Merge pull request 'fix(viral-video): #2134 generate-copy 提速到 30-40s + 细粒度 phase/phase_message' (#2136) from fix/2134-generate-copy-speed-phase into develop

.env.example

@@ -212,6 +212,7 @@ COSYVOICE_CLONE_MODEL=voice-enrollment
 
 DOUBAO_API_KEY=your-doubao-api-key
 DOUBAO_MODEL=doubao-seed-1-6-250615
+DOUBAO_FAST_MODEL=doubao-1-5-pro-32k-250115
 DOUBAO_BASE_URL=https://ark.cn-beijing.volces.com/api/v3
 DOUBAO_TIMEOUT=30
 DOUBAO_MAX_RETRIES=2

alembic/versions/090_viral_video_phase_msg.py

@@ -0,0 +1,35 @@
+"""viral video add phase_message column (#2134)
+
+Revision ID: 090_viral_video_phase_msg
+Revises: 089_viral_video_cols
+Create Date: 2026-10-02
+
+#2134 阶段细粒度提示：viral_video 表新增 phase_message 列（中文阶段提示文案）。
+current_stage 列已在之前版本存在，本迁移只补 phase_message。
+幂等 ADD COLUMN IF NOT EXISTS。
+"""
+
+import sqlalchemy as sa
+
+from alembic import op
+
+revision = "090_viral_video_phase_msg"
+down_revision = "089_viral_video_cols"
+branch_labels = None
+depends_on = None
+
+
+def upgrade() -> None:
+    # SQLite/PostgreSQL 兼容的幂等添加列
+    conn = op.get_bind()
+    inspector = sa.inspect(conn)
+    cols = {c["name"] for c in inspector.get_columns("viral_video_jobs")}
+    if "phase_message" not in cols:
+        op.add_column(
+            "viral_video_jobs",
+            sa.Column("phase_message", sa.String(length=500), nullable=False, server_default=""),
+        )
+
+
+def downgrade() -> None:
+    op.drop_column("viral_video_jobs", "phase_message")

apps/api/app/api/routes/viral_video.py

@@ -128,6 +128,8 @@ def _to_response(job) -> ViralVideoJobResponse:
         style_guide=job.style_guide,
         style_template_id=job.style_template_id,
         status=job.status,
+        current_stage=getattr(job, "current_stage", "") or "",
+        phase_message=getattr(job, "phase_message", "") or "",
         image_analysis=getattr(job, "image_analysis", None),
         storyboard=getattr(job, "storyboard", None),
         generated_copy_text=getattr(job, "generated_copy_text", "") or "",

apps/api/app/schemas/viral_video.py

@@ -201,6 +201,10 @@ class ViralVideoJobResponse(BaseModel):
     style_guide: dict | None = None
     style_template_id: str = ""
     status: str
+    current_stage: str = (
+        ""  # 细粒度阶段 snake_case（analyzing_images/parsing_intent/generating_script/reviewing/tts_synthesizing/rendering_video/uploading）
+    )
+    phase_message: str = ""  # 中文阶段提示文案（前端轮询/SSE 直接展示）
     image_analysis: dict | None = None
     # v1.6 编导脚本（推荐前端使用）
     copy_result: dict | None = None

apps/worker/worker_app/tasks/viral_video.py

@@ -90,6 +90,22 @@ def _save_job(repo, job, session):
     session.commit()
 
 
+def _set_stage(job, repo, session, stage: str, message: str, persist: bool = True) -> None:
+    """更新细粒度阶段并持久化到 DB，同时通过 Redis 推送进度事件。
+
+    stage 用 ViralVideoStage.value（snake_case，与前端 phase 对齐）。
+    message 为中文提示文案，前端轮询/SSE 直接展示给用户。
+    """
+    job.current_stage = stage or ""
+    job.phase_message = message or ""
+    _emit_progress(job.id, stage, 0.0, message)
+    if persist and repo is not None and session is not None:
+        try:
+            _save_job(repo, job, session)
+        except Exception as e:  # 阶段持久化失败不阻塞主流程
+            logger.warning("[爆款视频] 阶段持久化失败 stage=%s err=%s", stage, e)
+
+
 # ── 默认结构 ─────────────────────────────────────────────────────────────
 
 _DEFAULT_HARD_CONSTRAINTS = [
@@ -356,8 +372,11 @@ def _step_intent_parsing(job: ViralVideoJob, image_analysis: dict) -> dict:
   "suggested_title": "视频主题标题（5-15字）"
 }}"""
 
+    _s = get_shared_settings()
+    _fast = _s.doubao_fast_model
     try:
-        result = call_llm(prompt)
+        # 用快模型提速（结构化输出任务，不需要推理模型）
+        result = call_llm(prompt, temperature=0.4, max_tokens=800, model=_fast)
         return (
             result
             if isinstance(result, dict)
@@ -371,27 +390,20 @@ def _step_intent_parsing(job: ViralVideoJob, image_analysis: dict) -> dict:
 # ── 编导分镜脚本生成（核心，v1.6 新 prompt） ──────────────────────────────
 
 
-_SCRIPT_GENERATION_PROMPT = """你是一名资深短视频导演，擅长为 AI 视频生成模型（Seedance 2.5）撰写专业编导分镜脚本。
+_SCRIPT_GENERATION_PROMPT = """你是资深短视频导演，为 Seedance 2.5（单次生成最多{duration}秒）写编导分镜脚本。脚本将整体作为 prompt 一次性传给视频模型，必须让模型在连贯镜头流中清楚每段时间拍什么、画面如何、人物说什么。
 
-## 产品信息
+## 产品
 {products_summary}
 
 ## 营销参数
-- 视频主题/意图：{intent}
+- 主题/意图：{intent}
 - 关键信息：{key_messages}
 - 调性：{tone}
 - 目标客户：{target_customer}
-- 用户原始文案/卖点（必须融入口播）：{user_copy}
-- 视频时长：{duration} 秒（单次生成）
-- 画幅比例：{ratio}
-- 产品图片数量：{n_images} 张（将作为 reference_images 传给视频模型，第1张通常作为首帧/主产品图）
-- 参考风格（可选）：{style_hint}
-- 爆款结构（用户指定，必须严格遵循）：{viral_structure_block}
-
-## 任务
-请撰写**一段完整的编导分镜脚本**，包含视频总览、场景光线、逐镜头时间轴、硬性约束、负面提示词，以及自然口语化的口播对白。
-
-这段脚本会**整个拼成一个长 prompt**一次性传给 Seedance 2.5（单次生成最多30秒视频），所以你的描述必须让模型在一个长镜头/连贯镜头流里理解每个时间段该拍什么、画面如何、人物说什么做什么。
+- 用户原始卖点（必须融入口播）：{user_copy}
+- 时长：{duration}秒 / 画幅：{ratio} / 产品图：{n_images}张（第1张通常是主图/首帧）
+- 风格参考：{style_hint}
+- 爆款结构（必须严格遵循节奏/段落顺序）：{viral_structure_block}
 
 ## 输出格式（必须输出严格 JSON，不要 Markdown，不要解释，字段一个都不能少）
 
@@ -432,14 +444,14 @@ _SCRIPT_GENERATION_PROMPT = """你是一名资深短视频导演，擅长为 AI
 ```
 
 ## 关键要求
-1. **镜头感**：每镜必须写清景别（特写/近景/中景/全景）、角度（平视/俯拍/仰拍/45度侧拍）、运镜（推/拉/摇/移/跟/固定），不能笼统说"展示产品"。
-2. **画面具体**：描述主体是谁（性别/年龄/穿着风格）、在什么场景、做什么动作、光线从哪来、镜头怎么动，让 AI 能画出来。
-3. **对白自然**：像真人说话，不要"家人们谁懂啊""宝子们"这种浮夸腔，也不要"今天给大家推荐一款XX真的太好用了"这种硬广推销腔。要像朋友自然分享好物。
-4. **参考图片分配**：reference_image_index 填 0-based 索引，产品特写镜头用产品图（索引0通常是主图），人像/场景镜头可留 null。
-5. **时长控制**：所有 shots 的 time_range 加起来必须等于 {duration} 秒，单镜 2-8 秒。
-6. **硬性约束和负面词必须包含**：不要删减，可根据产品类型追加。
-7. **voiceover_script 必须是纯口播文本**：不含任何标记、括号、说明，字数按中文每秒 3-4 字估算（{duration}秒约{approx_chars}字）。
-8. **严格遵循爆款结构**：如果上方「爆款结构」字段不为「未指定」，必须严格按该结构的节奏/段落顺序编排文案与镜头，开场钩子、痛点、反转、案例、行动号召等节点要与结构对应，不要打乱顺序。
+1. 每镜写清景别/角度/运镜（特写/近景/中景+平视/俯拍+推/拉/固定）。
+2. 画面具体：主体（性别/年龄/穿着）、场景、动作、光线、镜头运动要可落地。
+3. 对白自然口语化，像朋友分享好物；拒绝"家人们""宝子们""太好用了"等浮夸/硬广腔。
+4. reference_image_index 填 0-based 索引（产品特写用索引0主图），人像/场景可 null。
+5. shots time_range 累计={duration}秒，单镜2-8秒。
+6. hard_constraints/negative_prompts 保留默认项可追加，不要删减。
+7. voiceover_script 为纯口播文本（无标记/括号/前缀），{duration}秒约{approx_chars}字。
+8. 严格按上方「爆款结构」的节奏/段落顺序编排（钩子/痛点/反转/案例/行动号召与结构对齐）。
 """
 
 
@@ -713,8 +725,11 @@ def _step_script_generation(job: ViralVideoJob, intent: dict, image_analysis: di
         viral_structure_block=viral_structure_block,
     )
 
+    _s = get_shared_settings()
+    _fast = _s.doubao_fast_model
     try:
-        result = call_llm(prompt)
+        # 编导脚本是结构化 JSON 输出，用快模型提速（temperature 稍高保证创意）
+        result = call_llm(prompt, temperature=0.8, max_tokens=2500, model=_fast)
         parsed = _safe_json_loads(result)
         return _validate_and_normalize_script(parsed, job)
     except Exception as e:
@@ -743,8 +758,11 @@ def _step_review(job: ViralVideoJob, copy_result: dict) -> dict:
 - score: int（0-100分）
 - details: 各维度评分和说明
 - issues: 需要修改的问题列表（如有）"""
+    _s = get_shared_settings()
+    _fast = _s.doubao_fast_model
     try:
-        result = call_llm(prompt)
+        # 合规审核用快模型 + 短输出（结构化判断）
+        result = call_llm(prompt, temperature=0.1, max_tokens=500, model=_fast)
         return result if isinstance(result, dict) else {"passed": True, "score": 80, "details": {}}
     except Exception as e:
         logger.warning("[爆款视频] 合规审核失败: %s", e)
@@ -937,10 +955,8 @@ def run_viral_video_pipeline(self: Task, job_id: str) -> dict:
             return {"ok": False, "error": "job not found"}
 
         job.mark_running()
-        _save_job(repo, job, session)
-        _emit_progress(job_id, ViralVideoStage.IMAGE_ANALYSIS, 5.0, "开始图片分析")
+        _set_stage(job, repo, session, ViralVideoStage.IMAGE_ANALYSIS, "正在分析商品特征...")
 
-        _emit_progress(job_id, ViralVideoStage.IMAGE_ANALYSIS, 10.0, "正在分析产品图片...")
         image_analysis = _step_image_analysis(job)
         job.image_analysis = image_analysis
         _save_job(repo, job, session)
@@ -948,16 +964,18 @@ def run_viral_video_pipeline(self: Task, job_id: str) -> dict:
 
         style_guide = None
         if job.reference_video_url or job.style_template_id:
-            _emit_progress(job_id, ViralVideoStage.VIDEO_ANALYSIS, 20.0, "正在分析参考视频风格...")
+            _set_stage(job, repo, session, ViralVideoStage.VIDEO_ANALYSIS, "正在分析参考视频风格...")
             style_guide = _step_video_analysis(job)
             job.style_guide = style_guide
             _save_job(repo, job, session)
             _emit_progress(job_id, ViralVideoStage.VIDEO_ANALYSIS, 25.0, "风格分析完成", {"style_guide": style_guide})
 
-        _emit_progress(job_id, ViralVideoStage.INTENT_PARSING, 30.0, "正在解析文案意图...")
+        _set_stage(job, repo, session, ViralVideoStage.INTENT_PARSING, "正在解析文案意图...")
         intent_result = _step_intent_parsing(job, image_analysis)
 
         job.mark_wait_user_confirm(intent_result)
+        job.current_stage = ViralVideoStage.INTENT_PARSING
+        job.phase_message = "意图解析完成，等待用户确认"
         _save_job(repo, job, session)
         _emit_progress(
             job_id,
@@ -1070,10 +1088,8 @@ def run_viral_video_analyze(self: Task, job_id: str) -> dict:
             return {"ok": False, "error": "job not found"}
 
         job.mark_running()
-        _save_job(repo, job, session)
-        _emit_progress(job_id, ViralVideoStage.IMAGE_ANALYSIS, 5.0, "开始图片分析")
+        _set_stage(job, repo, session, ViralVideoStage.IMAGE_ANALYSIS, "正在分析商品特征...")
 
-        _emit_progress(job_id, ViralVideoStage.IMAGE_ANALYSIS, 10.0, "正在分析产品图片...")
         image_analysis = _step_image_analysis(job)
         job.image_analysis = image_analysis
         _save_job(repo, job, session)
@@ -1081,7 +1097,7 @@ def run_viral_video_analyze(self: Task, job_id: str) -> dict:
 
         style_guide = None
         if job.reference_video_url or job.style_template_id:
-            _emit_progress(job_id, ViralVideoStage.VIDEO_ANALYSIS, 70.0, "正在分析参考视频风格...")
+            _set_stage(job, repo, session, ViralVideoStage.VIDEO_ANALYSIS, "正在分析参考视频风格...")
             style_guide = _step_video_analysis(job)
             job.style_guide = style_guide
             _save_job(repo, job, session)
@@ -1094,6 +1110,8 @@ def run_viral_video_analyze(self: Task, job_id: str) -> dict:
             )
 
         job.mark_image_analyzed()
+        job.current_stage = ViralVideoStage.IMAGE_ANALYSIS
+        job.phase_message = "图片分析完成，请填写营销参数以生成编导脚本"
         _save_job(repo, job, session)
         _emit_progress(
             job_id,
@@ -1118,7 +1136,14 @@ def run_viral_video_analyze(self: Task, job_id: str) -> dict:
 
 @shared_task(bind=True, max_retries=1, name="worker.run_viral_video_generate_copy")
 def run_viral_video_generate_copy(self: Task, job_id: str) -> dict:
-    """v1.6 阶段2：意图解析 → 编导分镜脚本生成 → 合规审核，完成后状态=copy_generated。"""
+    """v1.6 阶段2（v1.6.1 提速版）：意图解析 → 编导分镜脚本生成 → 直接返回，合规审核后置到出片前。
+
+    优化点（#2134 问题7）：
+    - 意图解析/编导脚本均使用快模型（doubao_fast_model，非推理模型），max_tokens 收紧
+    - _SCRIPT_GENERATION_PROMPT 精简冗余描述
+    - 合规审核改为异步后置：不阻塞前端，在 confirm-copy（阶段3 TTS前）再做最终审核
+    - 每个阶段通过 _set_stage 持久化 current_stage/phase_message 到 DB（问题8）
+    """
     session = None
     try:
         session, repo, job = _get_repo_and_job(job_id)
@@ -1127,40 +1152,43 @@ def run_viral_video_generate_copy(self: Task, job_id: str) -> dict:
         if job.status != ViralVideoStatus.RUNNING:
             return {"ok": False, "error": f"unexpected status: {job.status}"}
 
+        # 阶段：意图解析
+        _set_stage(job, repo, session, ViralVideoStage.INTENT_PARSING, "正在解析文案意图...")
         image_analysis = job.image_analysis or {"products": []}
-
-        _emit_progress(job_id, ViralVideoStage.INTENT_PARSING, 20.0, "正在解析文案意图...")
         intent_result = _step_intent_parsing(job, image_analysis)
         job.intent_result = intent_result
         _save_job(repo, job, session)
         _emit_progress(job_id, ViralVideoStage.INTENT_PARSING, 35.0, "意图解析完成")
 
-        _emit_progress(job_id, ViralVideoStage.SCRIPT_GENERATION, 40.0, "正在生成编导分镜脚本...")
+        # 阶段：编导脚本生成（核心耗时环节，已用快模型）
+        _set_stage(job, repo, session, ViralVideoStage.SCRIPT_GENERATION, "正在编排分镜脚本...")
         copy_result = _step_script_generation(job, intent_result, image_analysis)
         _emit_progress(
             job_id,
             ViralVideoStage.SCRIPT_GENERATION,
-            60.0,
-            "编导脚本生成完成",
+            85.0,
+            "分镜脚本生成完成",
             {"shots": len(copy_result.get("shots", []))},
         )
 
-        _emit_progress(job_id, ViralVideoStage.REVIEW, 65.0, "正在进行合规审核...")
-        review_result = _step_review(job, copy_result)
-        if not review_result.get("passed", True):
-            _emit_progress(job_id, ViralVideoStage.REVIEW, 67.0, "审核未通过，正在自动重写...")
-            copy_result = _step_script_generation(job, intent_result, image_analysis)
-            _step_review(job, copy_result)
-        _emit_progress(job_id, ViralVideoStage.REVIEW, 70.0, "合规审核完成")
+        # 合规审核后置：不再阻塞前端返回；在阶段3（confirm-copy 出片前）_run_render_pipeline 里再做最终审核。
+        # 这里只做一个快速轻量检查（关键字黑名单），发现明显违规再触发重写；LLM 深度审核放到出片前。
+        _set_stage(job, repo, session, ViralVideoStage.REVIEW, "正在快速检查脚本合规性...")
+        voiceover = (copy_result or {}).get("voiceover_script", "") or ""
+        _quick_compliance_blacklist_check(copy_result)
+        _emit_progress(job_id, ViralVideoStage.REVIEW, 95.0, "脚本合规初检完成")
 
+        # 标记 copy_generated 并持久化
         job.mark_copy_generated(copy_result)
+        job.current_stage = ViralVideoStage.REVIEW
+        job.phase_message = "分镜脚本已生成，请确认或编辑口播文案"
         _save_job(repo, job, session)
-        voiceover = copy_result.get("voiceover_script", "")
+
         _emit_progress(
             job_id,
             ViralVideoStage.REVIEW,
             100.0,
-            "编导分镜脚本已生成，请确认或编辑口播文案",
+            "分镜脚本已生成，请确认或编辑口播文案",
             {
                 "copy_result": copy_result,
                 "generated_copy_text": voiceover,
@@ -1195,39 +1223,102 @@ def run_viral_video_generate_copy(self: Task, job_id: str) -> dict:
             session.close()
 
 
+def _quick_compliance_blacklist_check(copy_result: dict) -> None:
+    """阶段2快速黑名单检查：不调用 LLM，只扫描高风险关键词；命中则在 voiceover 中就地替换。
+
+    LLM 深度合规审核（_step_review）在阶段3 confirm-copy 出片前执行。
+    """
+    if not isinstance(copy_result, dict):
+        return
+    voiceover = copy_result.get("voiceover_script", "") or ""
+    # 广告法绝对化用语黑名单（常见速查，远非完整，仅挡住最明显违规）
+    BLACKLIST = {
+        "最": "很",
+        "第一": "领先",
+        "国家级": "高品质",
+        "世界级": "高品质",
+        "顶级": "优质",
+        "极品": "优质",
+        "独家": "特色",
+        "绝无仅有": "少见",
+        "100%": "大幅",
+        "百分百": "大幅",
+        "永久": "长久",
+        "万能": "多用途",
+        "特效": "效果好",
+        "速效": "快速见效",
+        "根治": "改善",
+        "包治": "改善",
+        "药到病除": "缓解不适",
+    }
+    changed = False
+    for k, v in BLACKLIST.items():
+        if k in voiceover:
+            voiceover = voiceover.replace(k, v)
+            changed = True
+    if changed:
+        copy_result["voiceover_script"] = voiceover
+        # 同步 final_copy/suggested_copy（如果存在）
+        for k in ("final_copy", "suggested_copy"):
+            if isinstance(copy_result.get(k), str) and copy_result[k]:
+                for bk, bv in BLACKLIST.items():
+                    copy_result[k] = copy_result[k].replace(bk, bv)
+
+
 def _run_render_pipeline(job_id: str, session, repo, job) -> dict:
-    """v1.6 阶段3 / 旧 resume 共用：TTS → 单次 Seedance → Upload → Completed。"""
+    """v1.6.1 阶段3：出片前合规审核（LLM 深度）→ TTS → Seedance → Upload → Completed。
+
+    阶段2 generate-copy 已把 LLM 深度审核后置，这里在 TTS 前做最终审核（不通过则自动重写1次）。
+    所有阶段通过 _set_stage 持久化 current_stage/phase_message。
+    """
     image_analysis = job.image_analysis or {"products": []}
 
-    # 如果没有 copy_result（旧数据/失败重试），现场补生成
+    # 如果没有 copy_result（旧数据/失败重试），现场补生成（意图+脚本，不走 LLM 审核，出片前会统一做）
     copy_result = job.copy_result
     if not isinstance(copy_result, dict) or not copy_result:
-        _emit_progress(job_id, ViralVideoStage.SCRIPT_GENERATION, 40.0, "正在补生成编导脚本...")
+        _set_stage(job, repo, session, ViralVideoStage.SCRIPT_GENERATION, "正在补生成编导脚本...")
         intent = job.intent_result or _step_intent_parsing(job, image_analysis)
         copy_result = _step_script_generation(job, intent, image_analysis)
-        _step_review(job, copy_result)
         job.mark_copy_generated(copy_result)
         _save_job(repo, job, session)
 
+    # 出片前 LLM 深度合规审核（#2134 问题7：审核从阶段2后置到这里，不阻塞前端预览脚本）
+    _set_stage(job, repo, session, ViralVideoStage.REVIEW, "正在进行出片前合规审核...")
+    try:
+        review_result = _step_review(job, copy_result)
+        if not review_result.get("passed", True):
+            _emit_progress(job_id, ViralVideoStage.REVIEW, 67.0, "审核未通过，正在自动重写...")
+            intent = job.intent_result or _step_intent_parsing(job, image_analysis)
+            copy_result = _step_script_generation(job, intent, image_analysis)
+            _step_review(job, copy_result)  # 二次审核，不通过也继续出片（避免反复循环）
+            job.copy_result = copy_result
+            job.generated_copy_text = copy_result.get("voiceover_script", "") or ""
+            _save_job(repo, job, session)
+    except Exception as e:
+        logger.warning("[爆款视频][阶段3] 合规审核异常，继续出片: %s", e)
+    _emit_progress(job_id, ViralVideoStage.REVIEW, 70.0, "合规审核完成")
+
     voiceover = copy_result.get("voiceover_script", "") or job.effective_copy_text
 
     # Step 5: TTS 整段合成
-    _emit_progress(job_id, ViralVideoStage.TTS, 72.0, "正在生成AI配音...")
+    _set_stage(job, repo, session, ViralVideoStage.TTS, "正在合成AI配音...")
     tts_path = _step_tts(job, voiceover)
     tts_url = _upload_tts_to_oss(job, tts_path)
     _emit_progress(job_id, ViralVideoStage.TTS, 78.0, "配音完成", {"has_tts": tts_url is not None})
 
     # Step 6: 单次 Seedance
-    _emit_progress(job_id, ViralVideoStage.RENDERING, 80.0, "正在调用AI生成视频（约1-3分钟）...")
+    _set_stage(job, repo, session, ViralVideoStage.RENDERING, "正在生成视频（约1-3分钟）...")
     video_path = _step_render(job, copy_result, tts_url)
     _emit_progress(job_id, ViralVideoStage.RENDERING, 92.0, "视频生成完成")
 
     # Step 7: Upload
-    _emit_progress(job_id, ViralVideoStage.UPLOADING, 95.0, "正在上传视频...")
+    _set_stage(job, repo, session, ViralVideoStage.UPLOADING, "正在上传视频...")
     video_url = _step_upload(job, video_path)
 
     job.credits_cost = CREDITS_VIRAL_VIDEO_COST
     job.mark_completed(video_url)
+    job.current_stage = ViralVideoStage.UPLOADING
+    job.phase_message = "视频生成完成"
     _save_job(repo, job, session)
     _emit_progress(job_id, ViralVideoStage.UPLOADING, 100.0, "视频生成完成！", {"video_url": video_url})
     _emit_progress(

packages/adapters/sqlalchemy_impl/models.py

@@ -950,6 +950,8 @@ class ViralVideoJobModel(Base):
     video_model = Column(String(100), nullable=False, default="")
     # 结果与状态
     status = Column(String(30), nullable=False, default="pending", index=True)
+    current_stage = Column(String(200), nullable=False, default="")  # 细粒度阶段 snake_case
+    phase_message = Column(String(500), nullable=False, default="")  # 阶段中文提示文案
     intent_result = Column(JSON, nullable=True)
     image_analysis = Column(JSON, nullable=True)
     storyboard = Column(JSON, nullable=True)

packages/adapters/sqlalchemy_impl/viral_video_repository.py

@@ -37,6 +37,8 @@ def _to_domain(model: ViralVideoJobModel) -> ViralVideoJob:
         video_ratio=getattr(model, "video_ratio", "9:16") or "9:16",
         video_model=getattr(model, "video_model", "") or "",
         status=ViralVideoStatus(model.status) if model.status else ViralVideoStatus.PENDING,
+        current_stage=getattr(model, "current_stage", "") or "",
+        phase_message=getattr(model, "phase_message", "") or "",
         intent_result=dict(model.intent_result) if model.intent_result else None,
         image_analysis=dict(model.image_analysis) if getattr(model, "image_analysis", None) else None,
         storyboard=list(model.storyboard) if getattr(model, "storyboard", None) else None,
@@ -83,6 +85,8 @@ class SQLAlchemyViralVideoJobRepository:
             video_ratio=job.video_ratio,
             video_model=job.video_model,
             status=job.status,
+            current_stage=job.current_stage or "",
+            phase_message=job.phase_message or "",
             intent_result=job.intent_result,
             image_analysis=job.image_analysis,
             storyboard=job.storyboard,
@@ -106,6 +110,8 @@ class SQLAlchemyViralVideoJobRepository:
         if model is None:
             raise ValueError(f"ViralVideoJob {job.id} not found")
         model.status = job.status
+        model.current_stage = job.current_stage or ""
+        model.phase_message = job.phase_message or ""
         model.intent_result = job.intent_result
         model.image_analysis = job.image_analysis
         model.storyboard = job.storyboard

packages/config/base.py

@@ -90,7 +90,8 @@ class SharedSettings(BaseSettings):
 
     # ── 豆包大模型（火山引擎方舟） ────────────────────────────────────────
     doubao_api_key: str = ""
-    doubao_model: str = "doubao-seed-1-6-250615"
+    doubao_model: str = "doubao-seed-1-6-250615"  # 推理模型（通用兜底）
+    doubao_fast_model: str = "doubao-1-5-pro-32k-250115"  # 快速结构化输出模型（编导脚本/意图解析/审核）
     doubao_base_url: str = "https://ark.cn-beijing.volces.com/api/v3"
     doubao_timeout: int = 30
     doubao_max_retries: int = 2

packages/domain/viral_video.py

@@ -117,6 +117,8 @@ class ViralVideoJob:
     # 状态
     id: str = field(default_factory=lambda: uuid4().hex)
     status: ViralVideoStatus = ViralVideoStatus.PENDING
+    current_stage: str = ""  # 细粒度阶段（ViralVideoStage.value，snake_case）
+    phase_message: str = ""  # 阶段中文提示文案，前端轮询直接展示
     result_video_url: str = ""
     credits_cost: int = 0
     error_msg: str = ""

packages/shared/ai_client.py

@@ -41,6 +41,7 @@ class DoubaoClient:
         self.max_retries: int = settings.doubao_max_retries
         self.vision_model: str = settings.doubao_vision_model
         self.vision_lite_model: str = settings.doubao_vision_lite_model
+        self.fast_model: str = settings.doubao_fast_model
 
     def embed_text(self, text: str, timeout: int | None = None) -> list[float] | None:
         """调用豆包文本 Embedding API，返回浮点向量；失败返回 None。"""
@@ -93,6 +94,7 @@ class DoubaoClient:
         messages: list[dict[str, str]],
         temperature: float = 0.7,
         max_tokens: int = 1024,
+        model: str | None = None,
     ) -> Optional[str]:
         """调用 Chat Completion 接口.
 
@@ -113,7 +115,7 @@ class DoubaoClient:
             "Content-Type": "application/json",
         }
         payload: dict[str, Any] = {
-            "model": self.model,
+            "model": model or self.model,
             "messages": messages,
             "temperature": temperature,
             "max_tokens": max_tokens,

packages/shared/ai_service.py

@@ -496,16 +496,32 @@ def run_generate_cover(
 # ── 通用 LLM / Vision 调用（#2039 ViralVideoOrchestrator 使用，复用现有豆包客户端）──
 
 
-def call_llm(prompt: str, temperature: float = 0.7) -> object:
-    """调用豆包大模型（文本对话），返回解析后的 JSON（dict/list）或原文字符串；失败返回 None。"""
+def call_llm(
+    prompt: str,
+    temperature: float = 0.7,
+    max_tokens: int = 2048,
+    model: str | None = None,
+    system_prompt: str | None = None,
+) -> object:
+    """调用豆包大模型（文本对话），返回解析后的 JSON（dict/list）或原文字符串；失败返回 None。
+
+    Args:
+        prompt: 用户侧提示。
+        temperature: 采样温度。
+        max_tokens: 输出上限（结构化任务默认 2048，长文案可按需加大）。
+        model: 覆盖默认模型（如 fast_model 提速用），None 走配置默认推理模型。
+        system_prompt: 覆盖默认 system prompt。
+    """
     client = get_doubao_client()
     if not client.is_available:
         return None
+    if system_prompt is None:
+        system_prompt = "你是专业的短视频内容策划助手。需要结构化输出时请严格使用 JSON。"
     messages = [
-        {"role": "system", "content": "你是专业的短视频内容策划助手。需要结构化输出时请严格使用 JSON。"},
+        {"role": "system", "content": system_prompt},
         {"role": "user", "content": prompt},
     ]
-    raw = client.chat_completion(messages, temperature=temperature, max_tokens=4096)
+    raw = client.chat_completion(messages, temperature=temperature, max_tokens=max_tokens, model=model)
     if raw is None:
         return None
     try:

scripts/render_env.sh

@@ -57,7 +57,7 @@ if [ "$TARGET_ENV" = "staging" ]; then
 fi
 
 # 共用 secrets 直接导出（如果存在）
-SHARED_SECRETS="OSS_ACCESS_KEY_ID OSS_ACCESS_KEY_SECRET COSYVOICE_API_KEY DASHSCOPE_API_KEY MEDIAKIT_API_KEY DOUBAO_API_KEY DOUBAO_MODEL DOUBAO_BASE_URL DOUBAO_VISION_MODEL DOUBAO_VISION_LITE_MODEL DOUBAO_VISION_USE_LITE WECHAT_APP_ID WECHAT_APP_SECRET TIKHUB_API_KEY APIZERO_API_KEY GPU_WORKER_TOKEN"
+SHARED_SECRETS="OSS_ACCESS_KEY_ID OSS_ACCESS_KEY_SECRET COSYVOICE_API_KEY DASHSCOPE_API_KEY MEDIAKIT_API_KEY DOUBAO_API_KEY DOUBAO_MODEL DOUBAO_FAST_MODEL DOUBAO_BASE_URL DOUBAO_VISION_MODEL DOUBAO_VISION_LITE_MODEL DOUBAO_VISION_USE_LITE WECHAT_APP_ID WECHAT_APP_SECRET TIKHUB_API_KEY APIZERO_API_KEY GPU_WORKER_TOKEN"
 for var in $SHARED_SECRETS; do
   value="${!var:-}"
   # 已经在环境中了，无需额外操作

tests/unit/test_2035_coverage.py

@@ -14,6 +14,7 @@ from packages.shared.ai_client import DoubaoClient
 class _FakeSettings:
     doubao_api_key = "test-key"
     doubao_model = "test-model"
+    doubao_fast_model = "test-fast-model"
     doubao_base_url = "https://ark.cn-beijing.volces.com/api/v3"
     doubao_timeout = 10
     doubao_max_retries = 0

tests/unit/test_viral_video_routes.py

@@ -61,6 +61,8 @@ def _make_job(job_id: str = "job-1", user_id: str = "u1", status: str = "pending
         "video_ratio": "9:16",
         "video_model": "",
         "credits_cost": 0,
+        "current_stage": "",
+        "phase_message": "",
         "updated_at": None,
         "is_terminal": False,
         "effective_copy_text": "",