refactor(engine): 重构字幕引擎

- 更新 GummyTranslator 类，优化字幕生成逻辑
- 移除 audioprcs 模块，音频处理功能转移到 utils 模块
- 重构 sysaudio 模块，提高音频流管理的灵活性和稳定性
- 修改 TODO.md，完成按时间降序排列字幕记录的功能
- 更新文档，说明因资源限制将不再维护英文和日文文档

docs/TODO.md

@@ -15,10 +15,10 @@
 - [x] 可以调整字幕时间轴 *2025/07/14*
 - [x] 可以导出 srt 格式的字幕记录 *2025/07/14*
 - [x] 可以获取字幕引擎的系统资源消耗情况 *2025/07/15*
+- [x] 添加字幕记录按时间降序排列选择 *2025/07/26*
 
 ## 待完成
 
-- [ ] 修改字幕记录展示逻辑
 - [ ] 重构字幕引擎
 - [ ] 验证 / 添加基于 sherpa-onnx 的字幕引擎
 

docs/api-docs/caption-engine.md

@@ -0,0 +1,51 @@
+# caption engine api-doc
+
+本文档主要 Electron 主进程和字幕引擎进程的通信约定。
+
+## 原理说明
+
+本项目的 Python 进程通过标准输出向 Electron 主进程发送数据。
+
+Python 进程标准输出 (`sys.stdout`) 的内容一定为一行一行的字符串。且每行字符串均可以解释为一个 JSON 对象。每个 JSON 对象一定有 `command` 参数。
+
+## 输出约定
+
+当 JSON 对象的 `command` 参数为下列值时，表示的对应的含义：
+
+### `print`
+
+```js
+{
+  command: "print",
+  content: string
+}
+```
+
+输出 Python 端打印的内容。
+
+### `info`
+
+```js
+{
+  command: "info",
+  content: string
+}
+```
+
+Python 端打印的提示信息。
+
+### `caption`
+
+```js
+{
+  command: "caption",
+  index: number,
+  time_s: string,
+  time_t: string,
+  end: boolean,
+  text: string,
+  translation: string
+}
+```
+
+Python 端监听到的音频流转换为的字幕数据。

docs/engine-manual/en.md

@@ -2,6 +2,8 @@
 
 Corresponding Version: v0.5.1
 
+**Note: Due to limited personal resources, the English and Japanese documentation files for this project (except for the README document) will no longer be maintained. The content of this document may not be consistent with the latest version of the project. If you are willing to help with translation, please submit relevant Pull Requests.**
+
 ![](../../assets/media/structure_en.png)
 
 ## Introduction to the Caption Engine

docs/engine-manual/ja.md

@@ -4,6 +4,8 @@
 
 この文書は大規模モデルを使用して翻訳されていますので、内容に正確でない部分があるかもしれません。
 
+**注意：個人のリソースが限られているため、このプロジェクトの英語および日本語のドキュメント（README ドキュメントを除く）のメンテナンスは行われません。このドキュメントの内容は最新版のプロジェクトと一致しない場合があります。翻訳のお手伝いをしていただける場合は、関連するプルリクエストを提出してください。**
+
 ![](../../assets/media/structure_ja.png)
 
 ## 字幕エンジンの紹介

docs/user-manual/en.md

@@ -2,6 +2,8 @@
 
 Corresponding Version: v0.5.1
 
+**Note: Due to limited personal resources, the English and Japanese documentation files for this project (except for the README document) will no longer be maintained. The content of this document may not be consistent with the latest version of the project. If you are willing to help with translation, please submit relevant Pull Requests.**
+
 ## Software Introduction
 
 Auto Caption is a cross-platform caption display software that can real-time capture system audio input (recording) or output (playback) streaming data and use an audio-to-text model to generate captions for the corresponding audio. The default caption engine provided by the software (using Alibaba Cloud Gummy model) supports recognition and translation in nine languages (Chinese, English, Japanese, Korean, German, French, Russian, Spanish, Italian).

docs/user-manual/ja.md

@@ -4,6 +4,8 @@
 
 この文書は大規模モデルを使用して翻訳されていますので、内容に正確でない部分があるかもしれません。
 
+**注意：個人のリソースが限られているため、このプロジェクトの英語および日本語のドキュメント（README ドキュメントを除く）のメンテナンスは行われません。このドキュメントの内容は最新版のプロジェクトと一致しない場合があります。翻訳のお手伝いをしていただける場合は、関連するプルリクエストを提出してください。**
+
 ## ソフトウェアの概要
 
 Auto Caption は、クロスプラットフォームの字幕表示ソフトウェアで、システムの音声入力（録音）または出力（音声再生）のストリーミングデータをリアルタイムで取得し、音声からテキストに変換するモデルを利用して対応する音声の字幕を生成します。このソフトウェアが提供するデフォルトの字幕エンジン（アリババクラウド Gummy モデルを使用）は、9つの言語（中国語、英語、日本語、韓国語、ドイツ語、フランス語、ロシア語、スペイン語、イタリア語）の認識と翻訳をサポートしています。