42 lines
6.8 KiB
Markdown
42 lines
6.8 KiB
Markdown
# 智能剪辑处理环境
|
||
|
||
从项目根目录运行 `bash services/smart-edit/setup.sh`。准备 Python 3.11、FFmpeg/ffprobe（包含 libx264 与 subtitles/libass）、中文字体（Linux 推荐 Noto Sans CJK）。基础分析依赖按版本固定，虚拟环境独立。
|
||
|
||
应用环境配置：
|
||
|
||
- `SMART_EDIT_PYTHON=/绝对路径/.venv-smart-edit/bin/python`
|
||
- `SMART_EDIT_CACHE_DIR=/有足够磁盘空间的私有目录/smart-edit-cache`（缺省 `.cache/smart-edit`）
|
||
- 运行目录保持项目根目录；Next standalone 打包已包含 analyze.py，Python 与 FFmpeg 单独安装。
|
||
|
||
语音识别选装：执行 `bash services/smart-edit/setup.sh --with-asr`，会安装 FunASR/PyTorch 并从 ModelScope 下载官方 Paraformer、FSMN-VAD、CT-Transformer 三个模型。把脚本输出的 `SMART_EDIT_ASR_MODEL`、`SMART_EDIT_VAD_MODEL`、`SMART_EDIT_PUNC_MODEL` 路径写入应用环境。模型代码禁止 trust_remote_code，用户请求不能选择任意模型文件。模型权重下载可能较大，应在维护期间完成；请求阶段仅读取已经配置好的本地模型。
|
||
|
||
诊断：`$SMART_EDIT_PYTHON services/smart-edit/analyze.py --check`。API `/api/canvas/smart-edit/capabilities` 仅对登录用户返回可用功能与模型列表，不返回密钥或本地路径。ASR 未准备好时页面关闭自动转写选项，仍可导入 SRT 和进行画面混剪。
|
||
|
||
资源：整个智能剪辑作业通过 PostgreSQL advisory lock 限制为同一数据库下同时一个重处理任务，租约心跳沿用画布任务队列。Python/FFmpeg 限制线程数，单素材 ≤180 秒、≤125 MiB、至多12份，总原始素材≤10分钟，成片≤300秒、≤12片段；分析缓存按用户隔离，内容 hash 校验，7天过期、4GiB上限。低清代理仅用于分析，成片使用原素材。数据库锁繁忙时任务保存为可恢复状态，页面轮询或返回画布会继续运行。
|
||
|
||
算法：PySceneDetect 检测镜头，librosa 检测节拍，FunASR 返回语句时间戳（采用 FunClip 的时间戳剪辑思路）。去静音为独立实现的 RMS 阈值算法，参考 Auto-Editor 的粗剪与余量机制；没有复制 Auto-Editor 或 FunClip 源码，也不依赖它们的 UI。来源与许可证记录在项目 docs/video-canvas-smart-edit-research-2026-09-17.md。PySceneDetect 为 BSD-3-Clause，librosa 为 ISC，FunASR 源码和各权重许可应按所安装版本一并保留。
|
||
|
||
智能选片直接复用项目内官方千问3.8视觉模型；关闭智能选片后所有镜头/节拍/剪辑流程均为本地运算。供应商受理状态不明的语义请求不会自动重发。素材文本和字幕仅为待分析数据，模型只允许返回实际候选ID，不能生成任意时间区间、文件路径或命令。
|
||
|
||
预览使用同一 EDL 的时间、裁剪、速度、音量和叠化参数；浏览器流式预览受网络和解码影响。最终导出由 FFmpeg 确定性合成。音乐文件不足时末尾补静音，不默认循环；背景音量由用户调整。字幕样式与浏览器字体可能有差异。广告多版本目前对候选排序作轮换，素材不足时明确提示，不宣称独立生成多个创意脚本。
|
||
|
||
|
||
远程合成：设置 `SMART_EDIT_RENDER_URL` 与 `SMART_EDIT_RENDER_TOKEN` 后，render操作进入独立API，不占用本地主处理锁。独立服务部署见 `../video-render/README.md`，其千问仅提供可选文字能力。分析操作仍使用本机Python/代理文件。
|
||
远程合成链路暂时不可用时，可设置 `SMART_EDIT_RENDER_FORCE_LOCAL=1` 让新任务使用本机 FFmpeg；已有远程任务仍保留原服务地址与任务编号，等待原链路恢复后查询，避免重复合成。
|
||
|
||
## 人声分离、转写和完整字体库（2026-09-18）
|
||
|
||
`bash services/smart-edit/setup.sh --with-all` 在独立环境安装全部依赖。也可使用 `--with-separation` 或 `--with-asr`。
|
||
|
||
- **人声分离**：`prepare_separation.py` 下载并校验官方 HTDemucs 权重。将输出的 `SMART_EDIT_SEPARATION_MODEL_DIR` 加入应用环境。请求阶段离线运行，CPU 2线程、7秒分块、每次最多180秒；支持仅保留人声、仅保留背景音、输出两个音轨，保持裁剪、变速、音量、静音及转场包络。视频原声自动关闭，独立音轨可继续分离；失败保留原内容。
|
||
- **自动转写**：字幕列表直接提供入口。FunASR 同时开启 `pred_timestamp` 与 `sentence_timestamp`；时间戳限制在素材范围内，再映射至剪辑时间轴。保留手动字幕，重试只替换此前自动生成的字幕。任务存数据库，可退出后再打开；处理完成前锁住当前编辑，避免覆盖并行改动。
|
||
- **字体库**：对应参考站2002项的目录见 `lib/video-canvas/smart-edit/font-catalog.json`（1997项）及 `fonts.ts`（原有5项）。已逐一下载、解析和校验，完整新增字体约757MiB。原始与处理后SHA-256均固定；保留字体内版权/许可字段。浏览器和FFmpeg使用同一处理后文件，独立字体族名避免粗细变体串字，变量字体固定为选定默认实例。两款参考字体的OS/2版本声明与实际长度不一致，按已有字段修复为v4，不改变字形轮廓。
|
||
- **安装字体**：默认按选择懒加载，需Python的`requirements-fonts.txt`。部署前推荐执行 `$SMART_EDIT_PYTHON services/smart-edit/prepare_fonts.py` 预热全部目录，或者复制已校验的字体缓存。`SMART_EDIT_FONT_CACHE_DIR` 指定共享缓存目录；`SMART_EDIT_FONT_PYTHON` 可单独指定字体Python。原有5款字体仍随应用/合成服务打包。首次下载失败会明确报错，不静默替换成默认字体。
|
||
- **远程合成字体**：独立合成服务同样安装字体依赖，设置同一缓存或预热目录；构建时已带上字体转换脚本及固定目录。`SMART_EDIT_FONT_SCRIPT` 可覆盖脚本位置。ASR/分离仍在主应用配置的处理器运行，合成远程执行。
|
||
|
||
当前限制：视频素材最多12份，每份180秒；成片最长300秒，最多12视频片段、24独立音频片段。含派生分离轨最多36份资源、累计1800秒。实际模型耗时随硬件和素材变化，合成字体的抗锯齿仍受浏览器与libass渲染器影响。
|
||
|
||
真实模型回归：提供含“智能剪辑”和“人声分离”的中文WAV，运行 `$SMART_EDIT_PYTHON scripts/qa/smart-edit-models.py input.wav .qa/model-check`。验证实际语音识别、逐句时间戳、真实混音分离及两轨重构误差，无付费模型调用。
|
||
|
||
本地主站全链路：在隔离数据库与存储环境启动真实Next，准备测试账号JSON和中文视频后，执行 `SMART_EDIT_QA_DIR=.qa/isolated-main-chain node scripts/qa/smart-edit-main-chain.cjs`。脚本只允许本地地址，验证登录、上传、方案、分离三个分支、转写、实际字幕字体成片和SRT。完整记录见 `docs/smart-edit-completion-2026-09-18.md`。
|