教学视频字幕校验

要解决什么问题

考研高数教学视频的字幕多来自 Whisper 等 ASR，口语、口音和数学术语叠在一起，常见问题是：FX、派、n 被识别成 m、公式被拆成两条字幕，以及背景音乐或幻觉英文混进文本。手工改几百条 SRT 既慢又难保证 f'(ξ)、上下标和分数写法一致。

技能如何工作

技能分两条主线：学习口音模式与日常校正。

• 模式一（学习）：用户提供「原始 SRT + 人工校正 SRT」成对文件，运行校准脚本提取个性化高频错误，写入 accent-patterns.md；支持 --append 追加模式，并汇报 Top 10 高频错误。
• 模式二（校正）：对待校正 SRT（或先 pip install openai-whisper 再从视频/音频出字）加载 accent-patterns.md 与 glossary.md，解析为 JSON 条目后分批（约 20～30 条/批，批次间重叠 5 条）做六层处理：个性化词替换 → 术语词库 → 上下文语义（低确信标 [?]）→ 水词/语气词清理 → 数学公式排版（禁止算术化简、函数/希腊字母零容忍、n/m 语境统一）→ 跨条目公式合并。

六层之后还有全局兜底：垃圾英文/歌词删除、语义异常、括号与悬挂运算符、残留 F1撇/pi/派、重复条目、极短条、时间码与变量一致性等；不确定项进入校验警告区。时间码默认不改（合并条目时取首尾）。

适用边界与注意

定位是考研高数口述教学，词库与规则围绕该场景；其它学科需自备或扩展 glossary.md。超过约 500 条字幕校正会较久；SRT 优先 UTF-8，兼容 BOM 与 GBK。校正完成后可将新错误对反馈到模式一，持续加厚个性化模式库。