Как обнаружить обратный таймкод в AI-субтитрах WebVTT

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

00:00:01.000 --> 00:00:02.500 проходит; 00:00:03.000 --> 00:00:02.000 отвергается. Первый cue возвращает (1000,2500); второй вызывает ValueError. 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. Возьмите из AI-выгрузки именно строку тайминга cue, не текст реплики. Скопируйте функцию и прогоните успешный и обратный примеры. Отдельно добавьте тест для 00:00:60.000 и другого поддерживаемого формата, если он действительно встречается. Связывайте ошибку с ID сегмента и исходным аудио, чтобы редактор видел место. Не передвигайте конец автоматически: возможно ошибочен старт, а не конец.
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
import re
TIME=re.compile(r'(\d{2}):(\d{2}):(\d{2})\.(\d{3})\Z')
def ms(value):
    m=TIME.fullmatch(value)
    if not m: raise ValueError('time format')
    h,minute,sec,milli=map(int,m.groups())
    if minute>=60 or sec>=60: raise ValueError('invalid clock')
    return ((h*60+minute)*60+sec)*1000+milli
def cue(line):
    begin,end=line.split(' --> ')
    if ms(begin)>=ms(end): raise ValueError('nonpositive cue')
    return ms(begin),ms(end)
assert cue('00:00:01.000 --> 00:00:02.500')==(1000,2500)
try: cue('00:00:03.000 --> 00:00:02.000')
except ValueError: print('reverse time rejected')
else: raise AssertionError('reverse time accepted')

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

Данный парсер не покрывает настройки cue после времени и упрощённый формат без часов, допустимый форматом WebVTT. 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

Не выводить субтитры с нулевой или отрицательной длительностью после AI-транскрибации. Для самостоятельной проверки сначала выпишите три наблюдаемых состояния: допустимый вход, намеренно недопустимый вход и видимый сигнал отказа. В данной фикстуре это выглядит так: 00:00:01.000 --> 00:00:02.500 проходит; 00:00:03.000 --> 00:00:02.000 отвергается. При успешном тесте ожидается: Первый cue возвращает (1000,2500); второй вызывает ValueError. Не превращайте это в числовой KPI: здесь проверяется контракт на конкретных примерах, а не поведение модели на пользовательском трафике.

Данный парсер не покрывает настройки cue после времени и упрощённый формат без часов, допустимый форматом WebVTT. 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.