我想把做完 Stream of Worship 之後會留下的東西寫下來,也寫下如果重來一次我會改什麼。這個專案現在涵蓋目錄匯入、分析、歌詞、歌曲組建構、渲染和播放。讓這些環節彼此對得上,比任何單一演算法都花力氣。
十個階段的大綱是跟著看建置過程的好方法:CLI 與 schema、目錄爬取、音訊下載、分析工作、CLI/服務整合、歌詞產生、資料庫遷移、網頁應用、渲染 worker,還有 Android。它不是工時統計,也不表示每個階段都在下一個開始之前就完成了。
這篇文章是 《Stream of Worship》系列的一部分。上一篇:原生客戶端:用同一套 API 的 Android 應用。下一篇:Detector 2.0.0:先挑出該優先檢查的歌詞檔。
把歌曲和錄音分開
歌曲有書目層級的身分。錄音則有一份音訊位元組的雜湊值。把兩者分開,分析和儲存就有一個穩定的參照,即使目錄的中繼資料需要修正也不會亂。
4 月 28 日的遷移紀錄 正好提醒為什麼這件事重要:685 筆變成 581 首有效歌曲和 104 筆軟刪除的重複項,之後 21 個錄音參照全部有效。這些是遷移當時的計數,不應該跟後來的審查或下載次數混在一起,當成同一份目前的目錄快照。
內容雜湊也沒有解決所有的快取問題。模型版本、提示詞版本、輸出 schema 各自還是需要自己的失效規則。
把判斷和解釋分開
建構器不用模型也能搜尋和排序。模型寫的解釋不是提案能不能通過的原因。這個切分我會留著。
7 月 26 日的範例 在沒有 LLM、放寬階段覆蓋率的情況下,從 438 個候選裡生出五個提案。它證明的是搜尋跑得動,不是會眾比較喜歡那樣的輸出。在把分數進步當成產品進步之前,我還是需要聽感上的回饋。
邊界評分也是同樣的道理。拿出口和入口來比較很有用,但缺 BPM 和不確定的調性還是會進到規則裡。看起來很精確的分數,可能藏著不完整的輸入。
用大家真正需要的介面
程式庫裡留著一個舊的 CLI/TUI、後來的一個使用者版 TUI,還有網頁應用。終端工具對操作和檢視管線很有用。但如果對象是要準備敬拜歌曲組的人,我會把手機流程放在第一順位。
我也會早一點就選定共用的資料庫。專案從 SQLite 儲存搬到 Postgres,管理工具、網頁應用和渲染 worker 各有各的客戶端。CLI 不只是個 HTTP 客戶端:它仍然直接做資料庫和儲存操作。Android 才是那個乖乖待在 web API 後面的客戶端。
換掉能用的工具之前,先做基準測試
6 月 20 日的備份基準測試 沒有達到從 boto3 換成 rclone 的門檻。它單一連線的 boto3 診斷跑到 7.85 MiB/s;測過的 rclone 設定都比較慢,所以原本要動的正式環境變更就停在那裡。
報告把這稱為帳戶層級的上限。這些測量確實顯示瓶頸在那個客戶端和網路路徑上,但沒辦法把 Cloudflare 的帳戶政策從路徑的其他環節裡單獨分離出來。決定我會留著,但解釋要收窄:在那次測試裡,rclone 對這個工作負載沒幫助。
檢查真正跑起來的那條路
網頁客戶端每十秒輪詢一次渲染狀態,而 README 列了一條根本不存在的 SSE 路由。Android 的程式庫裡有一個目前影片頁面沒在用的背景播放服務。渲染器存下了調性移調和速度比例,卻兩個都沒套用。
這三件事都讓系統只看表面更難懂。沒被套用的渲染設定對使用者影響最大:一個存下來的移調可以通過規劃規則,音訊卻完全沒變。我會先解決這個,再談加新的推薦功能。
替花錢的實驗標上日期
10 月 20 日的尾段補救執行 在 22 個工作裡總共補了 43 行。Qwen3 在那些又短又重複的結尾上常常不能用,本機的 Whisper 補回了其中大部分的行。這份報告是從 log 推出來的,包含一次中斷的嘗試,也沒有辦法確立每一行補進去的歌詞都正確。
十月下旬,Whisper 和完整分析搬到了 Modal。所以舊的計時資料描述的是更早的部署,不是管線現在的成本。分析服務現在負責指揮遠端的模型;它不是那台包辦所有 GPU 工作的機器。
測試下載後的流程
瀏覽器的下載不只需要媒體位元組。播放器頁面和腳本也得活得下來,而且有些準備工作仍然是盡力而為。Android 走 DownloadManager 那條路,生命週期和中繼資料的顧慮都不一樣。我會繼續把它們當成兩套流程分別測。
接下來我會收集人工對渲染轉場的評分、修掉渲染器忽略的那些控制項,並把離線冷啟動變成可重複的實機檢查。音色和副歌層級的接點搜尋是有意思的加分項,但我想先知道:領袖們多常接受比較簡單的輸出。
專案開源在 mhuang74/stream_of_worship。原始碼快照 和系列簡介有專案地圖。使用者指南 涵蓋了怎麼準備一組歌曲。