dsh-podwave 0.0.0-stage → 0.10.15

This diff represents the content of publicly available package versions that have been released to one of the supported registries. The information contained in this diff is provided for informational purposes only and reflects changes between package versions as they appear in their respective public registries.
package/LICENSE ADDED
@@ -0,0 +1,21 @@
1
+ MIT License
2
+
3
+ Copyright (c) 2026 Podwave contributors
4
+
5
+ Permission is hereby granted, free of charge, to any person obtaining a copy
6
+ of this software and associated documentation files (the "Software"), to deal
7
+ in the Software without restriction, including without limitation the rights
8
+ to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
9
+ copies of the Software, and to permit persons to whom the Software is
10
+ furnished to do so, subject to the following conditions:
11
+
12
+ The above copyright notice and this permission notice shall be included in all
13
+ copies or substantial portions of the Software.
14
+
15
+ THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
16
+ IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
17
+ FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
18
+ AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
19
+ LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
20
+ OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
21
+ SOFTWARE.
package/README.md CHANGED
@@ -1,3 +1,183 @@
1
- # Temporary Holding Version
1
+ # dsh-podwave
2
2
 
3
- This version is a temporary placeholder for this package. An operational version to replace this has been submitted for review and is awaiting a staged release.
3
+ DeepSeek Harness 的本地播客播放器插件:在 DSH 侧栏里播放硬盘上的播客,自动记住进度,并且能转写、显示双语字幕、导出 SRT / Markdown。
4
+
5
+ 音频只从本地磁盘读取,不上传、不联网、不依赖订阅源。转写与翻译默认跑在本机(Apple Silicon / MLX),也可以切到 DeepSeek API。
6
+
7
+ ![单集详情:封面 + 双语字幕](docs/screenshot-detail.png)
8
+
9
+ ## 功能
10
+
11
+ - **单集详情**:点任意一集进入详情页——左侧封面与信息,右侧直接显示字幕,转写后可切中英对照。
12
+ - **本地播放**:扫描文件夹(递归 6 层,支持 `mp3 / m4a / m4b / aac / wav / flac / ogg / opus / weba / webm / wma`),自动读标题、艺术家、封面。
13
+ - **续播**:进度每 4 秒保存,切集 / 暂停 / 关闭时立即保存;重开从上次位置继续。
14
+ - **转写**:本地 Qwen3-ASR-1.7B-8bit,带词级时间戳;按停顿与标点切成字幕行。
15
+ - **任务面板与批量**:顶部「任务」查看队列、进度,可取消 / 重试;「选择」多选批量转写。
16
+ - **长播客分块**:按 15 分钟切块转写,取消或失败后从已完成块续跑;热词可在设置里维护。
17
+ - **说话人分离**:转写后自动分辨说话人(本地声纹,离线),字幕行带彩色「说话人 N」标签;字幕头部显示人数。
18
+ - **收藏与筛选**:每行 ★ 收藏;筛选条可按 未听 / 有字幕 / 收藏 过滤,和左侧分类叠加。
19
+ - **双语字幕**:点「字幕」打开面板,选「中文对照 / English」,只翻译另一种语言的行;点字幕行可以跳到对应时间。
20
+ - **字幕编辑**:行悬停出现 ✎,就地改文本;按光标「拆分」、行尾 ⇣ 合并;右上「撤销」最多回退 20 步;「校验」在导出前检查空行、无效时间戳与时间重叠。
21
+ - **移除索引**:详情页「从播放器移除」或批量「移除选中」只隐藏该集,不动源文件。
22
+ - **导入策略**:设置里可选拖拽/路径导入是复制到 `~/.podwave/imports/`(默认)还是原地引用;重复文件按路径与「文件名 + 大小」跳过。
23
+ - **导出**:SRT 或 Markdown。
24
+ - **快捷键**:`空格` 播放/暂停,`← / →` ±15 秒,`↑ / ↓` 上/下一集,`/` 搜索。
25
+ - **收起侧栏**:点侧栏顶部标题右边的 `‹` 收起,左上角 `›` 展开;状态记在 `~/.podwave/ui.json`。面板被 DSH 挤窄时会自动收起侧栏,详情页改为上下布局。
26
+ - **设置页**:DSH 设置 → 播客,可以看已完成的转写历史、配置 DeepSeek API、选择转写与翻译模型、控制侧边栏入口是否显示。
27
+
28
+ ## 实时字幕
29
+
30
+ 转写不用等整集结束。音频按块处理(默认 1 分钟一块),每完成一块就把新字幕推进面板:
31
+
32
+ - 字幕面板顶部显示进度:百分比、第几块、已出多少行,可随时取消;
33
+ - 转写中就能在详情页滚动、点行跳转、导出当前已出的 SRT/Markdown;
34
+ - 重转时旧字幕会备份,取消或失败自动还原。
35
+
36
+ 分块时长可在设置 → 播客 → 转写里调整;块越小出字越快,块越大上下文越完整。
37
+
38
+ ## 安装
39
+
40
+ 需要 DeepSeek Harness `>=0.2.1-rc.5`。
41
+
42
+ 从 [Releases](https://github.com/Watchcats211/dsh-podwave/releases) 下载最新的 `dsh-podwave-*.tgz`,然后:
43
+
44
+ ```bash
45
+ dsh plugin --profile desktop add file:/path/to/dsh-podwave-0.6.0.tgz
46
+ ```
47
+
48
+ 也可以直接从源码目录装:
49
+
50
+ ```bash
51
+ dsh plugin --profile desktop add file:/path/to/dsh-podwave
52
+ ```
53
+
54
+ 装完刷新 DSH,侧栏出现「播客」。
55
+
56
+ ## 转写与翻译(可选)
57
+
58
+ 播放器本身不需要额外依赖。要用转写 / 翻译,需要在本机准备 MLX 运行时:
59
+
60
+ ```bash
61
+ uv venv ~/.podwave/runtime/.venv --python 3.12
62
+ uv pip install --python ~/.podwave/runtime/.venv/bin/python "mlx-qwen3-asr==0.4.4" mlx-lm sherpa-onnx
63
+
64
+ hf download mlx-community/Qwen3-ASR-1.7B-8bit --local-dir ~/.podwave/models/qwen3-asr-1.7b-8bit
65
+ hf download mlx-community/Hy-MT2-1.8B-4bit --local-dir ~/.podwave/models/hy-mt2-1.8b-4bit
66
+
67
+ # 说话人分离模型(约 34MB)
68
+ mkdir -p ~/.podwave/models/diarization && cd ~/.podwave/models/diarization
69
+ curl -LO https://github.com/k2-fsa/sherpa-onnx/releases/download/speaker-segmentation-models/sherpa-onnx-pyannote-segmentation-3-0.tar.bz2
70
+ tar xjf sherpa-onnx-pyannote-segmentation-3-0.tar.bz2
71
+ curl -LO https://github.com/k2-fsa/sherpa-onnx/releases/download/speaker-recongition-models/3dspeaker_speech_campplus_sv_zh_en_16k-common_advanced.onnx
72
+ ```
73
+
74
+ - 转写模型约 2.3 GB,翻译模型约 1 GB(Hy-MT2-1.8B,974 MB),说话人模型约 34 MB;只做播放可以都不装。
75
+ - 翻译可以不用本地模型:字幕面板 →「设置」→ 选 DeepSeek API,填 API key(默认 `api.deepseek.com` / `deepseek-chat`)。
76
+ - 字幕面板 →「设置」里切换引擎;目标语言在字幕面板的「对照」下拉里选。
77
+
78
+ ## 设置
79
+
80
+ DSH 设置 →「播客」:
81
+
82
+ - **历史记录**:所有已完成转写的单集(时长、语言、行数、位说话人、已翻语言、完成时间)。
83
+ - **转写**:热词、分块时长(1–60 分钟)、是否自动识别说话人。
84
+ - **API 与翻译引擎**:DeepSeek API 地址 / 模型 / API Key,或切到本地模型。
85
+ - **模型**:在 `~/.podwave/models/` 下已就绪的模型里选转写模型(ASR)与翻译模型。
86
+ - **界面**:开关「在主界面侧边栏显示播客入口」,保存后立即生效(不需要刷新)。
87
+ - **导入与清理**:选择复制/原地引用;清理没有被文件夹引用的 `imports/` 批次。
88
+
89
+ ## 用法
90
+
91
+ - **添加文件夹**:点面板左上 `+` → 「选择文件夹…」调用系统目录选择器;也可以直接把音频文件拖进面板(会复制到 `~/.podwave/imports/`)。手动输入路径保留为备选。扫描在后台进行,状态显示在底部。
92
+ - **播放 / 续播**:点单集;刷新或重开 DSH 后接着上次位置。
93
+ - **转写**:点播放条右侧「转写」,完成后自动打开字幕面板。长播客需要时间(M4 上大约 5–10 倍实时速度)。
94
+ - **翻译**:字幕面板右上「对照」选目标语言;已有译文会直接显示,没有就自动开始翻。
95
+ - **删除文件夹**:侧栏文件夹右侧 `×`,会移除该目录下的单集记录。
96
+
97
+ 数据保存在 `~/.podwave/`:`state.json`(媒体库/进度/收藏/隐藏)、`config.json`(统一配置)、`jobs.json`(任务记录)、`transcripts/`(字幕 v2)、`covers/`、`models/`、`runtime/`、`imports/`(拖拽导入的音频副本)。数据与配置的详细结构见 [docs/ARCHITECTURE.md](docs/ARCHITECTURE.md)。
98
+
99
+ ## 结构
100
+
101
+ ```
102
+ src/host.js /podwave/api/*:播放器、转写、翻译、字幕导出
103
+ src/state.js 状态读写(~/.podwave/state.json,原子写)
104
+ src/library.js 媒体库扫描(music-metadata)
105
+ src/transcribe.js MLX Qwen3-ASR 调用、队列、字幕分行与导出
106
+ src/translate.js 翻译任务(DeepSeek API / 本地 MLX Qwen3)
107
+ src/diarize.js 说话人分离(sherpa-onnx,本地声纹)
108
+ src/models.js 模型目录扫描与选择(config.models)
109
+ src/config.js 统一配置(~/.podwave/config.json,迁移旧 ui/translate/models.json)
110
+ src/jobs.js 任务记录(~/.podwave/jobs.json,重启标 interrupted)
111
+ scripts/translate_local.py 本地翻译脚本(mlx_lm)
112
+ scripts/diarize.py 说话人分离脚本(sherpa-onnx)
113
+ client/src/ React 面板(App.jsx、SettingsPage.jsx、plugin.jsx、styles.css)
114
+ build.mjs PostCSS 作用域前缀 + esbuild 打包为 DSH client bundle
115
+ cordis.patch.yml 插件加载声明
116
+ docs/ARCHITECTURE.md 架构、数据格式、API 表
117
+ CHANGELOG.md 版本记录
118
+ ```
119
+
120
+ 版本变化见 [CHANGELOG.md](CHANGELOG.md)。
121
+
122
+ ## 开发
123
+
124
+ ```bash
125
+ npm install
126
+ npm run build # 产物 dist/client.js
127
+
128
+ # 独立测试 profile(不影响 desktop)
129
+ dsh podwave-test --from-default-profile web --no-open --port 4790
130
+ dsh plugin --profile podwave-test add file:$PWD
131
+ ```
132
+
133
+ ## 限制
134
+
135
+ - 还没有 RSS / 在线流订阅,只播放本地文件。
136
+ - 说话人分离是转写后整段批处理,不是实时;暂不支持手动改名或合并说话人。
137
+ - 转写是「事后整段」模式,不是真流式;播放中可以先听,转写完成后字幕会出现在面板里。
138
+ - 本地翻译是 Hy-MT2-1.8B 4bit(约 1 GB),轻量、快;长句质量仍不如 API,重要内容建议用 DeepSeek API 翻。
139
+
140
+ ## 路线图
141
+
142
+ - [x] 转写:本地 MLX Qwen3-ASR(中英混合),词级时间戳
143
+ - [x] 双语字幕:本地 Hy-MT2-1.8B / DeepSeek API
144
+ - [x] 导出 SRT / Markdown
145
+ - [x] 系统文件夹选择器与音频拖拽导入
146
+ - [ ] 说话人分离与说话人标签
147
+ - [ ] 跟播预转写(边播边出字幕)
148
+ - [ ] RSS / 在线播客订阅
149
+
150
+ ## License
151
+
152
+ MIT
153
+
154
+ ## 开发与发布
155
+
156
+ ```bash
157
+ npm install
158
+ npm test # node:test 单元测试
159
+ npm run build # 构建 dist/client.js
160
+ node scripts/release.mjs 0.9.1 # 改版本号 → 测试 → 构建 → 打包 → commit/tag/push/Release
161
+ ```
162
+
163
+ CI(GitHub Actions)在每次 push / PR 跑 `npm test` 与 `npm run build`。
164
+
165
+ ## 环境与模型(跨平台)
166
+
167
+ 设置 → 播客 → 「环境与模型」会扫描本机,给出推荐引擎与缺失组件:
168
+
169
+ | 平台 | 转写 | 翻译 |
170
+ | --- | --- | --- |
171
+ | macOS Apple Silicon | Qwen3-ASR-1.7B-8bit(MLX) | Hy-MT2-1.8B-4bit(MLX) |
172
+ | Windows / Linux / Intel Mac | SenseVoiceSmall int8(sherpa-onnx) | Hy-MT2-1.8B-Q4_K_M(llama.cpp) |
173
+
174
+ - 下载线路可选「自动测速 / 国际(Hugging Face、GitHub)/ 国内(hf-mirror、gh-proxy、ModelScope)」。
175
+ - 「一键安装」会准备 uv 与 Python 虚拟环境、安装 sherpa-onnx(MLX 平台额外装 mlx-qwen3-asr、mlx-lm)、下载 llama.cpp 预编译包和缺失模型,并在完成后列出每项内容与体积。
176
+ - 模型保存在 `~/.podwave/models`,运行时在 `~/.podwave/runtime`;卸载插件不会删除这些文件。
177
+ - 注意:Hy-MT2 1.25bit GGUF 是自定义量化,主线 llama.cpp 加载会报 `failed to read tensor data`,所以非 MLX 平台用 Q4_K_M。
178
+
179
+ ### Windows 需要准备什么
180
+
181
+ - 安装中心会自动下载 ffmpeg(约 202 MB)、llama.cpp(约 25 MB)、SenseVoice(约 239 MB)与 Hy-MT2-Q4_K_M(约 1.1 GB),合计约 1.6 GB,建议预留 3 GB 磁盘。
182
+ - Windows 10 及以上自带 `tar` 与 `powershell`,解压和文件夹选择器无需额外安装。
183
+ - 首次安装完成后,设置页会列出每项下载内容与体积;模型在 `~/.podwave/models`,运行时在 `~/.podwave/runtime`。
@@ -0,0 +1,4 @@
1
+ # dsh-podwave bundle patch:同一个包提供 host 半片与浏览器半片
2
+ - insert:
3
+ - id: podwave
4
+ name: 'dsh-podwave'