feat(engine): 重构字幕引擎并实现 WebSocket 通信

- 重构了 Gummy 和 Vosk 字幕引擎的代码，提高了可扩展性和可读性
- 合并 Gummy 和 Vosk 引擎为单个可执行文件
- 实现了字幕引擎和主程序之间的 WebSocket 通信，避免了孤儿进程问题

engine/audio2text/__init__.py

@@ -1,2 +1,3 @@
 from dashscope.common.error import InvalidParameter
-from .gummy import GummyTranslator
+from .gummy import GummyRecognizer
+from .vosk import VoskRecognizer

engine/audio2text/gummy.py

@@ -62,7 +62,7 @@ class Callback(TranslationRecognizerCallback):
             stdout_obj(caption)
 
 
-class GummyTranslator:
+class GummyRecognizer:
     """
     使用 Gummy 引擎流式处理的音频数据，并在标准输出中输出与 Auto Caption 软件可读取的 JSON 字符串数据
 
@@ -70,6 +70,7 @@ class GummyTranslator:
         rate: 音频采样率
         source: 源语言代码字符串（zh, en, ja 等）
         target: 目标语言代码字符串（zh, en, ja 等）
+        api_key: 阿里云百炼平台 API KEY
     """
     def __init__(self, rate: int, source: str, target: str | None, api_key: str | None):
         if api_key:

engine/audio2text/vosk.py

@@ -2,7 +2,8 @@ import json
 from datetime import datetime
 
 from vosk import Model, KaldiRecognizer, SetLogLevel
-from utils import stdout_obj
+from utils import stdout_cmd, stdout_obj
+
 
 class VoskRecognizer:
     """
@@ -11,7 +12,7 @@ class VoskRecognizer:
     初始化参数：
         model_path: Vosk 识别模型路径
     """
-    def __int__(self, model_path: str):
+    def __init__(self, model_path: str):
         SetLogLevel(-1)
         if model_path.startswith('"'):
             model_path = model_path[1:]
@@ -24,7 +25,11 @@ class VoskRecognizer:
 
         self.model = Model(self.model_path)
         self.recognizer = KaldiRecognizer(self.model, 16000)
-    
+
+    def start(self):
+        """启动 Vosk 引擎"""
+        stdout_cmd('info', 'Vosk recognizer started.')
+
     def send_audio_frame(self, data: bytes):
         """
         发送音频帧给 Vosk 引擎，引擎将自动识别并将识别结果输出到标准输出中
@@ -57,3 +62,7 @@ class VoskRecognizer:
             self.prev_content = content
         
         stdout_obj(caption)
+
+    def stop(self):
+        """停止 Vosk 引擎"""
+        stdout_cmd('info', 'Vosk recognizer closed.')