Handoff to opus_chat · TPS三方融合子模块

这份是发给中台 opus_chat 的最短交接说明。完整设计见 project_design.md。

这是什么

《军事科技》TPS（终版文稿生成中台）下的一个子模块，叫"三方融合"。

它做的事：把三份资料合并成一份贴近实际播出的终版 docx 文稿，并生成一份差异报告。

三份资料是：

A 稿 — 编导手写定稿（docx，有【主持人N】【解说N】【专家N】【动画N】结构标签）
B 稿 — OCR 扒词（txt，带 [Nm Ns] 时间戳，有 OCR 错字）
ASR — 讯飞录音文件转写结果（txt，带 [Nm Ns] 时间戳，有同音误识）

你需要记住的 5 件事

1. 三方权威优先级（最重要，不要搞反）

看什么	信谁
术语 / 人名 / 装备型号 / 事实	A 稿
标点 / 语序 / 口吻	ASR
OCR 字形错（肘/时、娈/变）	用 ASR 或 A 稿覆盖 B 稿
整段是否存在	B 稿 + ASR 联合判定

为什么 A 稿术语优先？demo 中 ASR 把"美以两国"识别成了"美伊两国"——句子通顺、语义荒谬。无 A 稿无法发现。

2. 架构是双层（不是单层 AI）

规则层（Python）          AI 层（Claude API）
├ OCR 错字映射            ├ 段落对齐
├ A 稿术语字典覆盖        ├ 改动类型判定
├ 时间戳对齐              ├ 整段改写边界
├ 数字 / 标点规范化       └ 编导笔误识别
└ 口语词清理（可配置）

确定性的事走规则层，需要语义判断的事走 AI 层。不要全塞给 AI。

3. 输入有严格规范

A 稿：自然段开头 【…】 是结构标签；隔断：【…】 是章节分隔
B 稿 / ASR：每行格式 [Nm Ns] 句子内容
音频（如果走完整流程从音频开始）：必须 16kHz / 单声道 / 16bit WAV，否则讯飞拒收

4. 讯飞 ASR 有坑（开发前必读）

用"录音文件转写（标准版）"，不要用"大模型版"（免费包阉割了 language 参数）
领域参数 pd=mil（军事节目专用）
顺滑参数 eng_smoothproc=true + eng_colloqproc=true
热词机制是关键：每期从 A 稿提 200 字以内的专业术语作为 hotWord
讯飞消费端（讯飞听见 App）和开发端（开放平台）密钥不通用
"5 小时免费试用"必须走 0 元购买流程激活
签名：signa = base64(HmacSHA1(MD5(appid + ts), secretKey))

详见 demo 中的 xfyun_asr_standard.py。

5. 输出有两份，不只一份

终版.docx — 主产物，给档案库
差异报告.docx — 副产物，给编导回顾。差异报告的长期价值可能比终版更高（能反向分析编导删改偏好）

我和这个模块的关系

你（opus_chat）：中台对话入口，可能会被用户问到本模块的边界 / 接口 / 状态
本模块：被 TPS 主流程调用，输入三份文本，输出两份 docx + 一份 JSON
不归我管：音频转码、OCR 识别本身、档案入库、编导确认 UI

如果用户问以下内容，统一口径：

问题	答
"能不能不用 A 稿？"	不能。会引入 ASR 的同音事实错误，且术语全乱。
"能不能不用 B 稿？"	可以，但失去独立交叉验证；不推荐。
"能不能不用 ASR？"	demo 证明 A+B 也能跑，但效果显著下降；不推荐。
"ASR 选讯飞还是别家？"	当前讯飞。已踩坑、已跑通；阿里云是规划中的备份。
"AI 用哪个模型？"	Claude Sonnet 4.6 起步，单期 26 分钟节目约 16k 字上下文。
"处理一期要多久？"	正式版预估 15–30 分钟（含人工确认）；demo 实测 2 小时但近一半花在踩讯飞坑上。

demo 状态

已完整跑通一期《现代防空反导大对决》（26 分钟）
关键术语识别率接近 100%（开启 35 条热词后）
主要修复：OCR 错字 10+ 类、ASR 同音误识 4 类、编导笔误 1 段、整段删除 2 段
复盘文档：实测复盘.md
设计文档：project_design.md

不一致时怎么办

如果你（opus_chat）发现本备忘与 project_design.md 不一致，以 project_design.md 为准。如果你发现 project_design.md 本身需要更新，请同步刘统制片组。

4.4 KiB Raw Blame History Unescape Escape