refactor(caption-engine): 重构字幕引擎代码结构

- 重构 GummyTranslator 类，增加启动和停止方法
- 优化 AudioStream 类，添加读取音频数据方法
- 更新 main-gummy.py，使用新的 GummyTranslator 和 AudioStream 接口
- 更新文档和 TODO 列表

caption-engine/audioprcs/__init__.py

@@ -0,0 +1 @@
+from .streamchnl import mergeStreamChannels

caption-engine/audioprcs/streamchnl.py

@@ -0,0 +1,22 @@
+import numpy as np
+
+def mergeStreamChannels(data, channels):
+    """
+    将当前多通道流数据合并为单通道流数据
+
+    Args:
+        data: 多通道数据
+        channels: 通道数
+
+    Returns:
+        mono_data_bytes: 单通道数据
+    """
+    # (length * channels,)
+    data_np = np.frombuffer(data, dtype=np.int16)
+    # (length, channels)
+    data_np_r = data_np.reshape(-1, channels)
+    # (length,)
+    mono_data = np.mean(data_np_r.astype(np.float32), axis=1)
+    mono_data = mono_data.astype(np.int16)
+    mono_data_bytes = mono_data.tobytes()
+    return mono_data_bytes