docs: Add subtitle enhancement tasks to TODO

- Add visual model subtitle extraction (GPT-4V/Claude/GLM-4V) - Add ASR subtitle extraction (Whisper/讯飞/阿里云)
2026-02-10 15:16:47 +08:00
parent f4c6612849
commit 3f74bcd377
1 changed files with 8 additions and 0 deletions
@@ -24,6 +24,14 @@
  - [ ] 审查WeCom插件可疑代码 (src/monitor.ts:376, src/outbound.ts:141)
  - [ ] 启用ufw防火墙

+### 字幕增强方案（待实现）
+- [ ] **视觉大模型方案** - 用API识别视频帧中的字幕
+  - 可选模型：GPT-4V / Claude Vision / GLM-4V / 通义千问VL
+  - 流程：视频帧图片 → 视觉大模型 → 识别文字 → 输出字幕
+- [ ] **语音识别(ASR)方案** - 用ASR模型提取音频字幕
+  - 可选模型：Whisper / 讯飞ASR / 阿里云ASR
+  - 流程：视频 → 提取音频 → ASR模型 → 字幕文件(.srt/.lrc)
+
 ### 常规
 - [ ] ...