Skip to content

CLAUDE.md

Latest commit

 

History

History
110 lines (77 loc) · 3.27 KB

CLAUDE.md

File metadata and controls

110 lines (77 loc) · 3.27 KB

CLAUDE.md

This file provides guidance to Claude Code (claude.ai/code) when working with code in this repository.

项目概述

AsrTools 是一个基于 PyQt5 和 qfluentwidgets 的音频语音识别(ASR)和字幕处理工具，当前版本为 V2.0.0。项目使用 Python 3.12 开发。激活 python 环境: source venv/bin/activate

文档按版本号命名

所有的安装文档，测试说明，开发总结，功能说明，完成报告，项目文件清单，任务完成总结之类的md文档全部按照版本号命名，保存到API文件夹内。不要放到项目根目录下。

核心功能

  1. ASR 字幕识别 - 支持多种ASR接口（必剪、剪映、快手等）
  2. SRT 字幕优化 - 使用LLM进行字幕分段优化
  3. 声音生成 - 基于GPT-SoVITS的语音合成

技术架构

  • GUI框架: PyQt5 + qfluentwidgets (Fluent设计风格)
  • 多线程处理: QThreadPool 和 QRunnable 实现并发ASR处理
  • ASR模块化: bk_asr/ 目录下各接口独立实现
  • 字幕处理: ASRData.py 提供统一的数据结构和格式转换

开发环境配置

安装依赖

pip install -r requirements.txt

运行程序

python asr_gui.py \
  2>&1 | tee logs/output.log

SRT优化处理

python main.py --srt_path input.srt --save_path output.srt

代码架构

主要模块

  • asr_gui.py - 主界面和各功能模块实现
  • main.py - SRT字幕优化的命令行处理逻辑
  • ASRData.py - ASR数据结构定义和格式转换
  • bk_asr/ - ASR接口实现目录
    • BaseASR.py - ASR基类
    • BcutASR.py - 必剪接口实现
    • JianYingASR.py - 剪映接口实现
    • KuaiShouASR.py - 快手接口实现
    • WhisperASR.py - Whisper接口实现
  • split_by_llm.py - LLM字幕分段处理

界面结构

主窗口使用 FluentWindow 架构，左侧导航栏包含：

  1. ASR 字幕 - 音频/视频文件语音识别
  2. SRT 优化 - 字幕文件智能优化
  3. 声音生成 - 文本转语音
  4. 关于开源 - 项目信息和GitHub链接

多线程处理

使用 QThreadPool 管理工作线程，ASR处理通过 ASRWorker 类实现：

  • 最大并发线程数: 3
  • 支持文件拖拽和批量处理
  • 实时状态更新和错误处理

开发指导

添加新ASR接口

  1. 在 bk_asr/ 目录下创建新的ASR类
  2. 继承 BaseASR 类并实现 run() 方法
  3. 在 asr_gui.py 的 ASRWorker.run() 中添加接口选择逻辑

添加新功能模块

  1. 创建新的 QWidget 子类实现功能界面
  2. 在 MainWindow.init 中使用 addSubInterface 添加到导航栏
  3. 使用 QThreadPool 和 QRunnable 处理耗时任务

文件处理模式

  • 支持拖拽文件和文件夹
  • 自动识别音频/视频格式
  • 使用 ffmpeg 进行视频到音频转换
  • 输出文件保存在原文件同目录

错误处理

  • 使用 InfoBar 组件显示用户友好的错误信息
  • 工作线程异常通过 signals.errno 传递
  • 详细的日志记录便于调试

常用开发任务

调试ASR接口问题

检查对应ASR类的实现，注意网络请求和响应解析逻辑。

优化界面性能

确保耗时操作在单独线程中执行，避免阻塞UI线程。

添加新的字幕格式支持

在 ASRData.py 中添加新的转换方法，如 to_ass() 等。