已接受（Accepted，2026-08-18）
2026-08-18
v0.3.0 需要打开"视频文件导入"第二入口（REQ-015：ffmpeg 提取音轨 + 关键帧）与字幕优先转写（REQ-016/017/018：外挂/内嵌字幕探测，命中则免 ASR 零成本 100% 准确）。同时 课堂采集链路技术审查（[ ] 已归档） 发现 3 个真实缺陷（时间戳三基准不一致、ASR 句起时间戳近似、引擎池串行阻塞）与 3 个可即取优化（头脑风暴 T2 多帧投票 / P4 OCR 输入缩小 / P3 语音画面互斥调度简化版）。
约束：
- 本地优先：字幕解析/提取必须纯本地；AI 仅作可选增强（本版无 AI）
- 环境限制：本机无 ffmpeg；存在 TLS 拦截（rustls 下载失败、PowerShell 走 Windows 证书库正常）——预编译二进制下载须走 PowerShell 脚本（与 sherpa-archive/ort 同方案）
- 不新增第三方 crate（在线依赖风险）；GBK 解码复用已有
windowscrate（补 Win32_Globalization feature） - 数据模型变更最小化：本版不迁移 sessions 表（融合状态用内存标记）
- 解析顺序：
ENTROPY_FFMPEG_DIR环境变量（测试注入）→ 捆绑目录src-tauri/ffmpeg/（ffmpeg.exe + ffprobe.exe，gitignore 不入库）→ 系统 PATH - 捆绑下载：
scripts/download-ffmpeg.ps1（PowerShell Invoke-WebRequest，绕 TLS 拦截；用户手动执行，与模型下载脚本同模式） - 缺失降级：音轨提取/关键帧/内嵌字幕轨（L2）报可操作错误（引导下载或安装）；外挂字幕（L1）纯文本解析不依赖 ffmpeg，始终可用
- 子进程调用安全：命令参数全走
Command数组（不经 shell，防注入）；有界等待（超时 kill）；输出目录限定应用数据目录
- L1 外挂字幕：视频同目录同名
.srt/.ass/.vtt探测（多命中按扩展名优先级 vtt>srt>ass 取一）；编码探测：UTF-8 严格解码成功即用，失败回退 GBK（CP936，Windows API 解码）；纯文本解析为SubtitleSegment（毫秒时间轴） - L2 内嵌字幕轨：
ffprobe -select_streams s探测 → 命中则ffmpeg -map 0:s:0 -f srt -解出为标准 SRT 流 → 复用 L1 解析器；ffmpeg 缺失时报可操作错误 - 优先策略：L1 命中 → 字幕直出转写（免 ASR）；否则 L2；再否则 ASR fallback（分窗转写，见决策 4）；关键帧 OCR 始终执行（画面要点与转写独立）
- 混合模式（字幕 + ASR 同存时融合）由既有
merge_transcript支持，本版不主动混跑（命中即免 ASR，REQ-016 验收口径）
- REQ-031 异步融合的"融合中"状态由
LiveSessionManager内存HashSet<i64>维护，不加 sessions 表字段 - 理由：融合任务随应用运行期存在，跨重启无意义；ADR-006 派生表（V1.0）落地时自然取代，避免本版 schema 迁移
- 事件契约：
session:fusing（开始）→session:fused（成功）→session:fusion-failed（失败，原段保留）
| 项 | 方案 |
|---|---|
| A1 时间戳统一 | 会话纪元 epoch: Instant 在 run_session 起点创建，注入音频捕获线程/屏幕 worker/flush 三处，全部 epoch.elapsed() |
| A2 句起时间戳 | 编排层跟踪 Final 后首个非静音块时间戳作为句起，替代 end-2000ms 近似 |
| A3 引擎池拆分 | EnginePool 内部拆 ASR/OCR 双 worker 线程（各持单一模型，API 不变，请求并行） |
| A4 分窗转写 | 导入音频按 30s 窗切分逐窗离线转写，产真实时间戳段 + 进度事件 |
| B1 多帧投票（T2） | SubtitleTracker 改造为样本累积 + 字符级多数投票，字幕切换/停止时输出校正文本（替换"编辑距离 ≤1 合并跳过"语义） |
| B2 OCR 输入缩小（P4） | 字幕裁剪区宽 >960px 时最近邻缩小后再送 OCR |
| B3 语音/画面互斥（P3 简化） | 会话线程按 RMS 写共享 speech_active 标志；静音期全帧采样提频（每 2 tick），语音期维持字幕区为主 |
- 优点：实现最简单
- 缺点：目标用户（技能自学者）多数不装 ffmpeg，导入功能不可用即失败；与"开箱即用"产品承诺冲突
- 决策：否决，采用捆绑 + 探测双路径
- 优点：零外部二进制
- 缺点：无关键帧提取/内嵌字幕能力；新增依赖在 TLS 拦截环境有下载风险；能力与 REQ-015/017 验收不符
- 决策：否决（未来若捆绑体积成为问题再评估）
- 优点：跨重启可见
- 缺点：schema 迁移成本；语义与 ADR-006 派生表重叠；V1.0 即废弃
- 决策：否决，内存标记足够（本版事件驱动刷新）
- 优点：零改动
- 缺点：权威源单帧错误无法纠正，融合/笔记全链路污染
- 决策：否决（T2 收益明确且纯逻辑可单测）
- ffmpeg 双路径（捆绑+PATH）在"开箱即用"与"体积/分发可控"间取平衡；L1 纯文本解析保证无 ffmpeg 时核心字幕能力仍可用（本地优先降级原则）
- 字幕优先三级降级是市场主流方案（通义听悟等）且成本为零（命中免 ASR）
- 内存融合标记避免本版 schema 变更，与 ADR-006 演进路径一致
- 技术审查 A/B1-B3 七项优化全部低风险可单测，直接改善权威源质量与实时链路性能，符合"自底向上、小步快跑"节奏
- 视频导入成为实时捕获之后的第二入口；有字幕视频零成本 100% 准确转写
- 时间轴统一后融合 gap 判断与详情页对齐准确（历史会话不追溯）
- 引擎池并行后实时链路 OCR 不再阻塞重打分；导入长转写不阻塞实时 OCR
- 字幕 OCR 质量提升（投票纠错）+ 性能提升（输入缩小）
- 捆绑 ffmpeg 需新增下载脚本与 gitignore 条目（体积 ~80MB，用户按需执行）
- T2 投票延迟字幕段落库最多一个去重窗（3s）——实时落库语义弱化为近实时
- A1 统一纪元涉及 audio_loopback / dxgi 采样 / live_session 三处签名变更（测试面扩大）
- ffmpeg 静态版下载源稳定性（BtbN/gyan.dev）——脚本内置多镜像回退
- GBK 解码仅 Windows 生效（本应用 Windows-only，无影响）
- 静音误判（低音量课程）→ 全帧提频成本：由变化检测兜底，成本可控
-
cargo test：字幕三格式解析、编码探测（UTF-8/GBK）、投票函数、调度器自适应、命令构建（防注入）、分窗规划、无字幕短路、融合状态流转 - 无 ffmpeg 机器：L1 字幕导入可用；音轨提取报可操作错误
- 有字幕视频导入：字幕直出转写（source=subtitle），免 ASR（日志验证）
- 无字幕视频导入：分窗 ASR 段带真实时间戳（无 -2000ms 近似）
- 实时会话停止：停止 <100ms 返回；无字幕会话短路（日志验证）；有字幕会话
session:fused后详情刷新为融合轴 - 导入进行中实时捕获不卡顿（引擎池并行验证）
- ADR-001/002/003/004/005/007: 实时捕获链路既有决策（本 ADR 在其上扩展文件链路与质量优化）
- ADR-006: 派生视图（V1.0；融合状态内存标记届时被派生表取代）
- REQ-015/016/017/018/031/034: 需求池（v0.3.0）