影像、音訊和影片

Oloproof 評估接收或產生影像、音訊和影片的系統，而這些檔案從不離開您的系統存放它們的地方。執行以參照記錄每個檔案；確定性檢查量測檔案的位元組；評審可以看到影像、影片影格和音訊；工作台在每個結論旁邊顯示它們。教學會在一個可執行的範例上以影像逐步演練。

記錄媒體

您的系統以 current_case().media(...) 記錄一個案例接收或產生的檔案，每次呼叫記錄為一個 media/v1 產物：

from oloproof import current_case, media_file, system

@system(name="captioner", version="v2", records=("media/v1",))
def caption(case):
    image = render(case["prompt"])            # your system writes its own file
    current_case().media([
        media_file(case["photo"], role="input"),
        media_file(image),                    # role="output" by default
    ])
    return {"caption": describe(image)}

在 oloproof.yaml 中，可呼叫物件系統宣告 records: [media/v1]。每個項目包含：

media_file(path) 依據一個本機檔案填寫這些欄位。不會有任何內容被複製到 Oloproof 的儲存區中。之後讀取該檔案的一切，無論是檢查、評審還是工作台，都透過 read_media 讀取，它會拒絕大小或 sha256 與記錄不符的位元組：內容變更會停止執行，檔案已不存在則該案例為缺失。只要您保留一次執行，就原樣保留它的檔案；把每個版本的輸出寫到各自的位置。在您自己的 @evaluator 中，read_media(item) 回傳經過核對的位元組。

無需模型的檢查

media_check 量測某個角色的每個已記錄項目，當每個項目都滿足所宣告的每個條件時通過：

  - type: media_check
    criterion: thumbnail_fits
    kind: image
    formats: [png, jpeg, webp]
    max_width: 256
    max_height: 256
    max_bytes: 50000

格式從檔案的開頭位元組讀取，因此存成 .png 的 JPEG 會失敗；影像尺寸與 WAV 時長從它們的檔頭讀取；影片的尺寸或 MP3 的時長以 ffprobe 量測。時長界限適用於音訊與影片，尺寸界限適用於影像與影片。

image_matches_reference 在每張影像看起來都像參考影像時通過：它們的 64 位元感知雜湊最多相差 max_distance 個位元（預設為 8）。縮放或重新壓縮過的副本只相差幾個位元；空白影像、損壞的檔案或不同的場景則不然。參考影像要麼是所有案例共用的一個 reference_file，要麼是每個案例的 expected 透過 reference_field 指明的路徑。雜湊讀取的是構圖與明暗，而不是顏色，因此它無法區分以相同方式拍攝的兩件商品，而且有大片空白區域的平面圖形比照片更容易讓它變動。它需要 Pillow：pip install 'oloproof[media]'。

每個欄位都在設定參考中。兩種檢查都從第一次執行起就作出決策，因為它們不呼叫模型。

能看到媒體的評審

帶 media 的 rubric_judge 會看到案例中已記錄的該角色（input、output 或 all）的媒體，每一項都在提示詞中給出名稱，讓評審能區分輸入與輸出：

  - type: rubric_judge
    criterion: caption_matches
    provider: openai_compatible
    base_url: http://localhost:11434/v1
    model: qwen2.5vl
    rubric_text: Pass only if the caption truthfully describes the attached image.
    media: output
    video_frames: 4
    transcriber:
      model: whisper-1

• 影像依原樣附加，每張最多 5 MB，每次評判最多 20 張。
• 影片以靜態影格附加，這些影格在執行評審的機器上以 ffmpeg 擷取：video_frames: 4 取四個等長區段各自的中點，[0.5, 2.0] 取這些時刻。
• 音訊由 transcriber（一個相容 OpenAI 的 /audio/transcriptions 端點，省略 base_url 時為 OpenAI 的端點）轉寫，轉寫文字進入提示詞；或者，在 audio: native 下，它作為聲音附加，供能聽的模型使用（wav 和 mp3；不適用於 Anthropic 的模型）。

媒體的摘要值是評判結果之鍵的一部分，因此變更過的媒體會被重新評判，未變更的媒體則來自快取。轉寫器與影格時間是評審版本的一部分，每個評判結果都保存它的轉寫文字與 ffmpeg 版本。為音訊宣告卻沒有轉寫器的評審，或在沒有 ffmpeg 的機器上為影片宣告的評審，會停止執行，而不是讓這些案例成為缺失。託管模型對每張影像和每個字詞都計費。

驗證媒體評審

能看到媒體的評審在人的標籤顯示它與人一致之前不決定任何事情，這與讀取文字的評審完全一樣：標註一個隨機樣本，然後執行 oloproof evaluators validate（評審）。在託管工作區中，審查佇列會向審查者展示每個案例的媒體。變更模型、評分準則、media、影格或轉寫器都會產生一個新的評審，它需要自己的驗證。

工作台中的媒體

案例的媒體顯示在它的輸出和結論旁邊，出現在案例頁面與審查佇列中，並附有每個檔案的類型、大小與摘要值。

• 本機工作台從執行記錄的位置（在您的機器上）讀取每個檔案，並且只在其 sha256 仍然相符時顯示它。
• 託管工作區從不接收媒體。檢視者的瀏覽器從您網路中的 oloproof collect 取得每個檔案，使用的是審查佇列取得案例內容時所用的同一種短時效票證（評審），並在顯示之前核對其 sha256。沒有收集器時，頁面會列出每個檔案的事實，並說明為什麼不顯示它。

推送的執行會在 egress 類別 artifacts 下攜帶 media/v1 記錄，以及每個檔案的保存位置；扣留 artifacts 的政策也會把這些位置留在您這一側。

不支援的功能

• 產生媒體：您的系統製作它的檔案，Oloproof 評估它們。
• 把媒體上傳到 Oloproof：沒有上傳功能，無論託管還是本機。
• 透過 Anthropic 的 API 讓模型觀看完整影片或聆聽音訊：在那裡，影片依據影格來評判，音訊透過轉寫文字來評判。
• 對音訊或影片內容的確定性檢查（字詞錯誤率、場景偵測）：以 @evaluator 和 read_media 自己寫一個。
• 音訊或影片的感知雜湊：image_matches_reference 只讀取影像。