feat(vision): support extension-based formats for image/audio previews and optimize audio for STT

preview.go

@@ -10,6 +10,7 @@ import (
 
 // GenerateImagePreview 生成图片预览
 // 支持缩放并裁剪以填充指定尺寸 (Fill 模式)
+// 根据 outPath 后缀自动转换格式 (.webp, .jpg, .png 等)
 func GenerateImagePreview(srcPath, outPath string, width, height int) error {
 	// 使用统一的 Load() 加载，内部已处理好 HEIC/sips/FFmpeg 的复杂格式兼容
 	c, err := Load(srcPath)
@@ -18,14 +19,15 @@ func GenerateImagePreview(srcPath, outPath string, width, height int) error {
 	}
 	c.Fill(width, height)
 
-	if strings.HasSuffix(strings.ToLower(outPath), ".webp") {
-		// 借用 FFmpeg 将生成的画布转为高质量 WebP
+	ext := strings.ToLower(filepath.Ext(outPath))
+	if ext == ".webp" {
+		// 借用 FFmpeg 将生成的画布转为高质量 WebP (比标准库或第三方库压缩更好)
 		tmpFile := filepath.Join(os.TempDir(), fmt.Sprintf("preview_%d.png", os.Getpid()))
 		defer os.Remove(tmpFile)
 		if err := Save(c, tmpFile); err != nil {
 			return err
 		}
-		
+
 		v, err := NewVideo()
 		if err == nil {
 			cmd := exec.Command(v.FFmpegPath, "-i", tmpFile, "-c:v", "libwebp", "-quality", "80", "-y", outPath)
@@ -122,20 +124,30 @@ func GenerateVideoPreview(videoPath, outPath string, width, height int, frameInt
 	return nil
 }
 
-// GenerateAudioPreview 提取 3 分钟内的音频用于预览或语音转写
-// 格式: Ogg Opus, 16kHz, 单声道, 12kbps (极致压缩，保留人声特征)
+// GenerateAudioPreview 提取音频用于预览或语音转写
+// 支持根据 outPath 后缀输出格式:
+// - .ogg: 使用 libopus (16kHz, 单声道, 12kbps), 极致压缩且保留人声特征，适合转写
+// - .wav: 标准 PCM (16kHz, 单声道), 无损但体积较大，部分转写引擎强制要求
+// - 其他: 默认使用 libopus 转为 ogg
 func GenerateAudioPreview(mediaPath, outPath string) error {
 	v, err := NewVideo()
 	if err != nil {
 		return err
 	}
-	// -vn: 禁用视频
-	// -c:a libopus: 高效音频压缩
-	// -ar 16000: 采样率 16k (转写标准)
-	// -ac 1: 单声道
-	// -b:a 12k: 极致压缩
-	// -t 180: 最长 180 秒 (足以获得内容概要)
-	cmd := exec.Command(v.FFmpegPath, "-i", mediaPath, "-vn", "-c:a", "libopus", "-ar", "16000", "-ac", "1", "-b:a", "12k", "-t", "180", "-y", outPath)
+
+	ext := strings.ToLower(filepath.Ext(outPath))
+	// 通用参数: 禁用视频, 16kHz 采样率 (STT 标准), 单声道
+	args := []string{"-i", mediaPath, "-vn", "-ar", "16000", "-ac", "1"}
+
+	if ext == ".wav" {
+		// WAV 格式，保留 PCM
+		args = append(args, "-y", outPath)
+	} else {
+		// 默认或 .ogg 使用 libopus 极致压缩，最长 180 秒
+		args = append(args, "-c:a", "libopus", "-b:a", "12k", "-t", "180", "-y", outPath)
+	}
+
+	cmd := exec.Command(v.FFmpegPath, args...)
 	return cmd.Run()
 }
 

preview_test.go

@@ -105,10 +105,19 @@ func TestPreviewer(t *testing.T) {
 	t.Run("GenerateAudioPreview", func(t *testing.T) {
 		err := GenerateAudioPreview(videoPath, oggPath)
 		if err != nil {
-			t.Errorf("GenerateAudioPreview failed: %v", err)
+			t.Errorf("GenerateAudioPreview (ogg) failed: %v", err)
 		}
 		if _, err := os.Stat(oggPath); os.IsNotExist(err) {
 			t.Error("Ogg output not created")
 		}
+
+		wavPath := filepath.Join(tmpDir, "preview.wav")
+		err = GenerateAudioPreview(videoPath, wavPath)
+		if err != nil {
+			t.Errorf("GenerateAudioPreview (wav) failed: %v", err)
+		}
+		if _, err := os.Stat(wavPath); os.IsNotExist(err) {
+			t.Error("Wav output not created")
+		}
 	})
 }