Skip to content

DramaClip v0.2.2

Choose a tag to compare

@github-actions github-actions released this 22 Oct 00:54
· 253 commits to main since this release

v0.2.2 —— 工具箱 + Agent 网关 + 本地运行环境重构 + 算力回执

🏷️ AI 生成标注改为用户开关(默认关闭)

  • 业主裁决 2026-10-15:AI 标注从强制合规声明改为「设置 → 出片 → AI 生成标注」开关,默认关闭——各平台对 AI 合成内容的标注要求不一,是否标注由使用者按发布平台自行决定
  • 开启后成片右上角烧制「AI 生成」字样(随每段编码滤镜完成,不再成片后整片二次重编——硬件编码器的提速不再被最后一步吃掉);字体缺失或烧制失败导出即失败,不静默交付无标注成片
  • 「关于 → 授权与合规声明」同步补上 AI 标注段

🔢 版本号五处齐平 0.2.2

  • 桌面 / Python 运行时 / protocol / pyproject / README 徽章(含 lock)统一为 0.2.2——此前桌面 0.2.1、Python 运行时 0.2.1、pyproject 与 protocol 0.2.0 四处漂移,且 Python 自家 pyproject 与 __version__ 内部不一致

🧰 工具箱(新页面)

  • 三个实用工具:视频文案提取(视频 → 文案 + SRT 字幕 + 元信息)、语音转文字(音频文件直转文字)、文字转语音(长文合成配音)
  • 文案改写是产出物的加工步骤:在提取/转写结果区内一键改写,「原文复述 / 按文风卡重写」两档风格,产出自带审查标注——改了什么、哪些处不合规范一目了然
  • 三工具共用异步作业骨架:大文件不卡界面,完成即出结果

🔌 Agent 网关 + Skills:能力对外开放

  • 服务内置 HTTP 网关(仅本机回环 + 令牌鉴权):外部 Agent 可直接调用项目能力——文案审查、收尾质检、草拟标题等
  • 安装引导两条路:下载客户端即装即用(零代码),或拉取源码自行部署——两条路线都附带完整的调用方法论文档
  • 提示词规则「单一真相源」自动导出:方法论文档由引擎常量生成并带漂移守卫,文档与实际行为永不脱节

🔤 字幕识别引擎换代(PP-OCRv6)

  • 读数质量大幅修正(真机逐句对比):高对比艺术字幕的首行漏读消失,「干/蛀虫/权势滔天」等常用词误读清除——残余误读从「常用词大面积出错」收敛到「生僻人名零星几处」
  • 结构修复:引擎升级不再被缓存吞掉——旧版跨轮缓存按"素材未变"复用识别产物,换引擎后重析仍出旧读数(真机实证);现产物带引擎代际标记,升级后自动失效重挖、同代际照常命中缓存
  • 速度持平:单帧 1.0~1.7 秒(4 路并行),与旧版同量级;老项目各集重析一次即可吃到新引擎(缓存自动判定,无需手动清理)

🔧 修复与稳定性

  • 精炼层随段重建字戳:带补字段的集不再因字数不符整集跳过 LLM 精炼(真机两连修)
  • 交叉解说桥接旁白改压当前场景尾部:旧锚定会预览下一场景开头、随后原声重播同段画面(真机 6 处重叠 = 重复/闪烁来源);场景切换改为全新画面出场

📦 安装包减重 72%:本地智能运行环境一次装齐

  • 主程序零深度学习运行时:安装包体积降到约 650MB(较上一版 -72%)——本地 ASR、音色克隆、轻量配音、人声分离的重依赖统一挪进「本地智能运行环境」按需一次安装;已装用户升级后自动补齐缺的依赖组
  • 本地 ASR(funasr 系)与轻量配音(kokoro)改为独立进程运行,与音色克隆同构,主程序不再背 torch
  • 运行环境安装器加固:GPU 轮增加国内镜像 fallback(官方源在国内是安装最大单点)、分组槽位与首启引导、可重入安装(缺哪组补哪组)
  • 发布包零 torch:打包 EXCLUDES 压制 + 产物 PYZ/目录双层断言,CUDA 残留出不了包(venv 侧旧预检已退役)
  • 云端模型不再混入本地模型资产库清单

🎮 算力回执:这次到底用了 GPU 还是 CPU,有账可查

  • 算力回执落库:转写、配音、导出每次真实运行都记下「请求了什么、实际落在哪、是否回退、为什么」——任务列表与导出记录直接可看,不再拿安装态猜运行态
  • 「CUDA」是承诺,「自动」才允许回退:显式选 CUDA 失败即报错,绝不静默换 CPU;自动模式试 GPU 失败落 CPU 必须写明原因
  • 自检装上同一把尺:显式 CUDA 实际落 CPU、拿不出设备证据,一律判不通过
  • 修掉一批静默假绿:本地 ASR 静默落 CPU 根治(加载前真实小算子探针 + 模型实际落点裁决)、GPU 探针改执行级真算(老卡不再被「理论支持」误导)、引擎能力表述如实化(「whisper 加速不支持此卡」不再误写成 GPU 不可用)

🖥️ 三厂商 GPU:AMD / Intel 主机不再陪跑

  • 视频导出硬编扩到三厂商:N 卡 NVENC、AMD AMF、Intel QSV 逐个真试编自动选路(此前 AMD 独显主机硬编收益归零直接落软编),全不可用才回 libx264;设置页硬编选项同步摆出
  • 设备选项与能力文案按宿主厂商说话:驱动三分支(正常 / 过旧→下载引导 / 缺失),能力表只认「硬件 + 运行时」真就绪,探测中与无判据不做假阴性;CUDA 保持承诺语义
  • GPU 探测升级 CIM + nvidia-smi 两路合并:双显卡/多厂商机器按适配器集合判定,虚拟显示适配器剔除
  • 人声分离设备解耦:恒按 auto 走 CUDA→CPU→滤镜三档降级并逐级留痕;参考清洗回执落进算力账本,队列页可见清洗行

✍️ 解说文案三批进化:母题库 + 复述重写循环

  • 叙事母题库十二卡:先扬后揭 / 蓄力爆发 / 顺叙反转 / 重生先知 / 假戏成真 / 追悔莫及……选题先定母题、结构卡随角度自动跟走;方案卡新增母题徽标,一眼看出这条片按哪种骨架讲
  • 风格选择收敛进母题:全自动出片不再需要人工挑风格
  • 复述驱动重写循环:初稿复述测试不达标,带卡点自动重写一轮,达标才允许换血
  • 文案三规则可测可守:句式雷同 / 意象滥用 / 情绪复述连排进入审查
  • 重写反馈 + 六维评分器:复述抓「听不懂」,评分抓「不吸引」
  • 每集档案喂进选题:冲突高峰与高光带时间窗成为评分理由;零文案模式选线回归跨集冲突链

🎬 剪辑质量修复批(真机病灶逐个根治)

  • 交叉桥段空隙预算:旁白按空隙时长下笔,超长文案不再拖到导出才被判死
  • 转写精炼带内锚定:字幕特写窗不再劫持画外音台词(时间戳整体坍缩的根治)
  • 纯原片剪辑:取消「最高冲突前置」、候选限定有声场景,开头不再莫名其妙
  • 转写精炼按字幕参考补漏字(ASR 漏听不再永久吞字)、强制句末标点;AI 校对重建段透传说话人标签
  • 停顿切分词级时间戳平移修复、超长区段二次切分不再拖垮整条分析、OCR 坐标落库兼容修复
  • 方案卡移除源集封面缩略图与角标;「取材」徽标如实显示全集分布;状态栏进度拼接显示修复

📥 下载链路加固

  • 修复「半成品恰好写满」死锁:下载收尾前的中断(关应用/杀软锁文件)不再让该模型永久下载失败(此前触发源站 416 且换源无效)
  • CUDA 运行库 wheel 三镜像容错修复:清华 / 阿里云 / pypi 官方源真探全通(此前「官方源兜底」实际仍打在清华)
  • 模型访问门槛(401)失败话术如实化;全部内置模型下载源国内网络真探通过并存档

🧭 其他

  • 引擎中心首屏秒开(此前 12~23 秒卡顿:体积统计双层缓存 + 后台补算)
  • 引擎进程中文输入编码根治(中文合成内容被静默损坏的问题)
  • funasr 双引擎全系 CPU / GPU 双版本、本地 ASR 人工热词兜底入口
  • 代码结构清偿:导出 / 分析 / 配音 / 审查四大执行族拆分模块,行为不变,全量测试绿