这段代码是一系列用于处理字幕的函数，主要用于以下任务：

• 拆分字幕：根据句子的语法和长度，将长句子拆分成适合字幕显示的短句子。
• 摘要和术语提取：从视频文本中提取主题和专业术语，帮助翻译人员更好地理解和翻译内容。
• 翻译：将原始字幕逐行翻译，同时确保翻译的准确性和流畅性。
• 对齐字幕：在不同语言的字幕之间进行对齐，确保翻译后的字幕与原始字幕在结构和意义上保持一致。
• 精简字幕：在语音配音的时间限制内，对过长的字幕进行精简，保持原意的同时减少字数。

以下是对代码中每个部分的详细解释：

导入模块和设置

python
import os, sys, json
sys.path.append(os.path.dirname(os.path.dirname(os.path.abspath(__file__))))
from core.step2_whisper import get_whisper_language
from core.config_utils import load_key

• os, sys, json：导入Python的标准库模块，用于文件路径操作和JSON处理。
• sys.path.append(...)：将上级目录添加到系统路径，方便导入其他模块。
• from core.step2_whisper import get_whisper_language：从core.step2_whisper模块中导入get_whisper_language函数，用于获取当前处理的语言。
• from core.config_utils import load_key：从core.config_utils模块中导入load_key函数，用于加载配置中的键值。

1. 拆分字幕函数

python
def get_split_prompt(sentence, num_parts=2, word_limit=20):
    # 仅支持将句子拆分成两个部分
    language = get_whisper_language()
    split_prompt = f"""
### 角色
你是一名专业且经验丰富的{language}Netflix字幕拆分师。

### 任务
你的任务是将给定的字幕文本拆分成 **{num_parts}** 部分，每部分应少于 {word_limit} 个单词。

### 要求
1. 尽量保持句子意义的连贯性，根据Netflix字幕标准进行拆分，确保两个部分相对独立。
2. 每部分的长度应大致相等，且不少于3个单词，但句子的完整性更为重要。
3. 优先在标点符号处拆分，如句号、逗号和连词（例如："and", "but", "because", "when", "then", "if", "so", "that"）。

### 步骤
1. 分析给定文本的语法和结构。
2. 提供两种不同的拆分方式，每种方式的拆分点不同，输出完整的句子（不要更改任何字母或标点），在拆分位置插入 [br] 标签。
3. 简要比较和评估上述两种拆分方法，考虑可读性、语法结构和上下文连贯性，选择最佳的拆分方法。
4. 给出最佳拆分方法的编号，1 或 2。

### 输出格式
请以以下JSON格式提供你的答案，<<>> 表示需要填写的内容：
{{
    "analysis": "对文本结构和拆分策略的简要分析",
    "split_1": "<<第一种拆分方法，输出完整句子，在拆分位置插入 [br] 作为分隔符>>",
    "split_2": "<<第二种拆分方法>>",
    "eval": "<<对两种拆分方法的统一简要评估，用一句话，不要换行>>",
    "best": "<<最佳拆分方法的编号，1 或 2>>"
}}

### 给定文本
<split_this_sentence>
{sentence}
</split_this_sentence>
""".strip()

    return split_prompt

解释：

• 功能：根据给定的句子生成一个提示，指导语言模型如何将句子拆分成两个部分，以适应字幕显示的要求。
• 参数：
  • sentence：需要拆分的原始句子。
  • num_parts：希望将句子拆分成的部分数量，默认为2。
  • word_limit：每部分的最大单词数限制，默认为20。
• 过程：
  • 获取当前处理的语言（例如，英语、法语等）。
  • 定义一个多行字符串split_prompt，包含详细的任务描述、要求、步骤和输出格式。
  • 返回生成的提示split_prompt。

2. 摘要和术语提取函数

python
def get_summary_prompt(source_content):
    src_language = get_whisper_language()
    TARGET_LANGUAGE = load_key("target_language")
    summary_prompt = f"""
### 角色
你是一名专业的视频翻译专家和术语顾问。你不仅擅长准确理解原始的{src_language}文本，还能提取关键的专业术语，并优化翻译以更好地适应{TARGET_LANGUAGE}的表达习惯和文化背景。

### 任务描述
对于提供的原始{src_language}视频文本，你需要：
1. 用一句话总结视频的主要主题。
2. 提取视频中出现的专业术语和名称，提供{TARGET_LANGUAGE}翻译或建议保留原文。避免提取简单、常见的词汇。
3. 对每个翻译的术语或名称，提供简要的解释。

### 分析和总结步骤
请分两步思考，逐行处理文本：
1. 主题总结：
   - 快速浏览全文，理解大意。
   - 用一句简洁的话总结主题。
2. 术语和名称提取：
   - 仔细阅读全文，标记专业术语和名称。
   - 对于每个术语或名称，提供{TARGET_LANGUAGE}翻译或建议保留原文，只需要词语本身，不需要发音。
   - 为每个术语或名称添加简要的解释，帮助翻译人员理解。
   - 如果词语是固定缩写或专有名称，请保留原文。

### 输出格式
请以以下JSON格式输出你的分析结果，其中 <> 表示需要填写的内容：
{{
    "theme": "<用一句话简要总结视频的主题>",
    "terms": [
        {{
            "original": "<{src_language}中的术语或名称1>",
            "translation": "<{TARGET_LANGUAGE}翻译或保留原文>",
            "explanation": "<对术语或名称的简要解释>"
        }},
        ...
    ]
}}

### 视频文本数据
<video_text_to_summarize>
{source_content}
</video_text_to_summarize>
""".strip()

    return summary_prompt

解释：

• 功能：为语言模型生成一个提示，用于从原始视频文本中提取主题和专业术语，帮助翻译人员理解内容并进行准确翻译。
• 参数：
  • source_content：原始视频文本内容。
• 过程：
  • 获取源语言和目标语言。
  • 定义任务角色和描述，详细说明需要完成的任务和步骤。
  • 提供输出格式示例，指导模型生成符合要求的JSON格式输出。
  • 返回生成的提示summary_prompt。

3. 生成共享提示函数

python
def generate_shared_prompt(previous_content_prompt, after_content_prompt, summary_prompt, things_to_note_prompt):
    return f'''### 上下文信息
<previous_content>
{previous_content_prompt}
</previous_content>

<subsequent_content>
{after_content_prompt}
</subsequent_content>

### 内容摘要
{summary_prompt}

### 注意事项
{things_to_note_prompt}'''

解释：

• 功能：生成一个包含上下文信息、内容摘要和注意事项的共享提示，用于在翻译和处理过程中提供参考。
• 参数：
  • previous_content_prompt：前文内容提示。
  • after_content_prompt：后文内容提示。
  • summary_prompt：内容摘要提示。
  • things_to_note_prompt：需要注意的事项提示。
• 过程：
  • 将各个部分组合成一个完整的提示字符串。
  • 返回生成的共享提示。

4. 获取忠实翻译提示函数

python
def get_prompt_faithfulness(lines, shared_prompt):
    TARGET_LANGUAGE = load_key("target_language")
    # 按行分割字幕
    line_splits = lines.split('\n')
    
    # 创建JSON返回格式示例
    json_format = {}
    for i, line in enumerate(line_splits, 1):
        json_format[i] = {
            "origin": line,
            "direct": f"<<直接翻译成{TARGET_LANGUAGE}>>"
        }
    
    src_language = get_whisper_language()
    prompt_faithfulness = f'''
### 角色定义
你是一名专业的Netflix字幕翻译，精通{src_language}和{TARGET_LANGUAGE}，以及它们各自的文化。你的专长在于准确理解原始{src_language}文本的语义和结构，并忠实地将其翻译成{TARGET_LANGUAGE}，同时保留原始含义。

### 任务背景
我们有一段原始的{src_language}字幕，需要直接翻译成{TARGET_LANGUAGE}。这些字幕来自特定的上下文，可能包含特定的主题和术语。

### 任务描述
基于提供的原始{src_language}字幕，你需要：
1. 将原始{src_language}字幕逐行翻译成{TARGET_LANGUAGE}。
2. 确保翻译忠实于原文，准确传达原始含义。
3. 考虑上下文和专业术语。

{shared_prompt}

### 翻译原则
1. 忠实于原文：准确传达原文的内容和意义，不得随意更改、添加或遗漏内容。
2. 术语准确：正确使用专业术语，并保持术语的一致性。
3. 理解上下文：充分理解并反映文本的背景和上下文关系。

### 字幕数据
<subtitles>
{lines}
</subtitles>

### 输出格式
请完成以下JSON数据，其中 << >> 表示占位符，不应出现在你的答案中，并以JSON格式返回翻译结果：
{json.dumps(json_format, ensure_ascii=False, indent=4)}
'''
    return prompt_faithfulness.strip()

解释：

• 功能：生成一个提示，指导模型将原始字幕逐行忠实地翻译成目标语言。
• 参数：
  • lines：原始字幕文本，按行分割。
  • shared_prompt：共享的上下文信息和注意事项提示。
• 过程：
  • 获取目标语言和源语言。
  • 创建一个JSON格式的模板，包含原文和需要填写的直接翻译字段。
  • 定义任务角色、背景、描述和翻译原则。
  • 提供字幕数据和输出格式要求。
  • 返回生成的提示prompt_faithfulness。

5. 获取流畅翻译提示函数

python
def get_prompt_expressiveness(faithfulness_result, lines, shared_prompt):
    TARGET_LANGUAGE = load_key("target_language")
    json_format = {}
    for key, value in faithfulness_result.items():
        json_format[key] = {
            "origin": value['origin'],
            "direct": value['direct'],
            "reflection": "<<对直接翻译版本的反思>>",
            "free": f"<<重新翻译的结果，旨在流畅自然，符合{TARGET_LANGUAGE}的表达习惯，不要留空行！>>"
        }

    src_language = get_whisper_language()
    prompt_expressiveness = f'''
### 角色定义
你是一名专业的Netflix字幕翻译和语言顾问。你的专长不仅在于准确理解原始的{src_language}，还在于优化{TARGET_LANGUAGE}翻译，使其更适合目标语言的表达习惯和文化背景。

### 任务背景
我们已经有了原始{src_language}字幕的直接翻译版本。现在，我们需要你反思和改进这些直接翻译，创造出更自然流畅的{TARGET_LANGUAGE}字幕。

### 任务描述
基于提供的原始{src_language}文本和{TARGET_LANGUAGE}直接翻译，你需要：
1. 逐行分析直接翻译结果，指出存在的问题。
2. 提供详细的修改建议。
3. 根据你的分析进行自由翻译。

{shared_prompt}

### 翻译分析步骤
请使用两步思考过程逐行处理文本：

1. 直接翻译反思：
   - 评估语言流畅度。
   - 检查语言风格是否与原文一致。
   - 检查字幕的简洁性，指出翻译过于冗长的地方，翻译应与原文长度接近。

2. {TARGET_LANGUAGE}自由翻译：
   - 基于第1步的反思，进行自由翻译。
   - 旨在上下文的顺畅和自然，符合{TARGET_LANGUAGE}的表达习惯。
   - 确保{TARGET_LANGUAGE}观众容易理解和接受。
   - 保持字幕简洁，语言风格朴实自然，保持自由翻译与{src_language}原文在结构上的一致性。

### 字幕数据
<subtitles>
{lines}
</subtitles>

### 输出格式
确保生成正确的JSON格式，不要在值中输出引号。
请完成以下JSON数据，其中 << >> 表示占位符，不应出现在你的答案中，并以JSON格式返回翻译结果：
{json.dumps(json_format, ensure_ascii=False, indent=4)}
'''
    return prompt_expressiveness.strip()

解释：

• 功能：生成一个提示，指导模型对直接翻译的字幕进行反思和改进，创造出更流畅自然的翻译版本。
• 参数：
  • faithfulness_result：之前忠实翻译步骤的结果，包括原文和直接翻译。
  • lines：原始字幕文本。
  • shared_prompt：共享的上下文信息和注意事项提示。
• 过程：
  • 创建一个JSON格式的模板，包含原文、直接翻译、需要填写的反思和自由翻译字段。
  • 定义任务角色、背景、描述和翻译分析步骤。
  • 提供字幕数据和输出格式要求。
  • 返回生成的提示prompt_expressiveness。

6. 获取字幕对齐提示函数

python
def get_align_prompt(src_sub, tr_sub, src_part):
    TARGET_LANGUAGE = load_key("target_language")
    src_language = get_whisper_language()
    src_splits = src_part.split('\n')
    num_parts = len(src_splits)
    src_part = src_part.replace('\n', ' [br] ')
    align_prompt = '''
### 角色定义
你是一名精通{src_language}和{target_language}的Netflix字幕对齐专家。你的专长在于准确理解两种语言的语义和结构，使你能够灵活地拆分句子，同时保留原始含义。

### 任务背景
我们有{src_language}和{target_language}的原始字幕，以及预处理后的{src_language}字幕拆分版本。你的任务是基于此信息，为{target_language}字幕创建最佳的拆分方案。

### 任务描述
基于提供的{src_language}和{target_language}原始字幕，以及预处理后的拆分版本，你需要：
1. 分析{src_language}和{target_language}字幕的词序和结构对应关系。
2. 提供{target_language}字幕的两种不同拆分方案。
3. 评估这些方案并选择最佳方案。
4. 切勿留下空行。如果根据意义难以拆分，你可以适当重写需要对齐的句子。

### 字幕数据
<subtitles>
{src_language}原文: "{src_sub}"
{target_language}原文: "{tr_sub}"
预处理的{src_language}字幕（[br]表示拆分点）: {src_part}
</subtitles>

### 处理步骤
请按照以下步骤操作，并在JSON输出中提供每个步骤的结果：
1. 分析和比较：简要分析{src_language}和{target_language}字幕的词序、句子结构和语义对应关系。指出关键的词语对应、句型异同，以及可能影响拆分的语言特征。
2. 开始对齐：根据你的分析，按照格式为{target_language}字幕提供两种不同的对齐方法。{src_language}的拆分位置必须与预处理的{src_language}拆分版本一致，不能随意更改。
3. 评估和选择：检查并简要评估两种方案，考虑句子完整性、语义连贯性和拆分点的适当性等因素。
4. 最佳方案：选择最佳的对齐方案，仅输出一个数字，1或2。

### 输出格式
请完成以下JSON数据，其中 << >> 表示需要填写的内容，并以JSON格式返回结果：
{{
    "analysis": "<<对{src_language}和{target_language}字幕的词序、结构和语义对应关系的详细分析>>",
    "align_1": [
        {align_parts_json}
    ],
    "align_2": [
        {align_parts_json}
    ],
    "comparison": "<<对两种对齐方案的简要评估和比较>>",
    "best": "<<最佳对齐方案的编号，1或2>>"
}}
'''

    align_parts_json = ','.join(
        f'''
        {{
            "src_part_{i+1}": "<<{src_splits[i]}>>",
            "target_part_{i+1}": "<<对应对齐的{TARGET_LANGUAGE}字幕部分>>"
        }}''' for i in range(num_parts)
    )

    return align_prompt.format(
        src_language=src_language,
        target_language=TARGET_LANGUAGE,
        src_sub=src_sub,
        tr_sub=tr_sub,
        src_part=src_part,
        align_parts_json=align_parts_json,
    )

解释：

• 功能：生成一个提示，指导模型在源语言和目标语言字幕之间进行对齐，提供最佳的拆分方案。
• 参数：
  • src_sub：源语言的原始字幕。
  • tr_sub：目标语言的原始字幕。
  • src_part：预处理后的源语言字幕拆分版本。
• 过程：
  • 获取目标语言和源语言。
  • 将源语言的拆分版本按行分割，并生成对齐部分的JSON模板。
  • 定义任务角色、背景、描述和处理步骤。
  • 提供字幕数据和输出格式要求。
  • 返回生成的提示align_prompt。

7. 获取字幕精简提示函数

python
def get_subtitle_trim_prompt(trans_text, duration):
 
    rule = '''考虑：
a. 在不修改有意义内容的情况下减少填充词。
b. 省略不必要的修饰词或代词，例如：
- "Please explain your thought process" 可以简化为 "Please explain thought process"
- "We need to carefully analyze this complex problem" 可以简化为 "We need to analyze this problem"
- "Let's discuss the various different perspectives on this topic" 可以简化为 "Let's discuss different perspectives on this topic"
- "Can you describe in detail your experience from yesterday" 可以简化为 "Can you describe yesterday's experience" '''

    trim_prompt = '''
### 角色
你是一名专业的字幕编辑，负责在交给配音演员之前编辑和优化超过配音时间的冗长字幕。你的专长在于巧妙地略微缩短字幕，同时确保原意和结构保持不变。

### 字幕数据
<subtitles>
字幕: "{trans_text}"
持续时间: {duration} 秒
</subtitles>

### 处理规则
{rule}

### 处理步骤
请按照以下步骤操作，并在JSON输出中提供结果：
1. 分析：简要分析字幕的结构、关键信息和可省略的填充词。
2. 精简：根据规则和分析，优化字幕，使其更加简洁。

### 输出格式
请完成以下JSON数据，其中 << >> 表示需要填写的内容：
{{
    "analysis": "<<对字幕的简要分析，包括结构、关键信息和可能的处理位置>>",
    "trans_text_processed": "<<优化和缩短后的原字幕语言的字幕>>"
}}
'''
    return trim_prompt.format(
        trans_text=trans_text,
        duration=duration,
        rule=rule
    )

解释：

• 功能：生成一个提示，指导模型在不改变原意的情况下，对过长的字幕进行精简，以适应配音的时间限制。
• 参数：
  • trans_text：需要精简的字幕文本。
  • duration：配音的持续时间，单位为秒。
• 过程：
  • 定义处理规则，提供具体的精简方法示例。
  • 定义任务角色、字幕数据、处理步骤和输出格式。
  • 返回生成的提示trim_prompt。

总结

这段代码提供了一系列用于字幕处理的函数，每个函数都生成了一个详细的提示，指导语言模型完成特定的任务。这些提示包括角色定义、任务描述、处理步骤和输出格式，确保模型能够按照预期生成符合要求的结果。

通过使用这些函数，开发者可以构建一个完整的字幕处理流水线，从拆分、摘要、翻译、对齐到精简，每个步骤都有明确的指导和格式规范，提高了处理效率和结果的一致性。

要确保在翻译过程中这些专业术语被正确翻译，您需要将这些术语添加到提示中，以便模型在翻译时特别注意它们。

根据您提供的代码，最合适的位置是将这些术语添加到things_to_note_prompt中，然后传递给generate_shared_prompt函数。这样，这些术语将包含在共享的提示信息中，并在翻译过程中提供给模型参考。

以下是您可以修改的地方：

1. 定义things_to_note_prompt并添加术语列表：

   在调用generate_shared_prompt之前，您可以创建一个things_to_note_prompt，其中包含您列出的专业术语。例如：

   python
   things_to_note_prompt = """
   ### 专业术语
   请注意以下口腔正畸学力学机制的专业术语，并确保在翻译过程中准确翻译：
   - archwire（弓丝）
   - bracket（托槽）
   - slot（槽沟）
   - single force couple（单力偶）
   - canine（尖牙）
   - premolar（前磨牙）
   - molar（磨牙）
   - tie wing（牵引扣）
   - rectangular wire（方丝）
   - round wire（圆丝）
   - V-bend（V型弯）
   - stiff wire（刚性弓丝）
   - flexible wire（柔性弓丝）
   - intrusive force（压低力）
   - extrusive force（牵出力）
   - first-order bend（第一序列弯曲）
   - second-order bend（第二序列弯曲）
   - third-order bend（第三序列弯曲）
   - step bend（阶梯弯）
   - anterior teeth（前牙）
   - posterior teeth（后牙）
   - 2×4 appliance（2×4矫治技术）
   - coronal plane（冠状面）
   - sagittal plane（矢状面）
   - horizontal plane（水平面）
   - well-aligned（排列良好）
   """

2. 生成共享提示：

   然后，将things_to_note_prompt传递给generate_shared_prompt函数：

   python
   shared_prompt = generate_shared_prompt(previous_content_prompt, after_content_prompt, summary_prompt, things_to_note_prompt)

3. 在翻译提示中包含共享提示：

   在get_prompt_faithfulness和get_prompt_expressiveness函数中，shared_prompt已经包含在提示中，因此模型在翻译时会参考这些专业术语。

完整示例：

假设您已经有了previous_content_prompt、after_content_prompt和summary_prompt，以下是如何添加专业术语并进行翻译的示例：

python
# 定义专业术语提示
things_to_note_prompt = """
### 专业术语
请注意以下口腔正畸学力学机制的专业术语，并确保在翻译过程中准确翻译：
- archwire（弓丝）
- bracket（托槽）
- slot（槽沟）
- single force couple（单力偶）
- canine（尖牙）
- premolar（前磨牙）
- molar（磨牙）
- tie wing（牵引扣）
- rectangular wire（方丝）
- round wire（圆丝）
- V-bend（V型弯）
- stiff wire（刚性弓丝）
- flexible wire（柔性弓丝）
- intrusive force（压低力）
- extrusive force（牵出力）
- first-order bend（第一序列弯曲）
- second-order bend（第二序列弯曲）
- third-order bend（第三序列弯曲）
- step bend（阶梯弯）
- anterior teeth（前牙）
- posterior teeth（后牙）
- 2×4 appliance（2×4矫治技术）
- coronal plane（冠状面）
- sagittal plane（矢状面）
- horizontal plane（水平面）
- well-aligned（排列良好）
"""

# 生成共享提示
shared_prompt = generate_shared_prompt(previous_content_prompt, after_content_prompt, summary_prompt, things_to_note_prompt)

# 获取需要翻译的字幕文本
lines = """
00:00:01,000 --> 00:00:04,000
We will now discuss the biomechanics of orthodontic tooth movement.

00:00:05,000 --> 00:00:08,000
The archwire is engaged in the bracket slot to apply force.

... （更多字幕行）
"""

# 获取忠实翻译提示
faithfulness_prompt = get_prompt_faithfulness(lines, shared_prompt)

# 调用模型进行忠实翻译（示例，不实际调用模型）
faithfulness_result = model_generate(faithfulness_prompt)

# 获取流畅翻译提示
expressiveness_prompt = get_prompt_expressiveness(faithfulness_result, lines, shared_prompt)

# 调用模型进行流畅翻译（示例，不实际调用模型）
expressiveness_result = model_generate(expressiveness_prompt)

通过将专业术语添加到things_to_note_prompt中，您确保了这些术语在翻译过程中受到特别关注。

注意：在实际调用模型时，请确保模型能够访问到shared_prompt，并按照提示中的要求进行翻译。此外，如果您的字幕已经打上了时间轴，请确保在处理lines时保留时间轴信息，模型在翻译时应保持时间轴不变。

最终输出：

模型生成的翻译结果应以代码块的形式输出，并保留时间轴不变。例如：

plaintext
00:00:01,000 --> 00:00:04,000
现在我们将讨论正畸牙齿移动的生物力学。

00:00:05,000 --> 00:00:08,000
弓丝被置入托槽的槽沟中以施加力量。

... （更多翻译后的字幕行）

希望这能帮助您在翻译过程中正确添加专业术语，并获得准确的中文翻译。

是的，您可以在代码的最开头定义things_to_note_prompt，然后将其传递给generate_shared_prompt函数。这种方式可以确保您的专业术语列表被包含在共享提示中，模型在翻译过程中会参考这些术语。

以下是您可以在代码开头添加的内容：

python
# 定义专业术语提示
things_to_note_prompt = """
### 专业术语
请注意以下口腔正畸学力学机制的专业术语，并确保在翻译过程中准确翻译：
- archwire（弓丝）
- bracket（托槽）
- slot（槽沟）
- single force couple（单力偶）
- canine（尖牙）
- premolar（前磨牙）
- molar（磨牙）
- tie wing（牵引扣）
- rectangular wire（方丝）
- round wire（圆丝）
- V-bend（V型弯）
- stiff wire（刚性弓丝）
- flexible wire（柔性弓丝）
- intrusive force（压低力）
- extrusive force（牵出力）
- first-order bend（第一序列弯曲）
- second-order bend（第二序列弯曲）
- third-order bend（第三序列弯曲）
- step bend（阶梯弯）
- anterior teeth（前牙）
- posterior teeth（后牙）
- 2×4 appliance（2×4矫治技术）
- coronal plane（冠状面）
- sagittal plane（矢状面）
- horizontal plane（水平面）
- well-aligned（排列良好）
"""

然后，在生成共享提示时，将things_to_note_prompt传递给generate_shared_prompt函数：

python
shared_prompt = generate_shared_prompt(
    previous_content_prompt,
    after_content_prompt,
    summary_prompt,
    things_to_note_prompt
)

注意事项：

• 确保共享提示被正确传递：在调用get_prompt_faithfulness和get_prompt_expressiveness函数时，确保它们使用了包含things_to_note_prompt的shared_prompt。

• 保持时间轴不变：在处理字幕文本时，确保保留时间轴信息。模型在翻译时应保持时间轴不变。

• 模型调用：在实际调用模型进行翻译时，使用生成的提示。例如：

  python
  # 获取忠实翻译提示
  faithfulness_prompt = get_prompt_faithfulness(lines, shared_prompt)
  
  # 调用模型进行忠实翻译（示例）
  faithfulness_result = model_generate(faithfulness_prompt)

• 继续后续处理：在得到忠实翻译结果后，您可以继续使用get_prompt_expressiveness函数进行流畅度优化，传递相同的shared_prompt。

完整示例：

python
# 导入必要的模块和函数
import os, sys, json
sys.path.append(os.path.dirname(os.path.dirname(os.path.abspath(__file__))))
from core.step2_whisper import get_whisper_language
from core.config_utils import load_key

# 定义专业术语提示
things_to_note_prompt = """
### 专业术语
请注意以下口腔正畸学力学机制的专业术语，并确保在翻译过程中准确翻译：
- archwire（弓丝）
- bracket（托槽）
- slot（槽沟）
- single force couple（单力偶）
- canine（尖牙）
- premolar（前磨牙）
- molar（磨牙）
- tie wing（牵引扣）
- rectangular wire（方丝）
- round wire（圆丝）
- V-bend（V型弯）
- stiff wire（刚性弓丝）
- flexible wire（柔性弓丝）
- intrusive force（压低力）
- extrusive force（牵出力）
- first-order bend（第一序列弯曲）
- second-order bend（第二序列弯曲）
- third-order bend（第三序列弯曲）
- step bend（阶梯弯）
- anterior teeth（前牙）
- posterior teeth（后牙）
- 2×4 appliance（2×4矫治技术）
- coronal plane（冠状面）
- sagittal plane（矢状面）
- horizontal plane（水平面）
- well-aligned（排列良好）
"""

# 生成共享提示
shared_prompt = generate_shared_prompt(
    previous_content_prompt,
    after_content_prompt,
    summary_prompt,
    things_to_note_prompt
)

# 获取需要翻译的字幕文本（示例）
lines = """
00:00:01,000 --> 00:00:04,000
We will now discuss the biomechanics of orthodontic tooth movement.

00:00:05,000 --> 00:00:08,000
The archwire is engaged in the bracket slot to apply force.
"""

# 获取忠实翻译提示
faithfulness_prompt = get_prompt_faithfulness(lines, shared_prompt)

# 调用模型进行忠实翻译（实际调用时需要替换为您的模型调用代码）
# faithfulness_result = model_generate(faithfulness_prompt)

# 假设得到的忠实翻译结果如下（示例）：
faithfulness_result = {
    1: {
        "origin": "We will now discuss the biomechanics of orthodontic tooth movement.",
        "direct": "我们现在将讨论正畸牙齿移动的生物力学。"
    },
    2: {
        "origin": "The archwire is engaged in the bracket slot to apply force.",
        "direct": "弓丝被置入托槽的槽沟中以施加力量。"
    }
}

# 获取流畅翻译提示
expressiveness_prompt = get_prompt_expressiveness(faithfulness_result, lines, shared_prompt)

# 调用模型进行流畅翻译（实际调用时需要替换为您的模型调用代码）
# expressiveness_result = model_generate(expressiveness_prompt)

# 最终，您可以将翻译结果与时间轴组合，并以代码框的形式输出
translated_lines = """
00:00:01,000 --> 00:00:04,000
现在我们将讨论正畸牙齿移动的生物力学。

00:00:05,000 --> 00:00:08,000
弓丝被放入托槽的槽沟中以施加力量。
"""

print("```plaintext\n" + translated_lines + "\n```")

总结：

• 您可以在代码开头定义things_to_note_prompt，这样有助于在整个处理过程中保持一致性。
• 确保所有使用到共享提示的函数都能访问到包含专业术语的shared_prompt。
• 不需要对后续代码进行其他修改，只要确保专业术语提示被正确传递即可。
• 在最终输出时，确保时间轴和翻译后的字幕内容以代码框的形式输出，方便查看和使用。

希望这能帮助您顺利完成字幕的专业翻译。如有其他问题，请随时提问！

要强调视频是关于口腔正畸学的，并让模型在翻译过程中充分理解这一点，您可以在多个提示中加入有关视频性质的信息。这将指导模型在翻译时考虑到视频的专业背景，确保翻译的准确性和一致性。

以下是您可以添加提示词的位置和方法：

1. 在翻译提示的任务描述中添加视频性质

在get_prompt_faithfulness和get_prompt_expressiveness函数中，您可以修改“任务背景”或“任务描述”部分，明确指出字幕来自一个关于口腔正畸学的视频。

示例修改：

python
def get_prompt_faithfulness(lines, shared_prompt):
    TARGET_LANGUAGE = load_key("target_language")
    src_language = get_whisper_language()
    # ... 其他代码 ...

    prompt_faithfulness = f'''
### 角色定义
你是一名专业的Netflix字幕翻译，精通{src_language}和{TARGET_LANGUAGE}，并熟悉它们各自的文化。

### 任务背景
我们有一段原始的{src_language}字幕，来自一个关于**口腔正畸学力学机制**的视频。这些字幕包含与口腔正畸学相关的专业术语。

### 任务描述
基于提供的原始{src_language}字幕，你需要：
1. 将原始{src_language}字幕逐行翻译成{TARGET_LANGUAGE}。
2. 确保翻译忠实于原文，准确传达原始含义。
3. 特别注意口腔正畸学力学机制的专业术语，确保准确翻译。

{shared_prompt}

### 翻译原则
1. 忠实于原文：准确传达原文的内容和意义，不得随意更改、添加或遗漏内容。
2. 术语准确：正确使用专业术语，并保持术语的一致性。
3. 理解上下文：充分理解并反映文本的背景和上下文关系。
    '''
    return prompt_faithfulness.strip()

在get_prompt_expressiveness函数中，您也可以类似地添加视频性质的信息。

2. 在things_to_note_prompt中添加视频性质和专业术语

将视频的性质和专业术语列表添加到things_to_note_prompt中，这样在生成shared_prompt时，模型会同时获取到视频背景和需要注意的术语。

示例：

python
# 定义专业术语提示和视频性质
things_to_note_prompt = """
### 视频性质
本视频是关于**口腔正畸学力学机制**的教学视频，涵盖了正畸治疗中的力学原理和技术。

### 专业术语
请注意以下口腔正畸学力学机制的专业术语，并确保在翻译过程中准确翻译：
- archwire（弓丝）
- bracket（托槽）
- slot（槽沟）
- single force couple（单力偶）
- canine（尖牙）
- premolar（前磨牙）
- molar（磨牙）
- tie wing（牵引扣）
- rectangular wire（方丝）
- round wire（圆丝）
- V-bend（V型弯）
- stiff wire（刚性弓丝）
- flexible wire（柔性弓丝）
- intrusive force（压低力）
- extrusive force（牵出力）
- first-order bend（第一序列弯曲）
- second-order bend（第二序列弯曲）
- third-order bend（第三序列弯曲）
- step bend（阶梯弯）
- anterior teeth（前牙）
- posterior teeth（后牙）
- 2×4 appliance（2×4矫治技术）
- coronal plane（冠状面）
- sagittal plane（矢状面）
- horizontal plane（水平面）
- well-aligned（排列良好）
"""

3. 更新shared_prompt

使用包含视频性质和专业术语的things_to_note_prompt生成shared_prompt，这样所有引用shared_prompt的函数都会获得这些信息。

python
shared_prompt = generate_shared_prompt(
    previous_content_prompt,
    after_content_prompt,
    summary_prompt,
    things_to_note_prompt
)

4. 在摘要提示中强调视频性质

在get_summary_prompt函数中，确保生成的摘要明确提到视频是关于口腔正畸学的。

示例修改：

python
def get_summary_prompt(source_content):
    src_language = get_whisper_language()
    TARGET_LANGUAGE = load_key("target_language")
    summary_prompt = f"""
### 角色
你是一名专业的视频翻译专家和术语顾问，专注于口腔正畸学领域。你不仅擅长准确理解原始的{src_language}文本，还能提取关键的专业术语，并优化翻译以更好地适应{TARGET_LANGUAGE}的表达习惯和文化背景。

### 任务描述
对于提供的原始{src_language}视频文本，你需要：
1. 用一句话总结视频的主要主题，强调其与口腔正畸学力学机制的关联。
2. 提取视频中出现的专业术语和名称，提供{TARGET_LANGUAGE}翻译或建议保留原文。避免提取简单、常见的词汇。
3. 对每个翻译的术语或名称，提供简要的解释。

# ... 其余代码保持不变 ...
"""
    return summary_prompt

5. 在所有相关提示中保持一致

确保在所有涉及到任务背景、任务描述或角色定义的提示中，都明确提到视频是关于口腔正畸学的。这将使模型在整个处理过程中始终关注这一主题。

6. 最终输出示例

在完成所有修改后，模型应能够准确翻译字幕，保留时间轴，并正确翻译专业术语。

示例输出：

plaintext
00:00:01,000 --> 00:00:04,000
现在我们将讨论正畸牙齿移动的生物力学。

00:00:05,000 --> 00:00:08,000
弓丝被放入托槽的槽沟中以施加力量。

... （更多翻译后的字幕行）

总结

• 添加视频性质到提示中：在任务描述、任务背景和角色定义中明确指出视频是关于口腔正畸学的。这有助于模型理解整体上下文。

• 包含专业术语：在things_to_note_prompt中列出专业术语，确保模型在翻译时准确处理这些词汇。

• 更新共享提示：将包含视频性质和专业术语的things_to_note_prompt传递给generate_shared_prompt，使其在翻译过程中被引用。

• 保持一致性：在所有相关的提示和函数中，确保关于视频性质的描述一致，以便模型始终关注正确的主题。

通过以上方法，您可以强调视频的性质，使模型在翻译过程中充分理解内容，并提供准确、专业的翻译结果。

如果您有任何其他问题或需要进一步的帮助，请随时告诉我！

Certainly! Here's the updated get_summary_prompt function with the prompt written in English and emphasizing the orthodontics field:

python
def get_summary_prompt(source_content):
    src_language = get_whisper_language()
    TARGET_LANGUAGE = load_key("target_language")
    summary_prompt = f"""
### Role
You are a professional video translation expert and terminology consultant specializing in orthodontics. You excel not only in accurately understanding the original {src_language} text but also in extracting key professional terms and optimizing the translation to better suit the expression habits and cultural background of {TARGET_LANGUAGE}.

### Task Description
For the provided original {src_language} video text, you need to:
1. Summarize the video's main topic in one sentence, emphasizing its relation to the biomechanics of orthodontics.
2. Extract professional terms and names that appear in the video, providing {TARGET_LANGUAGE} translations or suggesting to keep the original terms. Avoid extracting simple, common words.
3. Provide a brief explanation for each translated term or name.

### Analysis and Summary Steps
Please think in two steps, processing the text line by line:
1. Topic summarization:
   - Quickly skim through the entire text to understand the general idea.
   - Summarize the topic in one concise sentence, highlighting its connection to orthodontic biomechanics.
2. Term and name extraction:
   - Carefully read the entire text, marking professional terms and names related to orthodontics.
   - For each term or name, provide a {TARGET_LANGUAGE} translation or suggest keeping the original term; only the word itself is needed, not the pronunciation.
   - Add a brief explanation for each term or name to help the translator understand.
   - If the word is a fixed abbreviation or a proper name, please keep the original.

### Output Format
Please output your analysis results in the following JSON format, where <> represents placeholders:
{{
    "theme": "<Briefly summarize the theme of this video in 1 sentence>",
    "terms": [
        {{
            "original": "<Term or name 1 in {src_language}>",
            "translation": "<{TARGET_LANGUAGE} translation or keep original>",
            "explanation": "<Brief explanation of the term or name>"
        }},
        ...
    ]
}}

### Video Text Data to be Processed
<video_text_to_summarize>
{source_content}
</video_text_to_summarize>
""".strip()
    return summary_prompt

This updated function generates a prompt in English and emphasizes that the video is about orthodontics, specifically the biomechanics of orthodontic treatments. The prompt guides the model to:

• Summarize the video's main topic with an emphasis on its relation to orthodontic biomechanics.
• Extract professional terms related to orthodontics.
• Provide translations and brief explanations for each term.

By making these adjustments, the model should now generate a summary and term extraction that are focused on the orthodontics field, and the prompt is provided in English as per your request.