feat: CCA 唱词助手子项目 v3 — 脚本版流水线完成

新增 cca/ 子项目：编导A稿+人声音频 → ASR+AI校对+AI折行 → 5段SRT字幕。
- 讯飞录音文件转写标准版（热词注入）
- DeepSeek AI校对（严格纪律：只改错别字/术语/填充词，不润色）
- DeepSeek AI折行（语义断句，≤14字/行）
- 节目结构自动切分（导视/正片×3/预告）
- 绝对时间戳SRT输出（大洋系统兼容）

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>

cca/cca_pipeline.py

@@ -0,0 +1,152 @@
+# -*- coding: utf-8 -*-
+"""
+CCA 唱词助手 — 脚本版流水线入口
+
+用法:
+    # 完整流程: A稿热词 + ASR + AI校对 + AI折行 → 5个SRT
+    python cca_pipeline.py --audio data/xxx.mp3 --script data/xxx.docx
+
+    # 手动指定热词
+    python cca_pipeline.py --audio data/xxx.mp3 --hotwords "热词1|热词2"
+
+    # 跳过ASR，从缓存处理（调试折行/校对用）
+    python cca_pipeline.py --asr-cache output/asr_raw.json --script data/xxx.docx
+
+    # 省token模式（不用AI折行和校对）
+    python cca_pipeline.py --asr-cache output/asr_raw.json --no-ai
+
+流水线:
+    A稿 → 热词提取 → 音频+热词 → 讯飞ASR → AI校对 → 节目结构切分 → AI折行 → 5个SRT
+"""
+
+import argparse
+import json
+import os
+import sys
+from pathlib import Path
+
+sys.path.insert(0, str(Path(__file__).parent / "src"))
+
+from asr_client import transcribe, parse_result
+from line_breaker import process_sentences
+from ai_line_breaker import process_sentences_with_ai
+from srt_writer import write_srt, ms_to_srt_time
+from segment_splitter import split_into_segments
+from hotword_extractor import extract_hotwords
+from ai_proofreader import proofread_batch
+
+
+def main():
+    parser = argparse.ArgumentParser(description="CCA 唱词助手 - 自动生成拍词 SRT")
+    parser.add_argument("--audio", type=str, help="音频文件路径 (mp3/wav)")
+    parser.add_argument("--script", type=str, help="A稿路径 (.docx/.txt)，用于热词提取和AI校对")
+    parser.add_argument("--hotwords", type=str, default="", help="手动指定热词，用|分隔（与--script可叠加）")
+    parser.add_argument("--asr-cache", type=str, help="ASR 缓存 JSON 路径（跳过ASR调用）")
+    parser.add_argument("--output-dir", type=str, default="output", help="输出目录 (默认: output/)")
+    parser.add_argument("--no-ai", action="store_true", help="不使用AI折行和校对（省token）")
+    parser.add_argument("--no-proofread", action="store_true", help="跳过AI校对（只省校对的token）")
+    args = parser.parse_args()
+
+    if not args.audio and not args.asr_cache:
+        parser.error("必须提供 --audio 或 --asr-cache")
+
+    output_dir = Path(args.output_dir)
+    output_dir.mkdir(parents=True, exist_ok=True)
+    use_ai = not args.no_ai
+
+    # ====== Step 0: 热词提取（从A稿）======
+    hot_words = []
+    script_text = ""
+
+    if args.hotwords:
+        hot_words = [w.strip() for w in args.hotwords.split("|") if w.strip()]
+
+    if args.script:
+        print(f"[流水线] 从A稿提取热词: {args.script}")
+        script_hot = extract_hotwords(args.script, use_ai=use_ai)
+        # 合并手动热词和A稿热词
+        seen = set(hot_words)
+        for w in script_hot:
+            if w not in seen:
+                hot_words.append(w)
+                seen.add(w)
+
+        # 读取A稿全文（校对用）
+        ext = os.path.splitext(args.script)[1].lower()
+        if ext == ".docx":
+            from hotword_extractor import read_docx_text
+            script_text = read_docx_text(args.script)
+        else:
+            from hotword_extractor import read_text_file
+            script_text = read_text_file(args.script)
+
+    if hot_words:
+        print(f"[流水线] 热词共 {len(hot_words)} 个: {', '.join(hot_words[:10])}...")
+        # 保存热词列表
+        hotwords_path = output_dir / "hotwords.txt"
+        with open(hotwords_path, "w", encoding="utf-8") as f:
+            f.write("|".join(hot_words))
+
+    # ====== Step 1: ASR 转写 ======
+    if args.asr_cache:
+        print(f"[流水线] 从缓存加载 ASR 结果: {args.asr_cache}")
+        with open(args.asr_cache, "r", encoding="utf-8") as f:
+            raw_json = f.read()
+        sentences = parse_result(raw_json)
+    else:
+        print(f"[流水线] 开始 ASR 转写: {args.audio}")
+        sentences, raw_json = transcribe(args.audio, hot_words=hot_words if hot_words else None)
+
+        cache_path = output_dir / "asr_raw.json"
+        with open(cache_path, "w", encoding="utf-8") as f:
+            f.write(raw_json)
+        print(f"[流水线] ASR 原始结果已缓存: {cache_path}")
+
+    print(f"[流水线] ASR 共 {len(sentences)} 句")
+
+    # ====== Step 2: AI 校对 ======
+    if use_ai and not args.no_proofread and script_text:
+        print("[流水线] AI 校对中 (DeepSeek)...")
+        sentences = proofread_batch(sentences, script_text)
+    elif not script_text and not args.no_proofread and use_ai:
+        print("[流水线] 未提供A稿(--script)，跳过AI校对")
+
+    # ====== Step 3: 节目结构切分 ======
+    print("[流水线] 切分节目结构...")
+    segments = split_into_segments(sentences)
+    print(f"[流水线] 切分结果: {[name for name, _ in segments]}")
+
+    # ====== Step 4: 折行 + 生成 SRT ======
+    if use_ai:
+        print("[流水线] 使用 AI 折行 (DeepSeek)...")
+    else:
+        print("[流水线] 使用机械折行规则...")
+
+    for seg_name, seg_sentences in segments:
+        if not seg_sentences:
+            print(f"  [{seg_name}] 空段，跳过")
+            continue
+
+        if use_ai:
+            subtitle_lines = process_sentences_with_ai(seg_sentences)
+        else:
+            subtitle_lines = process_sentences(seg_sentences)
+
+        seg_offset = subtitle_lines[0][0] if subtitle_lines else 0
+        seg_end = subtitle_lines[-1][1] if subtitle_lines else 0
+        seg_duration = seg_end - seg_offset
+
+        srt_filename = f"{seg_name}.srt"
+        srt_path = output_dir / srt_filename
+        write_srt(subtitle_lines, str(srt_path))  # 绝对时间戳，方便在时间线上对位
+        print(f"  [{seg_name}] 时长 {ms_to_srt_time(seg_duration)}, 在音频中的位置: {ms_to_srt_time(seg_offset)} ~ {ms_to_srt_time(seg_end)}")
+
+    # ====== 完成 ======
+    print(f"\n[流水线] 完成! 输出目录: {output_dir}/")
+    print("[流水线] 生成的文件:")
+    for f in sorted(output_dir.glob("*.srt")):
+        print(f"  {f.name}")
+
+
+if __name__ == "__main__":
+    main()