Skip to content

视觉轨上线 + 转写质量三代目 + 解说文案全面重造(2026-10-08 ~ 10)

Choose a tag to compare

@efarsoft efarsoft released this 12 Oct 07:12
· 389 commits to main since this release

👁️ 视觉轨(本次核心):解说第一次"看得见"画面

  • 画面理解引擎:本地 Qwen3-VL 三档(轻量 2B / 均衡 4B / 高配 8B,GGUF 量化 + llama.cpp 预编译运行时,CPU 可跑)——每集均匀采 16 帧,4 张一组逐图描述,产出带时间戳的画面实据
  • 编剧拿到画面轨:剧本提示词按集附【画面轨】,画面描写与取材区间的画面实据对齐——文画咬合从"赌台词配画面"升级为"画面里有据可查"
  • 引擎中心新增「画面理解 VL」域:三档下载/校验/选档;剧集详情新增画面轨卡(逐帧时间戳可点跳播)
  • 停顿切分基础设施:能量检测找句间停顿(平稳底噪上的能量谷),按停顿先切片段再转写——跨停顿并句、句尾串音物理消失,时间戳以真实切分点为锚

🔤 转写质量三代目(ASR×OCR 融合重构)

  • 文本归 ASR、时间与分行归字幕:真机 207 字人工标注实证(ASR 独对率是字幕的 2 倍、字幕抄写 CER 41%)——"蛙虫/崇桢/锦衣工"式字形错字不再污染转写
  • 整集一次内容对齐:修"刀劈词"、邻段搬条、旁白段丢失三个真机病
  • 转写卡徽标如实化:「字幕补字」(OCR 只补字不改写)、「AI 校对」(LLM 断句+纠错生效)

🧠 转写精炼层:LLM 断句 + 语境校对

  • 字幕窗(画面事实:时间+读数)作为输入喂给 LLM——原作者的分句节奏对模型可见,断句与时间轴自然锚定
  • 同音错字语境修正(传承→穿成、诸传→蛀虫、东昌→东厂),对齐审计护栏自动修复非法编辑(丢字还原/改写回退/无据插入丢弃)——LLM 的自由度被数学约束
  • LLM 不可用/护栏拒绝 → 分档回退融合分段,不挡分析

☁️ 云端引擎底层(P1 就绪)

  • 百炼 DashScope 双适配器:ASR(paraformer-v2 文件转写,字级时间戳同构)+ TTS(cosyvoice-v2 云端音色)
  • 设置键 asr.api_key / tts.api_key(空 = 本地引擎照常,零影响);本地引擎零改动,默认本地纪律不变
  • 引擎注册表云端支持(引擎接线即已安装,真可用性运行期判)

✍️ 解说文案系统重造

  • 四层提示词体系:吸引力定律(唯一评分标准)→ 人味纪律七条 → 架构纪律五条 → 称谓即立场 + 主轴与人物
  • 金句判定升级 LLM 提取:词表打分退役,LLM 按「传播力」挑金句——编号回填零编造
  • 五门类手艺融合:短剧解说 + 电影解说 + 小说推文 + sepia 结构层 + 爆款句式库
  • 提示词审查闭环(audit):每条规则锚定 prompt 原句,prompt 改动导致规则失效时先红不静默
  • 提示词分档:全稿链/逐槽链各自注入对应规则(逐槽链降噪)
  • 数字全中文确定性兜底:TTS 不再念出「2,000 斤」

🎬 字幕系统

  • 源硬字幕智能擦除:OCR 逐行检测 → delogo 逐行涂抹 + 解说字幕带内压位——双字幕叠影根治
  • 落位判据改「墨迹中心对齐」:修真机 10 集误拦 8 集的空判据
  • 导出双时钟归一:台词行词戳仿射贴合字幕窗——修"源字幕在屏时我们的字不在"(真机 16/23 行零重叠)

🎯 新特性

  • 第十种出片模式「高光混剪」:全剧高能场景 5 秒快切 + 情绪配乐床的预告片形态,零解说零 TTS
  • 方案卡源集封面预览:每张方案卡显示取材集画面与集号
  • 分析工作台「导出转写」:全部已分析集一次导出逐集 SRT + 全剧台词 TXT
  • 应用图标 / LOGO:全新「D·播放」标识

🔧 修复与稳定性

  • 导出配音阶段逐段进度上报——恒 0% 被当卡死的旧账清了;渲染进度重定标
  • 批量分析结果随集增量刷新——面板随集点亮,不再等全批结束才更新(碎行旧数据残留的根因)
  • 分析进度单调钳制:转写报完 100% 后画面理解续报不再回跳
  • LLM 网络失败退避重试 + 读超时可配置;LLM 失败带原因明示,无静默降级
  • 布局重构:先出语音再选画面——文案与画面语义对齐;跨集跳跃感收敛
  • 并发出片自动提音色互踩修复;TTS 音色提取串行化

v0.2.0 —— 首个公开版本(2026-09-29)

  • 短剧导入与两阶段智能分析(转写 / 场景 / 音频 / OCR 字幕)
  • 九种出片模式:剧情解说 / 交叉解说 / 超短钩子 / 全片解说 / 纯原片 / 片头解说 / 字幕金句 / 双人对谈 / 内心独白
  • 引擎中心:模型按需下载、多引擎配置、应用图标与深色科技风界面
  • 本地优先:媒体处理全部在本机完成