Pipeline

五阶段后处理管道，对 OCR 原始结果进行清洗和优化。

---

概述

const pipeline = new Pipeline({
  jitterMinDuration: 0.3,
  jitterMaxConfidence: 0.5,
  splitMaxGap: 1.5,
  splitSimilarityThreshold: 0.8,
  similarMaxGap: 0.5,
  similarSimilarityThreshold: 0.8,
})

const cleaned = pipeline.process(rawSubs)

---

处理阶段

rawSubs → [标准化] → [去噪] → [合并分裂] → [相似度融合] → [时间校准] → cleaned

1. 标准化

统一字幕格式，规范化文本和时间戳。

• 去除首尾空白
• 统一全角/半角标点
• 修复常见 OCR 错误（0 → O，1 → l）

2. 去噪

过滤低质量和异常字幕。

• 持续时间 < jitterMinDuration 的字幕
• 置信度 < jitterMaxConfidence 的字幕
• 空文本或仅包含空格的字幕

3. 合并分裂

合并被错误分割的字幕。

• 检测时间间隙 < splitMaxGap 的相邻字幕
• 文本相似度 > splitSimilarityThreshold 则合并
• 合并后时间戳自动衔接

4. 相似度融合

合并语义相似的字幕。

• 检测时间重叠的字幕
• 文本相似度 > similarSimilarityThreshold 则融合
• 保留置信度最高的版本

5. 时间校准

校准字幕时间戳，确保与视频帧对齐。

• 对齐到视频帧率
• 最小持续时间约束（默认 0.1s）
• 最大持续时间约束（默认 10s）

---

API

构造函数

constructor(opts?: PipelineOptions)

方法

process(subtitles: SubtitleLite[]): SubtitleLite[]

执行完整后处理管道。

参数：

• subtitles: OCR 原始结果数组

返回值： 清洗后的字幕数组

clearCache(): void

清空内部 LRU 缓存。

---

配置项

参数	类型	默认值	说明
jitterMinDuration	number	0.3	抖动字幕最小持续时间（秒）
jitterMaxConfidence	number	0.5	抖动字幕最大置信度
splitMaxGap	number	1.5	合并分裂的最大时间间隙（秒）
splitSimilarityThreshold	number	0.8	合并分裂的相似度阈值
similarMaxGap	number	0.5	相似度融合的最大时间间隙（秒）
similarSimilarityThreshold	number	0.8	相似度融合的相似度阈值

---

示例

import { Pipeline } from '@/core'

const pipeline = new Pipeline({
  jitterMinDuration: 0.3,
  jitterMaxConfidence: 0.5,
  splitMaxGap: 1.5,
  splitSimilarityThreshold: 0.8,
  similarMaxGap: 0.5,
  similarSimilarityThreshold: 0.8,
})

const rawSubs = [
  { startTime: 1.0, endTime: 1.2, text: 'Hello', confidence: 0.3 },
  { startTime: 1.2, endTime: 3.0, text: 'World', confidence: 0.9 },
]

const cleaned = pipeline.process(rawSubs)
// [
//   { startTime: 1.0, endTime: 3.0, text: 'Hello World', confidence: 0.9 }
// ]

---

性能

• 时间复杂度：O(n log n)，n 为字幕数量
• 空间复杂度：O(n)
• LRU 缓存：相似度计算复用，减少重复运算