108 lines
2.8 KiB
Markdown
108 lines
2.8 KiB
Markdown
# 代码清理总结
|
||
|
||
## 清理目标
|
||
以 `main.py` 的流程为主，删除其他文件中的未使用代码。
|
||
|
||
## 当前流程（main.py）
|
||
|
||
```
|
||
阶段 1: 说话人分离 (3D-Speaker)
|
||
↓
|
||
清理 CUDA 缓存
|
||
↓
|
||
阶段 2: ASR 识别 + 合并结果
|
||
```
|
||
|
||
## 清理内容
|
||
|
||
### 1. asr_service.py
|
||
|
||
**删除的功能**:
|
||
- ❌ `use_3d_speaker` 参数及相关逻辑（已在 main.py 中手动处理）
|
||
- ❌ `_merge_diarization_segments()` 方法（未使用）
|
||
- ❌ `_map_asr_to_speaker()` 方法（已在 main.py 中内联实现）
|
||
|
||
**保留的功能**:
|
||
- ✅ `recognize()` - 基础 ASR 识别
|
||
- ✅ `_parse_result()` - 解析识别结果
|
||
- ✅ `export_to_json()` / `export_to_srt()` - 导出功能
|
||
|
||
**修改说明**:
|
||
- ASR 识别结果中的默认说话人统一设为 `speaker_0`
|
||
- 不再在 ASR 服务内部调用 3D-Speaker
|
||
|
||
### 2. map_speaker.py
|
||
|
||
**删除的功能**:
|
||
- ❌ `find_speaker()` 函数（已在 main.py 中内联实现）
|
||
- ❌ `main()` 函数（过时的示例代码）
|
||
|
||
**保留的功能**:
|
||
- ✅ `load_json()` - 加载 JSON 文件
|
||
- ✅ `save_json()` - 保存 JSON 文件
|
||
|
||
### 3. example_usage.py
|
||
|
||
**修改内容**:
|
||
- 更新输出示例中的说话人格式：`SPEAKER_00` → `speaker_0`
|
||
- 保持示例代码的参考价值
|
||
|
||
### 4. 删除的文件
|
||
|
||
- ❌ `test_staged.py` - 临时测试脚本
|
||
- ❌ `test_model_load.py` - 临时测试脚本
|
||
|
||
## 核心逻辑（main.py）
|
||
|
||
### 阶段 1: 说话人分离
|
||
```python
|
||
diar_service = DiarizationService()
|
||
diar_service._load_model()
|
||
|
||
for video in videos:
|
||
wav = extract_wav(video)
|
||
segments = diar_service.diarize(wav)
|
||
save_json(temp_file, {"segments": segments})
|
||
```
|
||
|
||
### 阶段 2: ASR 识别 + 合并
|
||
```python
|
||
asr_service = ASRService()
|
||
asr_service._load_model()
|
||
|
||
for video in videos:
|
||
asr_sentences = asr_service.recognize(wav)
|
||
|
||
# 合并说话人（只使用 3D-Speaker 结果）
|
||
for sentence in asr_sentences:
|
||
matched_speaker = 查找最大重叠的说话人
|
||
if matched_speaker:
|
||
sentence.speaker = matched_speaker
|
||
else:
|
||
sentence.speaker = "speaker_0"
|
||
|
||
export_to_json(output_file, asr_sentences)
|
||
```
|
||
|
||
## 优势
|
||
|
||
1. **逻辑清晰**: 只在一个地方（main.py）处理说话人合并
|
||
2. **避免重复**: 删除了多处重复的说话人对齐逻辑
|
||
3. **易于维护**: 核心流程集中在 main.py，服务类只负责基础功能
|
||
4. **统一格式**: 所有说话人标签统一为 `speaker_0`, `speaker_1`, ...
|
||
|
||
## 文件依赖关系
|
||
|
||
```
|
||
main.py
|
||
├── asr_service.py (基础 ASR 识别)
|
||
├── diarization_service.py (说话人分离)
|
||
└── map_speaker.py (JSON 工具函数)
|
||
```
|
||
|
||
## 未清理的文件
|
||
|
||
- `server.py` - Web API 服务（独立功能）
|
||
- `test_asr.py` - 测试脚本（可保留）
|
||
- `example_usage.py` - 示例代码（已更新）
|