生产线核心流水线 (Workflow)

MagicCore 视频工厂采用**“端云协同（Client-Cloud Hybrid Architecture）”**的生产线设计架构。本章节为您揭秘一段原片如何通过五道工序蜕变为高品质解说成片。

---

生产线核心五步法架构

┌──────────────┐     ┌──────────────┐     ┌──────────────┐
│  第一步：导入 │ ──> │  第二步：分析 │ ──> │  第三步：导演 │
│ 本地长片素材 │     │ 场景切片抽帧 │     │ 云端大模型决策 │
└──────────────┘     └──────────────┘     └──────────────┘
                                                  │
                                                  ▼
┌──────────────┐     ┌──────────────┐     ┌──────────────┐
│  第五步：交付 │ <── │  第四步：对齐 │ <── │  声音工程与  │
│ 终检导出成品 │     │ 物理音画锁合 │     │ TTS 旁白渲染 │
└──────────────┘     └──────────────┘     └──────────────┘

---

第一工序：原素材导入与预处理（本地）

1. 用户选定本地视频素材文件（支持 MP4、MKV、MOV 等格式，支持电影、剧集、长纪录片）；
2. 客户端本地读取视频元数据：分辨率、色彩空间、帧率（FPS）、总时长；
3. 用户在 UI 上选择解说风格、目标成片时长（如 10 分钟）、配音音色与字幕模板。

第二工序：智能场景分割与关键帧特征提取（本地）

1. 本地算法根据画面光学变化、镜头切换点（Shot Transition）执行自动切片分割；
2. 为每一个独立镜头片段打上唯一身份标识（UUID）与起止时间码；
3. 提取镜头关键帧的视觉降维特征，准备传输至云端导演模型。

第三工序：云端导演大脑决策（Cloud LLM Director）

这是视频工厂区别于市面所有流水线软件的核心所在：

1. 看全片而非盲写：云端导演大模型读取整个素材的时序片段特征与情节脉络；
2. 严格 Schema 选镜：根据用户设定的目标时长和叙事节奏，大模型只能通过片段的 UUID 引用镜头，杜绝臆想；
3. 分段解说文案撰写与润色：针对选定的镜头组合，撰写具有强引导力、强网感的旁白文案。文案经历云端最多 3 轮语义与长度合规审查，保证叙事张力。

第四工序：声音工程与物理音画强对齐（本地 + 云端）

1. TTS 语音生成：将通过审核的旁白文案发送至高品质自然语音引擎（音色严格绑定特定语言与物理语速），生成高保真音频波形文件；
2. 物理时长锁合（Audio-to-Video Lock）：
   • 提取生成的旁白音频真实物理时长（以毫秒为单位）；
   • 画面剪辑严格根据真实音频时长动态微调镜头速率或切换，杜绝大模型口头预估导致的音画脱节；
   • 允许 1 帧内的物理渲染误差兜底，确保每一声解说精准落在对应的画面高光瞬间；
3. 智能原声音画混音 (Audio Ducking)：
   • 保留原素材中震撼人心的环境原声（如爆炸、对话、掌声，默认保留 20%）；
   • 当解说旁白发声时，原声音量自动下潜至背景音（Ducking）；
   • 旁白间歇期，原声自然淡入，避免生硬割裂。

第五工序：花字字幕律动与本地高速渲染导出（本地）

1. 根据旁白音频的真实发音气口（Phoneme Timestamps），逐字生成高精度动态花字字幕；
2. 混入响度归一化处理后的环境配乐（BGM）；
3. 利用用户本机的显卡硬件（NVIDIA NVENC / AMD / Intel QuickSync）进行高速本地硬件编码渲染；
4. 渲染完成后执行自动完整性校验，确认画面流畅、声画同步，交付最终成片。