simon
60f8c263f2
从 CCTV 主页抓取《新闻联播》，下载 → 转 MP3/WAV → 静音切分 → ASR 识别 → LLM 校对 → 切分为单条新闻 → 入库 MySQL。 主要内容： - 全链路：getVideo5 抓取下载、audioRead 转写、deepseek 校对与切分、newsProcess 入库 - 可移植化：配置分层，.env 只放密钥、config.yml 放模型/接入点/路由/参数 - 可换供应商：endpoints（kind/base_url/api_key_env/extra_body）+ routes 按环节选路 - 数据保真：数值事实守卫，校对改动数字/年份/届次则整片回退 ASR 原文； 识别不完整不发布该日精编，避免半天内容被当成完整一天 - 定时任务：systemd 每天 21:00，失败 21:30 / 22:00 重试； 只缺切分时只重跑切分（省掉全部 ASR），用 state/.asr_complete_* 标记判定阶段 - 隧道自愈：13306 不通时自动执行 autossh.sh（所有入口共用，systemd 托管时只等待） - 中间产物每日清理；97 项离线自检（配置/清理/事实守卫/解析/隧道）
34 lines
1.2 KiB
Plaintext
34 lines
1.2 KiB
Plaintext
# xwlb 运行依赖
|
||
#
|
||
# 安装（本机为 externally-managed 环境，需用虚拟环境）：
|
||
# python3 -m venv .venv && .venv/bin/pip install -r requirements.txt
|
||
#
|
||
# 系统依赖（apt）：ffmpeg（抽音/转码必需）；MySQL 客户端非必需（用 mysql-connector 连接）
|
||
|
||
# ---- 数据库 ----
|
||
# 原项目用 mysql_connector_repackaged（旧 fork，python3.13 下不建议）；改用官方驱动
|
||
mysql-connector-python>=9.0
|
||
|
||
# ---- 采集 ----
|
||
requests==2.32.5
|
||
beautifulsoup4==4.14.2
|
||
yt_dlp==2025.11.12
|
||
|
||
# ---- 音频处理 ----
|
||
pydub==0.25.1
|
||
# pydub 依赖标准库 audioop，而 audioop 在 Python 3.13 中被移除；3.13 需额外安装此兼容包
|
||
audioop-lts; python_version >= "3.13"
|
||
|
||
# ---- 配置 ----
|
||
# config.yml 解析（非敏感配置；敏感项在 .env）
|
||
PyYAML>=6.0
|
||
|
||
# ---- ASR / LLM ----
|
||
# 原 pin 为 1.24.6，但本机实际运行的是 1.27.7（base url 通过
|
||
# DASHSCOPE_HTTP_BASE_URL / DASHSCOPE_WEBSOCKET_BASE_URL 生效，已在 1.27.7 验证）
|
||
dashscope>=1.27.7
|
||
|
||
# ---- 以下依赖当前代码未使用，保留仅为兼容历史环境 ----
|
||
# m3u8 # 早期解析 m3u8 播放列表
|
||
# playwright # 早期页面渲染方案
|
||
# aiofiles、aiohttp # 并发下载方案（现为同步 yt-dlp） |