Update nexus wiki content

wiki/concepts/OverlapAwareChunking.md

@@ -0,0 +1,55 @@
+---
+title: "OverlapAwareChunking"
+type: concept
+tags: ["voice-ai", "audio-processing", "transcription", "chunking"]
+last_updated: 2026-05-02
+---
+
+# OverlapAwareChunking（重叠感知分块）
+
+## Definition
+
+Overlap-Aware Chunking 是将超长音频（>30 分钟）切分为多个重叠片段再分别转录的技术。重叠窗口（默认 30s）在合并阶段被裁剪，防止词边界在切分处被切断而产生重复或遗漏。
+
+## The Problem
+
+Whisper 类模型有最大输入时长限制（通常 30 秒到 10 分钟，取决于模型）。超出限制的音频如果直接截断，会导致：
+1. 词在切分点被切断 → 产生乱码/重复词
+2. 最后一块音频尾部被截断 → 内容丢失
+3. 丢失跨块语义连贯性
+
+## The Solution
+
+```
+原始音频（120 分钟）
+       ↓ 分块（每块 30 分钟，重叠 30 秒）
+chunk_0000: [0:00 - 30:30]
+chunk_0001: [30:00 - 60:30]  ← 重叠 30 秒
+chunk_0002: [60:00 - 90:30]  ← 重叠 30 秒
+...
+       ↓ 逐块 FasterWhisper 转录
+       ↓ 合并（裁剪重叠区域）
+最终转录文本（无重复/遗漏）
+```
+
+## Key Parameters
+
+| 参数 | 默认值 | 说明 |
+|------|--------|------|
+| `chunk_duration` | 1800s（30分钟） | 每块时长 |
+| `overlap` | 30s | 重叠窗口大小 |
+| 合并时裁剪 | 30s | 从第二块开始，裁掉前 30 秒 |
+
+## Critical Insight
+
+> "Overflow is silent and corrupts output without error." — 溢出无声损坏输出
+
+分块策略的错误不会抛出异常，只会在最终合并的转录文本中出现乱码/重复/遗漏，难以事后发现。
+
+## Related Concepts
+- [[FasterWhisper]] — 分块音频的转录执行方
+- [[VoiceActivityDetection]] — VAD 过滤在分块前执行效果更佳
+- [[StructuredTranscriptJSON]] — 分块合并后结构化输出的最终格式
+
+## Related Sources
+- [[engineering-voice-ai-integration-engineer]]