# D144 · 视频AI系统8模块验收记录

> HLDP://video-ai-system/experience/D144-8-MODULE-VERIFICATION
> 日期: 2026-06-24
> 入口: 腾讯AI提交的 8 大模块工程验收
> 结论: 框架已进入仓库，但不能整体视为生产完成；需要按下方缺口继续补齐。

---

## 总结

```
overall_status: PARTIAL_PASS
production_ready: false
main_blockers:
  - 主角资产包生成: BRIDGE_CONNECTED (D144下午) ← Python↔Node桥接完成，可生成
  - 口型同步依赖 Wav2Lip 未安装，不能解决"人物说台词"
  - 多参考图能力未做真实付费验证，默认不能用于一致性承诺
  - EP01 一键生产 CLI 仍读取占位台词，不满足"剧本怎么写就怎么拍"
  - 字幕标准工具链: VERIFIED (D144下午) ← 8/8工具+PNG叠层烧录+对标通过
```

---

## 模块验收

### 1. CHAR-HERO-DESIGN-PACKER

```
status: BRIDGE_CONNECTED
syntax: PASS
production_ready: partial
```

发现:
- 原代码直接导入不存在的 Python `image_api_adapter`，仓库当前只有 JS 图片适配器，启动即崩。
- 原代码会在资产不完整时把 `manifest.hdlp` 写成 `APPROVED`，会污染后续角色锁定。
- 原提示词带有未经剧本/资产锁确认的视觉默认值。

已修:
- ✅ D144: 新建 `image-api-bridge.js` (Node CLI桥接) + `image_api_adapter.py` (Python封装)，Python↔Node已打通
- ✅ 实测生成苏白正面半身参考图成功 (JZAO, 2048x2048, Seedream 4.0)
- ✅ 只有 4/4 资产完整生成时才允许 `APPROVED`；否则为 `DRAFT_GENERATED`
- ✅ 默认风格改为 3D国风漫剧

后续:
- 生成苏白完整4项资产包（正面半身/侧脸/全身服装/表情表）并进行人工确认

---

### 2. CHARACTER-DISTINCTIVENESS-QC

```
status: PARTIAL_PASS
syntax: PASS
report_output: PASS_AFTER_FIX
production_ready: false
```

实测:
- 输入 `video-ai-system/assets/references/EP01-P0/ref-char003-subai-plus-tdz-plaque.png`
- 输出 `/tmp/guanghulab-module-check/character-qc.json`
- 结果: `overall_score: 6.35/10`, `verdict: FAIL`

说明:
- 这个结论与编辑意见“主角太普通、像路人甲”一致。
- 当前算法是基础 OpenCV 分数，只能做第一层粗筛，不能替代人眼/多模型视觉评审。

已修:
- 增加 `--output`，允许质检报告落盘进入经验库。

后续:
- 接入图像理解模型做“主角感/路人感/记忆点”语义评分。
- 加入同镜头前后角色一致性对比，而不是只看单张图。

---

### 3. MULTI-REFERENCE-VIDEO-ADAPTER

```
status: GUARDED_NOT_VERIFIED
syntax: PASS
production_ready: false
```

发现:
- 原 `--check-api` 会直接提交真实视频生成请求，可能产生费用。
- 原代码只读仓库 `.env`，不读本机密钥文件。
- 多参考图未确认时自动回退单参考图，会误导牌匾/角色/场景一致性判断。

已修:
- 默认 `--check-api` 只做无付费预检。
- 只有显式传入 `--live-check` 才会提交真实 API 探测请求。
- 读取本机 `~/guanghulab-local-secrets/video-ai-system.env`。
- 多参考图未确认时不自动回退；只有显式 `--allow-single-reference-fallback` 才允许调试占位。

后续:
- 需要一次受控 live-check，确认 Seedance/豆包视频 API 是否真支持多参考图。
- 如果不支持，必须走“角色视频 + 牌匾/场景后期合成”的工程路线。

---

### 4. VOICE-EMOTION-COMPILER

```
status: PASS_FOR_TTS_PARAM_COMPILE
syntax: PASS_AFTER_FIX
production_ready: partial
```

发现:
- 原代码有语法错误。
- 原代码用普通 import 导入 `tts-engine.py`，文件名含连字符，无法导入。

已修并实测:
- 修复语法错误。
- 用动态导入接上 `tts-engine.py`。
- 实测生成苏白情绪配音 MP3 成功: `/tmp/guanghulab-module-check/subai-emotion.mp3`

后续:
- Edge-TTS 可做低成本测试，但商业成片建议继续 A/B 测豆包语音、火山语音或更适合角色对白的声音模型。
- 需要按角色建立“台词情绪标签 -> 音色/语速/音高/停顿”表。

---

### 5. LIPSYNC-ADAPTER

```
status: FAIL_DEPENDENCY_MISSING
syntax: PASS_AFTER_FIX
production_ready: false
```

发现:
- Wav2Lip 未安装。
- 原代码在 Wav2Lip 不可用时复制原视频并返回成功，会把“没做口型”伪装为“口型完成”。

已修:
- 默认无 Wav2Lip 时返回失败。
- 只有显式传入 `--allow-fallback-copy` 才允许复制原视频，并标记为调试占位。

实测:
- 当前返回失败: `Wav2Lip 不可用，未执行真实口型同步`

后续:
- 安装 Wav2Lip 或改接可商用口型/视频驱动 API。
- 需要口型 QC：音频峰值与嘴部开合是否同步，不能只看生成成功。

---

### 6. AUDIO-MIXER

```
status: BASIC_PASS
production_ready: partial
```

实测:
- 单音轨输出成功: `/tmp/guanghulab-module-check/mix-single.mp3`

缺口:
- 当前对白压低 BGM 是简化处理，不是真正精细侧链压缩。
- 需要对白优先、BGM 自动 ducking、响度标准、峰值保护、短视频平台响度目标。

后续:
- 开发基于 FFmpeg sidechaincompress / loudnorm 的商业混音预设。
- 输出混音 QC 报告：对白响度、BGM 响度、峰值、电平余量。

---

### 7. SHOT-QC-AUTOMATION

```
status: PARTIAL_PASS
syntax: PASS
production_ready: false
```

实测:
- 输入移动硬盘样片: `TEST-SUBTITLE-007-RUN002-REFERENCE-DRAMA.mp4`
- 输出 `/tmp/guanghulab-module-check/qc-after-fix.json`
- 结果: 检测到横屏 `1112x834`，失败原因 `竖屏比例错误`

已修:
- 原 CLI 失败时只显示 `Unknown error`；已改成输出真实失败项。
- 依赖清单补充 `numpy`, `opencv-python`, `requests`。

缺口:
- OCR 未安装，字幕/牌匾文字检查被跳过。
- 现代物品检测仍是 TODO。
- 换脸检查只是粗糙直方图，不足以判定角色一致性。

后续:
- 安装/配置 OCR。
- 接 YOLO 或视觉模型做现代物品、遮挡、文字、角色漂移检查。

---

### 8. EP01-SHOT03-PRODUCTION-CLI

```
status: DRY_RUN_ONLY
syntax: PASS
production_ready: false
```

实测:
- `--dry-run` 可执行完整步骤列表。

重大问题:
- 配置读取仍显示 `台词: 苏白原文台词`，不是剧本原文台词。
- 这不满足用户要求：剧本怎么写，就怎么拍；不能用占位台词进入生产。

后续:
- 必须接入剧本/分镜头源文件，逐字锁定台词。
- 每个镜头需要输出“剧本文本 -> 提示词 -> 画面 -> 配音 -> 字幕”的可追溯链路。

---

## 本次工程修复清单

```
fixed_files:
  - engines/voice-emotion-compiler.py
  - engines/char-hero-design-packer/char-hero-design-packer.py
  - engines/character-distinctiveness-qc/character-distinctiveness-qc.py
  - engines/lipsync-adapter.py
  - engines/multi-reference-video-adapter.py
  - engines/shot-qc-automation.py
  - requirements-video-ai.txt
```

---

## 下一步优先级

```
P0:
  - 字幕商业标准渲染工具链
  - 真实口型同步方案
  - 剧本原文锁定与 EP01 CLI 台词读取修复
  - 主角资产包真实生成与人工确认

P1:
  - 多参考图 live-check
  - 角色一致性跨镜头 QC
  - BGM/对白混音 loudness + ducking

P2:
  - OCR/牌匾文字 QC
  - 现代物品检测
  - 成本账本与模型可用性检查
```

---

## 验收结论

```
腾讯AI这次提交的8个模块，不能按“全部开发完成”验收。
准确结论是: 工程骨架已建立，其中语音参数编译、基础混音、基础QC可继续用；
主角资产生成、多参考视频、口型同步、EP01一键生产仍是生产阻塞项。
```