Об этом проекте

cuesift — это движок триажа, который из результатов перевода субтитров выбирает только те элементы, которые действительно нужно проверить человеку. Вместо полной проверки всех субтитров он присваивает им оценку риска и помещает в очередь проверки только те, чей риск превышает заданную долю или порог, тем самым снижая затраты и устраняя узкие места. **Основные функции** - CLI-команды: `cuesift check` (проверка формата субтитров — длина строки, CPS, пересечение времени и т.д., 7 видов нарушений), `cuesift translate` (многоязычный перевод с использованием LLM, автоматическое применение профиля формата для целевого языка), `cuesift transcribe` (преобразование речи в текст). - Триаж: сразу после завершения перевода вычисляется риск на основе девяти сигналов Tier 0 (отношение длины, коэффициент перевода, дублирование, пустая структура и т.п.). Настройка квоты проверки осуществляется через параметры `--review-budget`, `--review-threshold`, `--review-top-k`. - Tier 1: выявление смысловых ошибок посредством самосогласованности (измерение колебаний при повторном переводе одного и того же сегмента) и обратного перевода (сходство эмбеддингов). Для использования необходимо совместно указывать флаги `--tier1` и `--embed-model`. - Форматы ввода/вывода: поддерживаются SRT, WebVTT, ASS, SAMI. Имена выходных файлов следуют правилу `{stem}.{целевой язык}.{расширение}`, при этом дублирование языковых меток предотвращается. - Кэш: результаты вызовов перевода сохраняются в директории `.cuesift/cache/`, что позволяет сокращать сетевые расходы при повторных запусках. - Отчёт о проверке предоставляется в формате JSON или HTML. **Бенчмарк** В эксперименте с внедрением синтетических ошибок в корпус TED2020 при бюджете 10 % показатели захвата ошибок (Recall) для пар en‑ko и ja‑ko составили соответственно 7,32‑кратное и 7,56‑кратное превышение по сравнению со случайным выбором. Однако это относится только к синтетическим ошибкам; соответствие реальным ошибкам перевода пока не проверено. Ошибки смыслового отрицания (negation) почти не обнаруживаются только детерминированными сигналами, что подтверждает необходимость Tier 1. **Текущее состояние** Находится на стадии pre‑alpha: движок сигналов Tier 0 и CLI‑команды полностью реализованы и протестированы. Сигнал Tier 1 обратного перевода работает, но логика выбора кандидатов ещё не завершена. До официальной стабилизации использование в продакшене не рекомендуется.