feat(12-01): implement ASRCorrector for speech recognition error correction

- Use LLM to correct obvious ASR errors (homophones, missing words)
- Batch processing for long text (5000 chars per batch)
- Fallback to original text when AI unavailable
- Simple sentence-based text splitting

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>

kb_workflow/srt/corrector.py

@@ -0,0 +1,157 @@
+"""ASR Corrector Module
+
+使用 LLM 纠正语音识别错误。复用 SimpleAIClient。
+
+功能：
+- 纠正明显的语音识别错误（同音字、漏字、错字）
+- 分批处理长文本
+- AI 不可用时返回原文
+"""
+
+from __future__ import annotations
+
+import logging
+from typing import Optional, Protocol
+
+logger = logging.getLogger(__name__)
+
+
+class AIClientProtocol(Protocol):
+    """AI 客户端协议"""
+
+    def generate(self, prompt: str, max_tokens: int = 16000) -> str:
+        """生成文本"""
+        ...
+
+
+# 纠错 Prompt 模板
+CORRECTION_PROMPT = """你是一个文本校对专家。以下是语音识别生成的字幕，可能包含识别错误。
+请只纠正明显的错误（如同音字、漏字、错字），不要改变原意和风格。
+
+原文：
+{text}
+
+纠正后的文本（只输出纠正后的文本，不要解释）："""
+
+
+class ASRCorrector:
+    """ASR 纠错器
+
+    使用 LLM 纠正语音识别中的明显错误。
+
+    Attributes:
+        ai_client: AI 客户端（必须实现 generate 方法）
+        batch_size: 分批处理的字符数，默认 5000
+    """
+
+    def __init__(
+        self,
+        ai_client: Optional[AIClientProtocol] = None,
+        batch_size: int = 5000
+    ):
+        """初始化纠错器
+
+        Args:
+            ai_client: AI 客户端实例，如果为 None 则不进行纠错
+            batch_size: 分批处理的字符数
+        """
+        self.ai_client = ai_client
+        self.batch_size = batch_size
+
+    def correct(self, text: str) -> str:
+        """纠正文本中的语音识别错误
+
+        Args:
+            text: 原始文本
+
+        Returns:
+            纠正后的文本。如果 AI 不可用或文本为空，返回原文。
+
+        Example:
+            >>> corrector = ASRCorrector(ai_client=my_client)
+            >>> result = corrector.correct("什么是机器学习")
+            >>> print(result)
+            什么是机器学习
+        """
+        # 空文本直接返回
+        if not text or not text.strip():
+            return text or ""
+
+        # AI 不可用，返回原文
+        if self.ai_client is None:
+            logger.info("AI client not available, returning original text")
+            return text
+
+        # 短文本直接处理
+        if len(text) <= self.batch_size:
+            return self._correct_batch(text)
+
+        # 长文本分批处理
+        return self._correct_long_text(text)
+
+    def _correct_batch(self, text: str) -> str:
+        """处理单个批次的文本
+
+        Args:
+            text: 文本内容
+
+        Returns:
+            纠正后的文本
+        """
+        try:
+            prompt = CORRECTION_PROMPT.format(text=text)
+            result = self.ai_client.generate(prompt, max_tokens=len(text) + 500)
+            return result.strip()
+        except Exception as e:
+            logger.warning(f"ASR correction failed: {e}, returning original text")
+            return text
+
+    def _correct_long_text(self, text: str) -> str:
+        """分批处理长文本
+
+        按句子分割，每批不超过 batch_size 字符。
+
+        Args:
+            text: 长文本内容
+
+        Returns:
+            纠正后的文本
+        """
+        # 按句子分割（简单分割，基于句号、问号、感叹号）
+        sentences = []
+        current = ""
+        for char in text:
+            current += char
+            if char in '。！？\n':
+                sentences.append(current)
+                current = ""
+
+        # 添加最后一个不完整的句子
+        if current:
+            sentences.append(current)
+
+        # 分批处理
+        batches = []
+        current_batch = []
+        current_length = 0
+
+        for sentence in sentences:
+            if current_length + len(sentence) > self.batch_size:
+                if current_batch:
+                    batches.append(''.join(current_batch))
+                current_batch = [sentence]
+                current_length = len(sentence)
+            else:
+                current_batch.append(sentence)
+                current_length += len(sentence)
+
+        if current_batch:
+            batches.append(''.join(current_batch))
+
+        # 处理每个批次
+        corrected_batches = []
+        for batch in batches:
+            corrected = self._correct_batch(batch)
+            corrected_batches.append(corrected)
+
+        return ''.join(corrected_batches)