music-lens 0.1.4 → 0.1.6

package/README.md

@@ -93,7 +93,11 @@ $base = "C:\Users\86173\Documents\deepseek-harness\default-workspace\music-lens"
 |---|---|
 | 纯语音（生涯幻游引导，6.8 分钟） | ✅ 40 句、707 字，几乎无错，**2 分钟左右出结果** |
 | 录音室歌曲（Deja Vu，4.6 分钟，英文） | ✅ 分轨后 26 句连贯歌词，verse/chorus/bridge 结构清晰 |
+| 录音室歌曲（T-ara《Day by Day》，3.5 分钟，韩文） | ✅ **近乎满分**，48 句连英文夹唱都对 |
+| 录音室歌曲（《リナリアが咲いて》，2.2 分钟，日文） | ✅ 30 句连贯，假名汉字基本正确，少量错词 |
+| 现场版（T-ara 同一首，3.4 分钟，观众噪声） | ⚠️ 52 句，约六成；**BPM 与调性和录音室版分毫不差**（117.5 / F# minor） |
 | 合唱录音（西昌学院校歌，62 秒） | ❌ 文字基本不可用，且出现「作詞 李宗盛」这类字幕幻觉 |
+| AI 合成人声（《晚风信箱》，3.2 分钟，中文） | ⚠️ 约六成，同音字错得多（“心”/“信”不分） |
 
 结论：**唱歌能做，但强依赖音源质量**。录音室作品分轨后可用；现场录音、合唱、混响重的，会退化成瞎猜。
 
@@ -127,7 +131,10 @@ $base = "C:\Users\86173\Documents\deepseek-harness\default-workspace\music-lens"
 4. **`initial_prompt` 会被复述成歌词**（模型对着音乐段"念提示词"），所以不要传提示词。
 5. **`--lang zh` 会把英文歌硬翻成中文**，出乱码。默认改成了 `auto`。
 6. VAD 在音乐上会把人声整段滤掉，所以默认关闭（语音场景再加 `--vad`）。
-7. **Windows 上 npm 生成的 `music-lens.ps1` 会被执行策略拦住**，敲 `music-lens` 直接报
+7. **编造署名**：音乐最空的位置（前奏/间奏/尾奏）常冒出 `作词 李宗盛 作曲 李宗盛`、
+   `中文字幕组`、`字幕by索兰娅`、`Zither Harp`、`优优独播剧场` —— 全是训练数据里的高频碎片，
+   不是它"认识这首歌"。0.1.4 起内置 18 条黑名单自动过滤，`--keep-hallucinations` 可关闭。
+8. **Windows 上 npm 生成的 `music-lens.ps1` 会被执行策略拦住**，敲 `music-lens` 直接报
    `禁止运行脚本`。两个办法：删掉那个 `.ps1`（PowerShell 会回落到 `.cmd`），或者
    `Set-ExecutionPolicy -Scope CurrentUser RemoteSigned`。**每次 `npm i -g` 之后都要处理一次。**
 

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "music-lens",
-  "version": "0.1.4",
+  "version": "0.1.6",
   "description": "Let a text-only model read a song: lyrics + timestamps, loudness, brightness, key, tempo, sections. Local, no API keys.",
   "type": "module",
   "bin": {

package/scripts/analyze.py

@@ -186,7 +186,10 @@ def main():
         for s in it:
             text = s.text.strip()
             if text:
-                if _CC is not None:
+                # opencc t2s is for Chinese only -- it would mangle Japanese kanji
+                # (選->选, 関係->関系) and is pointless for other scripts.
+                detected = (getattr(info, "language", "") or "").lower()
+                if _CC is not None and ((lang or detected) == "zh"):
                     text = _CC.convert(text)
                 segments.append({"start": round(s.start, 2), "end": round(s.end, 2), "text": text})
                 print(f"      {s.start:7.1f}s  {text}")