使用 SheepBell 自动化处理 LQA 记录

SheepBell 能够自动从游戏 LQA（本地化质量保证）与测试录像中精准检测测试员的语音发话区间（口述 Bug 记录），并批量生成包含前后完整上下文的视频片段、关键帧截图、AI 语音转文字以及结构化报告数据（CSV / JSON / Google 表格）。

生成的成果可直接在基于 Web 的 SheepBell 审查器 中打开，完成多媒体预览、文字校对、审校批注填写与报告导出的一站式工作。

整体工作流程

步骤	工作内容	主要工具
1. 录制准备	将游戏背景音与测试员麦克风声音分轨录制。	OBS Studio 等
2. 运行处理	自动检测语音区间，执行视频切片、抓图与语音识别。	Google Colab / 本地 UI
3. Web 审校与微调	在 Web 查看器中边看视频图像边校对文本与填写批注。	SheepComb Web (/app)
4. 报告导出	导出规范的 CSV、JSON 或 Google 在线表格交付研发团队。	SheepComb / Google Drive

1. 录制环境准备（OBS 多音轨分轨设置）

SheepBell 建议将测试员麦克风声音与游戏/系统声音分别录制在不同的音频轨道中。

分轨录制能够有效避免游戏音效掩盖口述语音、防止游戏内 NPC 角色语音引起误检，并在剪辑输出时保留完整的多音轨信息。

OBS Studio 设置步骤

1. 在 [音频混音器] 面板点击齿轮图标，打开 [高级音频属性]。

2. 将麦克风音频分配至轨道 2，游戏音频分配至轨道 1，取消勾选未使用的轨道。

3. 打开 [控件] 面板中的 [设置]。

4. 进入 [输出] 选项卡的 [录像] 栏，确保勾选了需要输出的所有音轨（如轨道 1 和 2）。

录制技巧

测试开始前对着麦克风简短口述（如“10月10日，第3关 LQA 开始”），既方便识别音轨，又能作为测试视频的索引。

2. 程序运行

SheepBell 支持在 Google Colab（推荐） 或 本地 PC 环境中运行。

☁️ 在 Google Colab 中运行（推荐・免费 GPU 支持）

1. 在 Google Colab 中打开提供的 colab_sheepbell_zh.ipynb 笔记本（运行环境选择 T4 GPU）。
2. 执行 挂载 Google Drive（方便读取视频与保存交付成果）。
3. 运行安装与启动代码单元格，启动 app.py --share。
4. 打开生成的 https://xxxx.gradio.live 链接访问操作界面。
5. 任务完成后，运行后续单元格将视频、图片以及自动生成的 Google 电子表格一键归档至 Drive。

💻 在本地环境中运行 (Windows / Mac / Linux)

uv sync
uv run python app.py

在浏览器中打开 http://127.0.0.1:7860 即可访问。

3. 操作界面与参数详解

核心参数设置

参数项	说明	推荐/默认值
视频文件路径	待处理视频路径（Colab 运行时使用 Drive 挂载路径）。	sample/...
麦克风音轨编号	测试员语音所在轨道（从 0 开始计数，轨道 2 填 1）。	1
游戏音轨编号	游戏背景音所在轨道（轨道 1 填 0）。	0
VAD 静音检测阈值	语音活动检测灵敏度（Silero VAD）。数值越高越不易误检。	0.5
静音合并容忍时间	两次发话间隔在此秒数内将合并为一个 Issue 片段。	2.0 秒
前后缓冲时长	发话前后保留的视频缓冲秒数，用于记录上下文。	前后 2.0 秒
Whisper 识别语言	Faster-Whisper 识别语言（ja、zh、en、auto）。	zh / ja
截图偏移秒数	语音开始后抓取关键帧截图的时间偏移。	0.1 秒

4. 输出成果文件

issues/
├── lqa_issues.json         # 结构化 Issue 汇总数据
├── lqa_issues.csv          # Excel / 电子表格兼容 CSV (UTF-8 BOM)
├── issue_001.mp4           # 保留多音轨的视频切片
├── issue_001.png           # 关键帧截图
├── issue_002.mp4
├── issue_002.png
└── ...

5. Web 查看器中的审校与报告编辑

使用 SheepBell 审查器 打开成果：

1. 点击 选择文件夹 并指定输出的 issues/ 目录。
2. 同步预览发话前后的视频片段、截图与文字记录。
3. 校对 AI 识别的口述文字，补充问题分类、严重级别及评审批注。
4. 导出更新后的 CSV / JSON 报告，直接录入 Jira、Redmine 等缺陷跟踪系统。

(系统会自动将编辑进度保存至 lqa_issues_review.json，亦可随时按 Ctrl + S 手动保存。)