常见的音频和视频都可以：mp3、m4a、wav、mp4、mov、mkv、webm 等。上传后会先统一转成 16kHz 单声道 WAV，再交给转写引擎。

处理时间取决于文件长度、队列积压、转写引擎与机器资源。默认将不超过 10 分钟的音频分到云端转写队列，更长的分到本地队列。列表定期查询阶段与结果状态，不代表精确的完成百分比。

默认自动识别，也可以在上传区选择中文、英文、日语等。明确指定语言可帮助引擎选择识别语言，准确度仍受声音质量与模型能力影响。

浏览器对容器和音轨编码的支持不同。MKV、部分 MOV 或 E-AC3 音轨可能无法直接播放；可以打开原始文件使用本地播放器。普通音频跳转异常时，可尝试播放器下方的“兼容播放”。

用开源词典 ECDICT 查每个词的考试标签和词频排名，过滤掉中考、高考、四级范围的基础词和最常用的 5000 词，剩下的按出现次数排序。每次打开页面实时计算，不保存。

可以。阅读页右上角的"更多"里可以下载 SRT 字幕和纯文本，都是根据时间戳在浏览器里当场生成的。

文件保存在对象存储中，应用接口按账户校验文件与任务归属。播放时申请有时效的签名链接，过期后可重新获取；持有有效签名链接的人也能访问对应内容，请不要随意分享。

创建任务后即可返回，耗时的转码与转写由 worker 在后台完成，浏览器无需保持请求等待。队列和消息配置了持久化；数据库与消息一致性、失败重试和死信仍是后续完善项，目前不承诺任务零丢失。

协议看调用方。01、02、03 之间是内部的 Go 服务互相调用，gRPC 有强类型接口，性能也好。生词服务要给浏览器和外部程序直接调用，而浏览器不能直接使用 gRPC，所以用 HTTP + JSON。

API 和文件服务负责授权与签名，浏览器和 worker 直接读写对象存储。这样大文件字节不用经过 API 网关，业务接口与文件传输分别承担负载；数据库、存储与网络仍各有容量限制。

默认以 10 分钟为界，分别为云端与本地转写安排资源，减少长短转写在同一队列中的等待。云端有调用成本，本地有硬件和运行成本；当前分流是可调整的策略，并非经过完整成本与延迟基准验证的最优方案。转码与存储仍是共享环节。

转码、短音频转写、长音频转写各有队列和 worker 进程，可以分别增加消费者。实际提升需要结合处理瓶颈、硬件和云端配额验证。仓库里的 KEDA 配置仍是待更新示例，需要先对齐当前队列，再验证自动扩缩容。

未被消费的长音频任务会留在持久化队列中，等待对应 worker。重新启动时仍需考虑消息中的签名链接是否有效，以及处理过程是否被中断；自动重试和幂等恢复还需要完善。