fix: glossar_vorschlag.py schickt keine Zeit-Überschriften ans Modell

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>

README.md

@@ -329,7 +329,9 @@ des Modells sind oft falsch (Lahnstein: `Deckmäntelchen → Deckmäntel`), und
 falsche feste Ersetzung verdirbt den Text unbemerkt. Zum Übernehmen `# ? ` entfernen.
 
 Einträge aus den mit `-g` angegebenen Glossaren werden vorher angewendet und nicht
-erneut vorgeschlagen.
+erneut vorgeschlagen. Zeit-Überschriften von Ausschnitten
+(`[00:04:57 - 00:06:04]`, siehe [Zeitauswahl](#zeitauswahl--s--e--z)) werden aus
+Roh- und korrigiertem Text entfernt; das Modell bekommt sie nicht zu sehen.
 
 ```bash
 ./glossar_vorschlag.py -i testdaten/Lahnstein.de-orig.txt \

glossar_vorschlag.py

@@ -15,6 +15,7 @@ from rede_korrigieren import (
     MODEL, apply_replacements, chat_request, check_ollama, ollama_open, read_glossary,
     split_chunks,
 )
+from vtt2txt import split_segments
 
 SYSTEM = """Du suchst Hörfehler in der automatischen Abschrift einer deutschen Rede.
 
@@ -116,6 +117,11 @@ def model_suggestions(text, model, cache_dir, known):
     return found
 
 
+def plain_text(text):
+    """Running text without time headers ("[00:04:57 - 00:06:04]") of excerpts."""
+    return " ".join(" ".join(body for _, body in split_segments(text)).split())
+
+
 def contains(words, part):
     """Is `part` a contiguous run of `words`?"""
     return any(words[i:i + len(part)] == part for i in range(len(words) - len(part) + 1))
@@ -213,7 +219,7 @@ def parse_args():
 def main():
     args = parse_args()
 
-    text = " ".join(read_raw(args.input).split())
+    text = plain_text(read_raw(args.input))
     if not text:
         raise SystemExit("Die Eingabedatei ist leer.")
 
@@ -234,7 +240,7 @@ def main():
 
     changes = None
     if args.korrigiert:
-        corrected = args.korrigiert.read_text(encoding="utf-8")
+        corrected = plain_text(args.korrigiert.read_text(encoding="utf-8"))
         changes = correction_changes(raw, corrected, replacements, set(suggestions))
 
     args.output.parent.mkdir(parents=True, exist_ok=True)

tests/test_glossar_vorschlag.py

@@ -136,3 +136,27 @@ def test_cli_missing_file(monkeypatch, capsys):
     with pytest.raises(SystemExit):
         run_main(monkeypatch, "-i", "fehlt.txt")
     assert "Datei nicht gefunden" in capsys.readouterr().err
+
+
+def test_time_headers_never_reach_model_or_changes(tmp_path, monkeypatch):
+    raw = tmp_path / "rede.txt"
+    raw.write_text(
+        "[00:04:59 - 00:06:04]\nDer Kremmel\nist da.\n\n[00:09:58 - 00:12:02]\nHerr Grotzki auch.\n",
+        encoding="utf-8",
+    )
+    corrected = tmp_path / "rede.korrigiert.txt"
+    corrected.write_text(
+        "[00:04:59 - 00:06:04]\n\nDer Kreml ist da.\n\n[00:09:58 - 00:12:02]\n\n"
+        "Herr Grotzki auch.\n",
+        encoding="utf-8",
+    )
+    model = fake_model([])
+    monkeypatch.setattr(urllib.request, "urlopen", model)
+    out = tmp_path / "entwurf.txt"
+    run_main(monkeypatch, "-i", raw, "-k", corrected, "-o", out)
+
+    sent = model.calls[0]["messages"][1]["content"]
+    assert sent == "Der Kremmel ist da. Herr Grotzki auch."
+    draft = out.read_text(encoding="utf-8")
+    assert "# ? Kremmel => Kreml   (1×)" in draft
+    assert "00:0" not in draft.replace(str(raw), "")