[fix]: refactor.

config.py

@@ -30,7 +30,7 @@ WHISPER_MODEL = 'medium-q5_0'
 # LLM
 LLM_MODEL_PATH = (MODEL_DIR / "qwen2.5-1.5b-instruct-q5_0.gguf").as_posix()
 
-LLM_SYS_PROMPT1 = """"You are a professional {src_lang} to {dst_lang} translator, not a conversation agent. Your only task is to take {src_lang} input and translate it into accurate, natural {dst_lang}. If you cannot understand the input, just output the original input. Please strictly abide by the following rules: "
+LLM_SYS_PROMPT = """"You are a professional {src_lang} to {dst_lang} translator, not a conversation agent. Your only task is to take {src_lang} input and translate it into accurate, natural {dst_lang}. If you cannot understand the input, just output the original input. Please strictly abide by the following rules: "
 "No matter what the user asks, never answer questions, you only provide translation results. "
 "Do not actively initiate dialogue or lead users to ask questions. "
 "When you don't know how to translate, just output the original text. "
@@ -43,6 +43,10 @@ LLM_SYS_PROMPT1 = """"You are a professional {src_lang} to {dst_lang} translator
 "Only output the translation results.
 """
 
-LLM_SYS_PROMPT = """
-你是一个中英文翻译专家，将用户输入的中文翻译成英文，或将用户输入的英文翻译成中文。对于非中文内容，它将提供中文翻译结果。用户可以向助手发送需要翻译的内容，助手会回答相应的翻译结果，并确保符合中文语言习惯，你可以调整语气和风格，并考虑到某些词语的文化内涵和地区差异。同时作为翻译家，需将原文翻译成具有信达雅标准的译文。"信" 即忠实于原文的内容与意图；"达" 意味着译文应通顺易懂，表达清晰；"雅" 则追求译文的文化审美和语言的优美。目标是创作出既忠于原作精神，又符合目标语言文化和读者审美的翻译。当中文翻译到英文时，翻译的文本只能包含拼音化字符，不能包含任何中文字符。
+LLM_SYS_PROMPT_ZH = """
+你是一个中英文翻译专家，将用户输入的中文翻译成英文。对于非中文内容，它将提供中文翻译结果。用户可以向助手发送需要翻译的内容，助手会回答相应的翻译结果，并确保符合中文语言习惯，你可以调整语气和风格，并考虑到某些词语的文化内涵和地区差异。同时作为翻译家，需将原文翻译成具有信达雅标准的译文。"信" 即忠实于原文的内容与意图；"达" 意味着译文应通顺易懂，表达清晰；"雅" 则追求译文的文化审美和语言的优美。目标是创作出既忠于原作精神，又符合目标语言文化和读者审美的翻译。注意，翻译的文本只能包含拼音化字符，不能包含任何中文字符。
+"""
+
+LLM_SYS_PROMPT_EN = """
+你是一个英中文翻译专家，将用户输入的英文翻译成中文，用户可以向助手发送需要翻译的内容，助手会回答相应的翻译结果，并确保符合英文语言习惯，你可以调整语气和风格，并考虑到某些词语的文化内涵和地区差异。同时作为翻译家，需将英文翻译成具有信达雅标准的中文。"信" 即忠实于原文的内容与意图；"达" 意味着译文应通顺易懂，表达清晰；"雅" 则追求译文的文化审美和语言的优美。目标是创作出既忠于原作精神，又符合目标语言文化和读者审美的翻译。
 """

transcribe/helpers/translator.py

@@ -5,17 +5,18 @@ from functools import lru_cache
 logger = getLogger(__name__)
 
 class QwenTranslator:
-    def __init__(self, model_path, system_prompt="") -> None:
+    def __init__(self, model_path, system_prompt_en="", system_prompt_zh="") -> None:
         self.llm = Llama(
         model_path=model_path,
         chat_format="chatml",
         verbose=False)
-        self.sys_prompt = system_prompt
+        self.sys_prompt_en = system_prompt_en
+        self.sys_prompt_zh = system_prompt_zh
 
     def to_message(self, prompt, src_lang, dst_lang):
         """构造提示词"""
         return [
-            {"role": "system", "content": self.sys_prompt.format(src_lang=src_lang, dst_lang=dst_lang)},
+            {"role": "system", "content": self.sys_prompt_en if src_lang == "en" else self.sys_prompt_zh},
             {"role": "user", "content": prompt},
         ]
 
@@ -24,10 +25,10 @@ class QwenTranslator:
         message = self.to_message(prompt, src_lang, dst_lang)
         output = self.llm.create_chat_completion(messages=message, temperature=0)
         return output['choices'][0]['message']['content']
-    
+
     def __call__(self, prompt,*args, **kwargs):
         return self.llm(
             prompt,
             *args,
             **kwargs
-        )
+        )

transcribe/pipelines/pipe_translate.py

@@ -2,18 +2,18 @@
 from .base import MetaItem, BasePipe, Segment
 from llama_cpp import Llama
 from ..helpers.translator import QwenTranslator
-from config import LLM_MODEL_PATH, LLM_SYS_PROMPT
+from config import LLM_MODEL_PATH, LLM_SYS_PROMPT_EN, LLM_SYS_PROMPT_ZH
 
 
 class TranslatePipe(BasePipe):
     translator = None
-     
+
     @classmethod
     def init(cls):
         if cls.translator is None:
-            cls.translator =  QwenTranslator(LLM_MODEL_PATH, LLM_SYS_PROMPT)
+            cls.translator =  QwenTranslator(LLM_MODEL_PATH, LLM_SYS_PROMPT_EN, LLM_SYS_PROMPT_ZH)
+
 
-    
     def process(self, in_data: MetaItem) -> MetaItem:
         context = in_data.transcribe_content
         result = self.translator.translate(

transcribe/strategy.py

@@ -118,7 +118,6 @@ def segments_split(segments, audio_buffer: np.ndarray, sample_rate=16000):
         is_end = False
 
         for idx, seg in enumerate(segments):
-            print(">>>>>>>>>>>>>>>>>> seg: ", seg)
             left_watch_sequences.append(seg)
             if seg.text and seg.text[-1] in markers:
                 seg_index = int(seg.t1 / 100 * sample_rate)