无法用于同步）
- 卡拉OK逐字弹跳：补完「放大跳动」曲线——字被唱到的瞬间弹起回落、开唱前微抬蓄力（Apple Music 动态歌词风）
⚡ 性能
- VAD 长音频批量推理：时间轴连续分块沿 batch 维并行，60 秒音频 0.37s → 0.11s；阈值判定与逐窗顺序推理完全一致
- 大文件上传流式落盘：转录请求增量解析、音频边收边写盘——拖入几 GB 的视频不再把整份文件读进内存（此前内存峰值 ≥ 2 倍文件大小）
- 前端播放优化：播放/卡拉OK循环去掉全量 DOM 扫描，数千段字幕的长音频不再卡顿
🧱 工程
- 75 例单元测试（
tests/，unittest）：字幕分行、切片合并、SRT 解析、设置存储、流式解析、说话者映射、VAD 等价性等 settings.json收敛为单点读写：线程锁 + 临时文件原子替换，修复并发写丢更新、进程被杀留半截文件两类隐患- 引擎转录改返回结构化结果（
TranscribeResult），移除实例侧通道 - 界面补全 English 翻译覆盖
打包内容：STTMiniTool.exe（onefile，WebView2 界面）+ CrispASR 核心二进制。模型文件不随包附带，首次使用时按需下载。
全部改动经 75 例单元测试与真实语音端到端回归验证：正常音量／6% 音量／噪声混合音频的 VAD 自动重试路径、冻结 EXE 无头自检（
status --json）、切片说话者映射、流式上传边界情况，全部通过。