upd

internal/nsfw/detector.go

@@ -92,7 +92,7 @@ func Start(pythonPath string, threshold float64) (*Detector, error) {
 	}
 
 	// 模型目录：程序运行目录下的 lib（和 application.properties / media-info.db 同一根目录）。
-	// 服务脚本优先加载 lib/nwfs/320n.onnx；本地没有会自己下载到那里，下载失败再回退用 pip 自带模型。
+	// 服务脚本优先加载 lib/human_nwfs/320n.onnx；本地没有会自己下载到那里，下载失败再回退用 pip 自带模型。
 	modelDir := ""
 	if wd, err := os.Getwd(); err == nil {
 		modelDir = filepath.Join(wd, "lib")
@@ -285,10 +285,10 @@ func (d *Detector) detectOnce(path string) (score float64, nsfw bool, err error)
 		return 0, false, err
 	}
 	var out struct {
-		Ok         bool                   `json:"ok"`
-		Error      string                 `json:"error"`
-		Nsfw       bool                   `json:"nsfw"`
-		Score      float64                `json:"score"`
+		Ok         bool                     `json:"ok"`
+		Error      string                   `json:"error"`
+		Nsfw       bool                     `json:"nsfw"`
+		Score      float64                  `json:"score"`
 		Detections []map[string]interface{} `json:"detections"`
 	}
 	if err := json.Unmarshal(data, &out); err != nil {

internal/nsfw/server.py

@@ -6,9 +6,9 @@ onnxruntime 的 InferenceSession 不是线程安全的，同一个实例并发
 所以这里用一个固定大小的推理线程池：每个 worker 线程各持一份独立模型实例，
 N 个请求可以真·并行推理。收到 /detect 就把图片喂给 NudeDetector，返回结果 JSON。
 
-模型加载优先级（模型放在 <程序运行目录>/lib/nwfs/320n.onnx）：
+模型加载优先级（模型放在 <程序运行目录>/lib/human_nwfs/320n.onnx）：
   1. 本地已有该文件 → 直接加载（离线可用，适合随程序分发）；
-  2. 本地没有 → 自动下载到 lib/nwfs/320n.onnx 再加载（仅第一次需要网络）；
+  2. 本地没有 → 自动下载到 lib/human_nwfs/320n.onnx 再加载（仅第一次需要网络）；
   3. 下载失败 → 回退用 nudenet 包自带的模型。
 下载地址是 NudeNet 官方 release 的 320n.onnx（约 11.6MB）。
 
@@ -49,7 +49,7 @@ SENSITIVE = {
 }
 
 # 模型文件与官方下载地址
-MODEL_FILENAME = "nwfs/320n.onnx"
+MODEL_FILENAME = "human_nwfs/320n.onnx"
 MODEL_URL = "https://github.com/notAI-tech/NudeNet/releases/download/v3.4-weights/320n.onnx"
 
 # 模型目录由 Go 侧作为第二个参数传入（程序运行目录下的 lib）；没传则回退用包自带模型