ilaandClaude Opus 4.8
6091c441cd
- scripts/validate_episodes.py：结构/字段/时间戳/音频对账等校验 - scripts/fix_episodes.py：重算统计字段、引号归一、去空白（自动备份） - scripts/README.md：用法与已知数据缺口说明 Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
1.3 KiB
1.3 KiB
scripts/
维护内容数据 family-album-usa/episodes.json 的工具脚本（纯 Python 标准库，无需安装依赖）。
validate_episodes.py — 数据校验（只读）
把人工体检固化为可重复检查：结构/字段一致性、lineCount 自洽、统计字段是否准确、时间戳单调性、音频对账（引用 vs 磁盘）、说话人前缀与引号风格提示。
python3 scripts/validate_episodes.py # 默认数据路径
python3 scripts/validate_episodes.py 某/episodes.json
发现 ERROR 退出码为 1，可接入 CI / pre-commit。
fix_episodes.py — 格式修正（会先备份）
只做安全可逆的修正：重算统计字段、弯引号统一为直引号、去 en 首尾空白。
不剥离说话人前缀、不改时间戳数值、不为无音频集补造数据（这些需补料后另行处理，详见 docs/04-architecture.md）。
python3 scripts/fix_episodes.py --dry-run # 预览将改什么
python3 scripts/fix_episodes.py # 就地修正，自动备份 .bak
已知数据缺口（背景）
- ep18–26 共 9 集无音频，ep18/19 转写为剧本格式（含说话人前缀）——需补原始音频后再处理。
- ep1/ep12 各缺 1 幕音频；
audio/episode12_act2.mp3为游离文件。
MVP 建议先锁定 ep1–17。