这是一份在 Gemini 辅助下编写的小服务端，用途为：在一个视频中，每给出一个日语句子，就截取出视频对应的音频，并且可以手工拖动以调整截取范围。

当前技术流：

• 使用 Whisper 从日语音频提取日语文字稿
  • 通过 prompt 和设置 suppress_tokens 让 whisper 的转写结果几乎全是假名
  • whisper 仍然可能输出少量汉字，需要后处理步骤
• 使用在线 LLM 将日语文字稿（汉字假名交替文）转写为全平假名
• 使用字符串模糊匹配方法找出精确位置
  • 使用 C++ 和编辑距离法实现了字符串模糊匹配

由于 Whisper 的存在，后端的运行需要 GPU，因此速度较慢。