Как добавить язык AI-субтитров в HTML track без потери srclang

Перед запуском запишите, какие данные считаются входом, что является ожидаемым результатом, что именно означает отказ и кому предстоит разбирать расхождение. Для такой проверки храните тестовый вход, ожидаемый результат и фактический исход раздельно: если они смешаны, тест может подтверждать сам себя. Используйте стабильные синтетические ID, чтобы видеть ошибку в журнале, не раскрывая содержимое клиентских обращений.

Сначала прогоните тест на маленьком входе, где правильное поведение известно вручную. Затем внесите одну контролируемую ошибку и убедитесь, что код её замечает. После этого верните корректный набор и только тогда расширяйте проверку до реальных данных. Не переносите демонстрационные численные значения или пороги в производство без отдельного обоснования: они выбраны для наглядности, а не рассчитаны по вашей аудитории.

Вход и ожидаемый результат

Вход: kind=subtitles, src=/subtitles/ru.vtt, srclang=ru, label=Русский; вариант без srclang должен провалиться. Вывод missing language rejected; корректный ru-трек проходит и может быть связан с /subtitles/ru.vtt. Перед тем как применять правило к закрытым данным, обсудите пограничные случаи, которые могут поменять интерпретацию входа. Запись в документации о границах теста не менее важна, чем зелёный check.

Пошаговые действия

1. Создайте scripts/check.py в корне репозитория и вставьте код из блока ниже. Он использует названия функций стандартной библиотеки, указанные в официальных ссылках в конце статьи.
2. Выполните python scripts/check.py локально. Не продолжайте, если уже демонстрационная фикстура даёт иной результат: сначала проверьте копирование кода и кодировку файла.
3. Согласуйте список локалей сайта и не выводите код языка из имени файла без проверки. Соберите метаданные track до HTML-рендера и вызовите validate для каждой локали. Запустите положительный ru и отрицательный вариант без srclang, затем повторите для английского трека. Сгенерируйте HTML с экранированием атрибутов и проверьте пункты меню субтитров в реальном браузере, включая смену языка. Если нужно поддерживать иной BCP 47 тег, явно расширьте список после проверки языка, а не удаляйте требование.
4. Создайте .github/workflows/ai-corpus-check.yml из YAML-шаблона. Событие pull_request полезно для проверки данных до слияния; чтение репозитория ограничено permissions: contents: read. Скрипт не должен получать ключ внешней модели или реальные секреты.
5. В разделе Actions откройте job check, сопоставьте его код завершения с локальным прогоном и зафиксируйте ссылку на проверенный коммит в PR. Не принимайте зелёный результат на старой ревизии за проверку последнего изменения.

# scripts/check.py
LANGS={'ru':'Русский','en':'English'}
def validate(row):
    if row['kind']!='subtitles': raise ValueError('wrong kind')
    if row.get('srclang') not in LANGS: raise ValueError('missing/unapproved srclang')
    if row.get('label')!=LANGS[row['srclang']]: raise ValueError('wrong label')
    if not row.get('src','').endswith('.vtt'): raise ValueError('wrong src')
    return True
ok={'kind':'subtitles','src':'/subtitles/ru.vtt','srclang':'ru','label':'Русский'}
assert validate(ok)
try: validate({k:v for k,v in ok.items() if k!='srclang'})
except ValueError: print('missing language rejected')
else: raise AssertionError('expected rejection')

name: AI corpus checks
on:
  pull_request:
permissions:
  contents: read
jobs:
  check:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v7
      - uses: actions/setup-python@v7
        with:
          python-version: '3.13'
      - run: python scripts/check.py

Ошибки интерпретации и границы

Проверка словаря — политика конкретного сайта, не полноценная проверка языковых тегов. Она не проверяет, что файл доступен по URL и текст действительно русский. Если вы расширяете набор случаев, добавляйте не только новые примеры, но и отрицательные случаи, на которых тест обязан упасть. Проверяйте, что изменение expected прошло ревью отдельно от изменения кода: иначе можно незаметно изменить правило под текущий ответ системы. Избегайте вывода полного приватного набора в CI и не сохраняйте в артефактах ответ закрытой модели без решения о доступе и хранении.

Ошибка выполнения самого Python, нераспознанный формат входа и обнаруженный бизнес-дефект — разные ситуации. В сообщении теста указывайте тип проблемы и безопасный ID. Если тест требует внешний сервис, вынесите его из PR с недоверенным кодом и явно ограничьте доступ к токенам; этот пример намеренно работает локально. Перед публикацией каких-либо результатов опишите методику, область применения и происхождение примеров, иначе читатель воспримет демонстрационную арифметику как характеристику продукта.

Практический разбор именно этого контроля

Убедиться, что переведённый AI-трек правильно помечен языком в видеоплеере. Для самостоятельной проверки сначала выпишите три наблюдаемых состояния: допустимый вход, намеренно недопустимый вход и видимый сигнал отказа. В данной фикстуре это выглядит так: Вход: kind=subtitles, src=/subtitles/ru.vtt, srclang=ru, label=Русский; вариант без srclang должен провалиться. При успешном тесте ожидается: Вывод missing language rejected; корректный ru-трек проходит и может быть связан с /subtitles/ru.vtt. Не превращайте это в числовой KPI: здесь проверяется контракт на конкретных примерах, а не поведение модели на пользовательском трафике.

Проверка словаря — политика конкретного сайта, не полноценная проверка языковых тегов. Она не проверяет, что файл доступен по URL и текст действительно русский. Подключая проверку к продукту, расположите её до той операции, ради которой она написана: парсинга, сохранения, отображения или экспорта. Для каждого нового формата добавляйте отдельный негативный пример и письменное решение, почему он отклоняется. Отдельно просмотрите обработку ошибок: система должна отличать невалидный ответ AI от сбоя тестовой инфраструктуры, а пользователь не должен видеть сырой стек или приватное содержимое.