update doc

Framework.md

@@ -25,13 +25,13 @@ graph TD
 - **特点**：持续运行的监听器，向下游推送 PCM 帧 / numpy array。
 - **实时性保障**：限帧缓冲长度（防止阻塞）；异步 IO（web/本地都适用）。
 
-#### **模块 B：VAD 分段器**
+#### **模块 B：VAD 分段器(vad)**
 - **职责**：根据能量、静音、说话边界等信号判断语音段落。
 - **输出**：segment 音频块 + 时间戳。
 - **特点**：滑动窗口方式收集帧，支持重叠帧（方便 whisper 特征提取）。
 - **实时性保障**：分段逻辑低延迟计算，每完成一个 segment 即可推送。
 
-#### **模块 C：Whisper 转录模块**
+#### **模块 C：Whisper 转录模块(transcribe)**
 - **职责**：对每段 VAD 输出进行 whisper 转写，输出文本 + 时间戳。
 - **特点**：segment 级别调用 whisper，天然可并行；可 GPU 推理加速。
 - **实时性保障**：控制 segment 长度在 1~5s，支持多个转录 worker 异步执行。
@@ -43,12 +43,12 @@ graph TD
 - **判断逻辑**：基于标点、停顿、时间间隔、小模型或规则判断。
 - **实时性保障**：设置最大延迟窗口，防止句子粘连。
 
-#### **模块 E：即时输出模块**
+#### **模块 E：即时输出模块(display)**
 - **职责**：将聚合后的转写结果立即显示给用户，无论是原始还是优化后的内容。
 - **特点**：无等待、无依赖，低延迟输出，支持句子更新。
 - **实时性保障**：最短路径，展示为第一响应版本。
 
-#### **模块 F：LLM 优化调度器**
+#### **模块 F：LLM 优化调度器(optimizer)**
 - **职责**：接收待优化句子，加入优化任务队列。
 - **特点**：任务调度、并行执行、负载均衡；支持多模型、可控超时。
 - **实时性保障**：异步非阻塞，不影响主流程。
@@ -58,7 +58,7 @@ graph TD
 - **特点**：非强覆盖，可差分更新；UI 区分原始/优化版本。
 - **实时性保障**：回填异步进行，不干扰主字幕。
 
-#### **模块 H：翻译模块**
+#### **模块 H：翻译模块(translator)**
 - **职责**：接收所有来自即时输出模块的句子（原始或优化后），将其翻译为目标语言。
 - **特点**：单一翻译模块，适配不同质量文本；可以并行多语种或缓存优化后重译。
 - **实时性保障**：即转即译 + 回填更新可分离，支持伪流式体验。

dataset/audio/metadata/test1_segments_20250425_165446.json

@@ -0,0 +1,126 @@
+{
+  "audio_file": "dataset/audio/test1.wav",
+  "timestamp": "20250425_165446",
+  "total_segments": 17,
+  "segments": [
+    {
+      "index": 0,
+      "start_time": 3.26,
+      "end_time": 3.92,
+      "duration": 0.6600000000000001,
+      "is_speech": true
+    },
+    {
+      "index": 1,
+      "start_time": 4.34,
+      "end_time": 5.56,
+      "duration": 1.2199999999999998,
+      "is_speech": true
+    },
+    {
+      "index": 2,
+      "start_time": 7.1,
+      "end_time": 7.8,
+      "duration": 0.7000000000000002,
+      "is_speech": true
+    },
+    {
+      "index": 3,
+      "start_time": 8.8,
+      "end_time": 12.44,
+      "duration": 3.639999999999999,
+      "is_speech": true
+    },
+    {
+      "index": 4,
+      "start_time": 12.8,
+      "end_time": 16.74,
+      "duration": 3.9399999999999977,
+      "is_speech": true
+    },
+    {
+      "index": 5,
+      "start_time": 17.32,
+      "end_time": 18.76,
+      "duration": 1.4400000000000013,
+      "is_speech": true
+    },
+    {
+      "index": 6,
+      "start_time": 19.76,
+      "end_time": 21.1,
+      "duration": 1.3399999999999999,
+      "is_speech": true
+    },
+    {
+      "index": 7,
+      "start_time": 21.62,
+      "end_time": 25.68,
+      "duration": 4.059999999999999,
+      "is_speech": true
+    },
+    {
+      "index": 8,
+      "start_time": 26.28,
+      "end_time": 28.2,
+      "duration": 1.9199999999999982,
+      "is_speech": true
+    },
+    {
+      "index": 9,
+      "start_time": 28.56,
+      "end_time": 31.6,
+      "duration": 3.0400000000000027,
+      "is_speech": true
+    },
+    {
+      "index": 10,
+      "start_time": 31.98,
+      "end_time": 33.2,
+      "duration": 1.2200000000000024,
+      "is_speech": true
+    },
+    {
+      "index": 11,
+      "start_time": 33.54,
+      "end_time": 36.52,
+      "duration": 2.980000000000004,
+      "is_speech": true
+    },
+    {
+      "index": 12,
+      "start_time": 37.82,
+      "end_time": 38.94,
+      "duration": 1.1199999999999974,
+      "is_speech": true
+    },
+    {
+      "index": 13,
+      "start_time": 39.34,
+      "end_time": 40.34,
+      "duration": 1.0,
+      "is_speech": true
+    },
+    {
+      "index": 14,
+      "start_time": 40.86,
+      "end_time": 42.4,
+      "duration": 1.5399999999999991,
+      "is_speech": true
+    },
+    {
+      "index": 15,
+      "start_time": 43.04,
+      "end_time": 46.6,
+      "duration": 3.5600000000000023,
+      "is_speech": true
+    },
+    {
+      "index": 16,
+      "start_time": 47.5,
+      "end_time": 49.8,
+      "duration": 2.299999999999997,
+      "is_speech": true
+    }
+  ]
+}