修复音视频处理的关键问题

1. 修复Paragraph模型构造错误:
   - 将meta参数改为status_meta
   - 添加必需的knowledge_id参数

2. 修复使用demo数据的问题:
   - 移除所有demo数据生成代码
   - 改为调用实际的音频处理逻辑
   - 通过MediaSplitHandle进行实际处理

3. 增强MediaSplitHandle功能:
   - 支持实际处理和默认文本两种模式
   - 根据use_actual_processing参数选择处理方式
   - 保持向后兼容性

🤖 Generated with [Claude Code](https://claude.ai/code)

Co-Authored-By: Claude <noreply@anthropic.com>
This commit is contained in:
朱潮 2025-08-31 01:44:54 +08:00
parent 565a07f9c6
commit 5da36659c2
2 changed files with 220 additions and 167 deletions

View File

@ -28,68 +28,20 @@ class MediaSplitHandle(BaseSplitHandle):
def handle(self, file, pattern_list: List, with_filter: bool, limit: int,
get_buffer, save_image, **kwargs):
"""处理音视频文件 - 使用默认文本"""
"""处理音视频文件"""
maxkb_logger.info(f"MediaSplitHandle.handle called with file: {file.name}")
maxkb_logger.info(f"Using default text for media processing (no actual audio processing)")
# 获取文件名和类型
file_name = file.name
file_ext = file_name.lower().split('.')[-1]
# 检查是否需要实际处理
use_actual_processing = kwargs.get('use_actual_processing', False)
stt_model_id = kwargs.get('stt_model_id')
# 判断媒体类型
audio_exts = {'mp3', 'wav', 'm4a', 'flac', 'aac', 'ogg', 'wma'}
video_exts = {'mp4', 'avi', 'mov', 'mkv', 'webm', 'flv', 'wmv'}
if file_ext in audio_exts:
media_type = "音频"
default_segments = self._get_audio_default_segments(file_name)
elif file_ext in video_exts:
media_type = "视频"
default_segments = self._get_video_default_segments(file_name)
if use_actual_processing and stt_model_id:
# 进行实际处理
return self._handle_actual_processing(file, get_buffer, **kwargs)
else:
media_type = "媒体"
default_segments = self._get_media_default_segments(file_name)
maxkb_logger.info(f"Processing {media_type} file: {file_name}")
maxkb_logger.info(f"Generating {len(default_segments)} default segments")
# 转换为MaxKB段落格式
paragraphs = []
for i, segment_data in enumerate(default_segments):
paragraph = {
'content': segment_data['content'],
'title': segment_data['title'],
'metadata': {
'start_time': segment_data.get('start_time'),
'end_time': segment_data.get('end_time'),
'index': i,
'is_demo': True,
'media_type': media_type,
'file_name': file_name
}
}
paragraphs.append(paragraph)
# 应用限制
if limit > 0:
paragraphs = paragraphs[:limit]
# 添加处理元数据
metadata = {
'media_processing_status': 'success',
'media_type': media_type,
'is_demo_content': True,
'processing_mode': 'default_text'
}
maxkb_logger.info(f"Successfully created {len(paragraphs)} default paragraphs for {file_name}")
return {
'name': file.name,
'content': paragraphs,
'metadata': metadata
}
# 使用默认文本
return self._handle_default_text(file, **kwargs)
def _get_audio_default_segments(self, file_name: str) -> List[dict]:
"""生成音频文件的默认段落"""
@ -160,6 +112,163 @@ class MediaSplitHandle(BaseSplitHandle):
}
]
def _handle_default_text(self, file, **kwargs) -> dict:
"""使用默认文本处理音视频文件"""
maxkb_logger.info(f"Using default text for media processing: {file.name}")
# 获取文件名和类型
file_name = file.name
file_ext = file_name.lower().split('.')[-1]
# 判断媒体类型
audio_exts = {'mp3', 'wav', 'm4a', 'flac', 'aac', 'ogg', 'wma'}
video_exts = {'mp4', 'avi', 'mov', 'mkv', 'webm', 'flv', 'wmv'}
if file_ext in audio_exts:
media_type = "音频"
default_segments = self._get_audio_default_segments(file_name)
elif file_ext in video_exts:
media_type = "视频"
default_segments = self._get_video_default_segments(file_name)
else:
media_type = "媒体"
default_segments = self._get_media_default_segments(file_name)
maxkb_logger.info(f"Processing {media_type} file: {file_name}")
maxkb_logger.info(f"Generating {len(default_segments)} default segments")
# 转换为MaxKB段落格式
paragraphs = []
for i, segment_data in enumerate(default_segments):
paragraph = {
'content': segment_data['content'],
'title': segment_data['title'],
'metadata': {
'start_time': segment_data.get('start_time'),
'end_time': segment_data.get('end_time'),
'index': i,
'is_demo': True,
'media_type': media_type,
'file_name': file_name
}
}
paragraphs.append(paragraph)
# 添加处理元数据
metadata = {
'media_processing_status': 'success',
'media_type': media_type,
'is_demo_content': True,
'processing_mode': 'default_text'
}
maxkb_logger.info(f"Successfully created {len(paragraphs)} default paragraphs for {file_name}")
return {
'name': file.name,
'content': paragraphs,
'metadata': metadata
}
def _handle_actual_processing(self, file, get_buffer, **kwargs) -> dict:
"""实际处理音视频文件"""
maxkb_logger.info(f"Starting actual processing for media file: {file.name}")
# 初始化适配器
if not self.adapter:
from .media_adapter import MediaAdapter
from .media_adapter.logger import MediaLogger
logger_wrapper = MediaLogger(maxkb_logger)
self.adapter = MediaAdapter(logger=logger_wrapper)
# 获取文件内容
buffer = get_buffer(file)
# 获取模型ID和工作空间ID
stt_model_id = kwargs.get('stt_model_id')
llm_model_id = kwargs.get('llm_model_id')
workspace_id = kwargs.get('workspace_id')
maxkb_logger.info(f"Extracted from kwargs - stt_model_id: {stt_model_id}, llm_model_id: {llm_model_id}, workspace_id: {workspace_id}")
# 处理选项
options_param = kwargs.get('options', {})
options = {
'language': options_param.get('language', kwargs.get('language', 'auto')),
'segment_duration': options_param.get('segment_duration', kwargs.get('segment_duration', 300)),
'enable_punctuation': options_param.get('enable_punctuation', kwargs.get('enable_punctuation', True)),
'enable_summary': options_param.get('enable_summary', kwargs.get('enable_summary', False)),
'extract_keyframes': options_param.get('extract_keyframes', kwargs.get('extract_keyframes', False))
}
try:
# 调用适配器处理
result = self.adapter.process_media(
file_content=buffer,
file_name=file.name,
stt_model_id=stt_model_id,
llm_model_id=llm_model_id,
workspace_id=workspace_id,
options=options
)
# 转换为MaxKB段落格式
paragraphs = []
for segment in result.get('segments', []):
# 使用优化后的文本(如果有)
text = segment.get('enhanced_text', segment.get('text', ''))
# 添加时间戳信息
if segment.get('start_time') is not None:
time_info = f"[{self._format_time(segment['start_time'])} - {self._format_time(segment['end_time'])}]"
text = f"{time_info}\n{text}"
# 添加摘要(如果有)
if segment.get('summary'):
text = f"## 摘要\n\n{segment['summary']}\n\n---\n\n{text}"
maxkb_logger.info(f"Adding summary to paragraph: {segment['summary'][:50]}...")
paragraph = {
'content': text,
'title': f"段落 {segment.get('index', 0) + 1}",
'metadata': {
'start_time': segment.get('start_time'),
'end_time': segment.get('end_time'),
'index': segment.get('index'),
'is_demo': False,
'media_type': 'actual'
}
}
paragraphs.append(paragraph)
# 添加成功处理的标记
metadata = result.get('metadata', {})
metadata['media_processing_status'] = 'success'
metadata['is_demo_content'] = False
metadata['processing_mode'] = 'actual_processing'
maxkb_logger.info(f"Successfully processed {file.name}, generated {len(paragraphs)} actual paragraphs")
return {
'name': file.name,
'content': paragraphs,
'metadata': metadata
}
except Exception as e:
maxkb_logger.error(f"实际处理音视频文件失败: {str(e)}")
# 返回错误信息
return {
'name': file.name,
'content': [{
'content': f'实际处理失败: {str(e)}',
'title': '错误'
}],
'metadata': {'error': str(e), 'media_processing_status': 'failed'}
}
def get_content(self, file, save_image):
"""获取文件内容(用于预览)"""
try:

View File

@ -63,119 +63,62 @@ def media_learning_by_document(document_id: str, knowledge_id: str, workspace_id
State.STARTED
)
# 生成演示段落数据(不实际处理音频文件
maxkb_logger.info(f"📝 Generating demo paragraphs for media file: {source_file.file_name}")
# 实际处理音频文件
maxkb_logger.info(f"📝 Processing media file: {source_file.file_name}")
# 根据文件类型和名称生成合理的演示段落
file_extension = source_file.file_name.split('.')[-1].lower()
base_name = source_file.file_name.split('.')[0]
# 生成演示段落数据
paragraphs_data = []
if file_extension in ['mp3', 'wav', 'm4a', 'aac']:
# 音频文件演示段落
paragraphs_data = [
{
'content': f'这是音频文件 "{base_name}" 的第一段内容演示。本段包含了会议的开场介绍和主要议题的说明。',
'title': '开场介绍',
'metadata': {
'segment_type': 'audio',
'segment_index': 1,
'duration': '0:00-2:30',
'file_name': source_file.file_name,
'is_demo': True
}
},
{
'content': f'这是音频文件 "{base_name}" 的第二段内容演示。本段详细讨论了项目的进展情况和下一步的工作计划。',
'title': '项目进展',
'metadata': {
'segment_type': 'audio',
'segment_index': 2,
'duration': '2:30-5:00',
'file_name': source_file.file_name,
'is_demo': True
}
},
{
'content': f'这是音频文件 "{base_name}" 的第三段内容演示。本段总结了会议的主要结论和行动项,明确了责任人和时间节点。',
'title': '总结与行动项',
'metadata': {
'segment_type': 'audio',
'segment_index': 3,
'duration': '5:00-7:30',
'file_name': source_file.file_name,
'is_demo': True
}
}
]
elif file_extension in ['mp4', 'avi', 'mov', 'mkv']:
# 视频文件演示段落
paragraphs_data = [
{
'content': f'这是视频文件 "{base_name}" 的第一段内容演示。本段包含了视频的开场介绍和主要内容概述。',
'title': '开场介绍',
'metadata': {
'segment_type': 'video',
'segment_index': 1,
'duration': '0:00-3:00',
'file_name': source_file.file_name,
'is_demo': True
}
},
{
'content': f'这是视频文件 "{base_name}" 的第二段内容演示。本段详细展示了产品的功能特性和使用方法。',
'title': '功能演示',
'metadata': {
'segment_type': 'video',
'segment_index': 2,
'duration': '3:00-8:00',
'file_name': source_file.file_name,
'is_demo': True
}
},
{
'content': f'这是视频文件 "{base_name}" 的第三段内容演示。本段总结了产品的主要优势和适用场景,提供了联系方式。',
'title': '总结与联系方式',
'metadata': {
'segment_type': 'video',
'segment_index': 3,
'duration': '8:00-10:00',
'file_name': source_file.file_name,
'is_demo': True
}
}
]
else:
# 其他类型文件的通用演示段落
paragraphs_data = [
{
'content': f'这是媒体文件 "{base_name}" 的第一段内容演示。本段包含了文件的基本信息和主要内容概述。',
'title': '文件概述',
'metadata': {
'segment_type': 'media',
'segment_index': 1,
'duration': '0:00-2:00',
'file_name': source_file.file_name,
'is_demo': True
}
},
{
'content': f'这是媒体文件 "{base_name}" 的第二段内容演示。本段详细介绍了文件的核心内容和关键信息。',
'title': '核心内容',
'metadata': {
'segment_type': 'media',
'segment_index': 2,
'duration': '2:00-4:00',
'file_name': source_file.file_name,
'is_demo': True
}
# 使用MediaSplitHandle进行实际处理
try:
from common.handle.impl.media.media_split_handle import MediaSplitHandle
from django.core.files.base import ContentFile
# 创建处理器
handler = MediaSplitHandle()
# 创建临时文件对象
temp_file = ContentFile(source_file.get_bytes(), name=source_file.file_name)
# 获取文件内容的函数
def get_buffer(file_obj):
return file_obj.read()
# 处理音视频文件(禁用默认文本模式)
result = handler.handle(
file=temp_file,
pattern_list=[],
with_filter=False,
limit=0, # 不限制段落数量
get_buffer=get_buffer,
save_image=False,
stt_model_id=stt_model_id,
llm_model_id=llm_model_id,
workspace_id=workspace_id,
use_actual_processing=True # 标记需要实际处理
)
# 提取段落数据
paragraphs_data = []
for paragraph in result.get('content', []):
paragraphs_data.append({
'content': paragraph['content'],
'title': paragraph['title'],
'metadata': paragraph.get('metadata', {})
})
maxkb_logger.info(f"✅ Successfully processed media file, generated {len(paragraphs_data)} paragraphs")
except Exception as processing_error:
maxkb_logger.error(f"❌ Failed to process media file: {str(processing_error)}")
# 如果处理失败,生成基础段落
paragraphs_data = [{
'content': f'音视频文件 "{source_file.file_name}" 处理失败: {str(processing_error)}',
'title': '处理失败',
'metadata': {
'error': str(processing_error),
'file_name': source_file.file_name
}
]
maxkb_logger.info(f"📝 Generated {len(paragraphs_data)} demo paragraphs for media file")
maxkb_logger.info(f"🔧 Note: Using demo content instead of actual audio/video processing")
maxkb_logger.info(f"📝 Generated {len(paragraphs_data)} paragraphs for media file")
# 第2步更新状态为索引中段落创建和向量化
maxkb_logger.info(f"📚 Updating status to: STARTED (索引中)")
@ -187,10 +130,11 @@ def media_learning_by_document(document_id: str, knowledge_id: str, workspace_id
for idx, para_data in enumerate(paragraphs_data):
paragraph = Paragraph(
document_id=document_id,
knowledge_id=knowledge_id,
content=para_data.get('content', ''),
title=para_data.get('title', f'段落 {idx + 1}'),
position=idx + 1,
meta=para_data.get('metadata', {})
status_meta=para_data.get('metadata', {})
)
paragraph_models.append(paragraph)