feat: 将视频转写重构为纯文字异步语音识别

app/api/media.ts

@@ -111,17 +111,17 @@ export async function getVideoDuration(
 }
 
 /**
- * 使用 ffmpeg 将视频二进制转换为音频，返回音频 Buffer
+ * 使用 ffmpeg 将视频 Buffer 或本地文件转换为音频，返回音频 Buffer
  *
  * 默认输出 mp3，可通过 opts.format 指定 'mp3' | 'aac' | 'wav'
- * - mp3: 使用 libmp3lame，contentType 为 'audio/mpeg'
+ * - mp3: 使用 libmp3lame，16 kHz 单声道，contentType 为 'audio/mpeg'
  * - aac: 输出 m4a 容器（AAC 编码），contentType 为 'audio/mp4'
  * - wav: PCM 16-bit，44100Hz，双声道，contentType 为 'audio/wav'
  *
  * 若系统未安装 ffmpeg 或未在 PATH 中，返回 null 并给出提示。
  */
 export async function extractAudio(
-  videoBuffer: Buffer,
+  videoBuffer: Buffer | string,
   opts?: { format?: "mp3" | "aac" | "wav"; bitrateKbps?: number },
 ): Promise<{ buffer: Buffer; contentType: string; ext: string } | null> {
   const ffmpegCmd = process.env.FFMPEG_PATH || "ffmpeg";
@@ -129,6 +129,7 @@ export async function extractAudio(
   const base = `dy_${Date.now()}_${Math.random().toString(36).slice(2, 8)}`;
   const inPath = path.join(tmpDir, `${base}.mp4`);
 
+  const inputPath = typeof videoBuffer === "string" ? videoBuffer : inPath;
   const format = opts?.format ?? "mp3";
   const bitrate = Math.max(32, Math.min(512, opts?.bitrateKbps ?? 192)); // 安全范围 32~512 kbps
 
@@ -174,19 +175,28 @@ export async function extractAudio(
   }
 
   try {
-    await fs.writeFile(inPath, videoBuffer);
+    if (typeof videoBuffer !== "string") await fs.writeFile(inPath, videoBuffer);
     const args = [
       "-hide_banner",
       "-loglevel",
       "error",
       "-i",
-      inPath,
+      inputPath,
+      "-map",
+      "0:a:0",
+      "-ac",
+      "1",
+      "-ar",
+      "16000",
       "-vn", // 丢弃视频流
       ...codecArgs,
       "-y",
       outPath,
     ];
-    await execFileAsync(ffmpegCmd, args, { windowsHide: true });
+    await execFileAsync(ffmpegCmd, args, {
+      windowsHide: true,
+      timeout: 60 * 60 * 1000,
+    });
     const audio = await fs.readFile(outPath);
     return { buffer: audio, contentType, ext };
   } catch (e: any) {