xiaoxia/xiaoxia-saas
1
0
Fork 0
Code Issues 14 Pull Requests 3 Actions 1 Packages Projects Releases 7 Wiki Activity

[P0] 批量成片三连修：变体配音错位/成片截断配音/跨视频素材重复避让失效 #1749

New Issue
Closed
opened 2026-09-06 21:26:04 +08:00 by xiaoxia · 6 comments
xiaoxia commented 2026-09-06 21:26:04 +08:00
Owner
Copy Link
Copy Source

背景

2026-09-06 21:01 staging 实测批量 3 视频（batch c12550e5，独立配音模式，每视频选不同配音），全部 completed 但三个成片质量问题，均有 DB+worker 日志铁证。

问题 A：变体配音错位（视频3 用了视频1 的配音）

  • 用户选择：视频1=GQLY5918(11.6s)、视频2=EYCP5535(22.0s)、视频3=ANDT5195(14.7s)
  • worker 日志实际下载：plan a2989c05→6c8a397c(GQLY)、plan f4ede80e→19001180(EYCP)、plan 628fa60e→6c8a397c(GQLY)；DB generation_tasks 三行 voice_library_id = GQLY / EYCP / GQLY（应为 ANDT=16421fee），voice_ids 全部为 []
  • 链路：generation_tasks.py:540 variant_voice_library_id = _variant_value(request.voice_library_ids, task_index, request.voice_library_id)；_variant_value（:51）对索引越界/空值静默 fallback 到共用 voice_library_id，错误被吞
  • 要求：①前端 voice_library_ids 数组索引/长度链路排查（独立模式必须 N 个值与变体一一对应，空值不得静默 fallback 共用值，应 400 报错）；②后端对批量独立配音做守卫：voice_library_ids 长度与 count 不一致或缺值时拒绝并明确报错；③清理冗余：voice_ids 字段在批量链路恒为空数组、与 voice_library_id 语义重叠，确认无引用后删除（代码唯一性铁律，不留技术债）

问题 B：成片时长截断配音（配音尾部丢失约 1s）

  • worker 日志铁证（视频3）：[voice-align] 配音音频时长: 11.598s → 调整完成: 新总时长=11.598s，紧接 [debug] estimated video_duration=10.598——对齐目标没算转场时长（3 片段 2 转场），成片 10.62s，配音轨按视频长度截断，尾部约 1s 丢失
  • 视频2：配音 21.995s，ratio=1.3833 走慢放（speed=1/1.3833≈0.72x），成片 21.03s 同样差约 1s；慢放还会导致画面动作明显变慢失真
  • 要求：①voice-align 对齐目标时长必须把转场总时长算入（对齐后 estimated_duration 必须 ≥ 配音时长，而不是 clips 之和等于配音时长）；配音层添加时以配音时长为准，视频尾部不足用定格/末段延长补齐，禁止截断配音；②片段比配音短时优先"补充更多素材片段"而非全局慢放（慢放比例超 0.9x~1.1x 区间时应补片段），保持画面自然；③补单测：3 片段含转场场景对齐后成片时长 ≥ 配音时长

问题 C：跨视频素材重复，批次避让失效（查重率高的根因）

  • 本批 3 plan 共 9 片段铁证：
    • 92939c5b（upload_video.mp4，素材总长仅 6.2s）被 3 个视频全部使用，其中 plan a2989c05 用区间 [0.9,6.2]、plan 628fa60e 用 [0.0,5.3]——两段几乎完全重叠
    • 668cf0d4 被视频1/视频3 共用（区间 [0,5.3] vs [6.4,11.7] 错开，属可接受）
  • 根因：variant_plan_selector.py 的 20% 避让（BATCH_CLIP_OVERLAP_LIMIT=0.20）只做"同素材已用区间→重选起点"，素材选择层面不排除本批次已用过的素材；且短素材数学上无法避让：片段需 5.3s、素材仅 6.2s、可滑动窗口 0.9s，而 20% 上限要求区间错开 ≥4.24s，重选必然失败，失败后静默照用
  • 要求：①批次内素材级去重优先：每个变体选片时，本批次已被其他变体使用的素材直接排除（素材池不足时才允许复用且必须区间错开），素材池不够时给用户明确提示"素材数量不足 N 个视频独立使用"而非静默重复；②短素材保护：素材可用时长 < 片段需求时长的 N 倍（无法提供错开区间）时不得跨变体复用；③确认 record_used_segments 持久化区间在同批次 N 变体串行选片时立即可见（同事务/同请求内）；④补单测：3 变体×3 片段、11 素材场景下，跨变体相同素材占比 ≤20% 且无完全重叠区间；⑤查重率问题用户反复反馈，本次必须彻底解决

验收

  • 独立配音 N=3：3 成片配音分别为用户所选 3 个配音，无错位
  • 成片时长 ≥ 配音时长，配音内容完整无截断；无明显慢放失真
  • 3 成片跨视频相同素材片段占比 ≤20%，无完全重叠区间；DB edit_plan_clips 可验证
  • N=1 单视频零回归
  • CI 全绿部署 staging，删净冗余代码

参考数据

  • batch_id: c12550e5559f40e5a5aab92db1a24e45
  • tasks: d01af230(视频1/GQLY)、702bc08b(视频2/EYCP)、4e00f4e2(视频3/错绑GQLY，应ANDT)
  • plans: a2989c05、f4ede80e、628fa60e（片段均 3×5.3s=15.9s）
  • 相关代码：apps/api/app/api/routes/generation_tasks.py:51-57,540；apps/worker/video_processing/unified_render_service.py:202-204,516-620（_align_clips_to_voice_duration）；packages/domain/variant_plan_selector.py（BATCH_CLIP_OVERLAP_LIMIT=0.20）
  • 用户要求：不要修一个弄坏另一个；多次修改后的冗余代码一并删除，不留技术债
## 背景 2026-09-06 21:01 staging 实测批量 3 视频（batch c12550e5，独立配音模式，每视频选不同配音），全部 completed 但三个成片质量问题，均有 DB+worker 日志铁证。 ## 问题 A：变体配音错位（视频3 用了视频1 的配音） - 用户选择：视频1=GQLY5918(11.6s)、视频2=EYCP5535(22.0s)、视频3=ANDT5195(14.7s) - worker 日志实际下载：plan a2989c05→6c8a397c(GQLY)、plan f4ede80e→19001180(EYCP)、plan 628fa60e→6c8a397c(GQLY)；DB `generation_tasks` 三行 voice_library_id = GQLY / EYCP / **GQLY**（应为 ANDT=16421fee），voice_ids 全部为 `[]` - 链路：`generation_tasks.py:540` `variant_voice_library_id = _variant_value(request.voice_library_ids, task_index, request.voice_library_id)`；`_variant_value`（:51）对索引越界/空值静默 fallback 到共用 voice_library_id，错误被吞 - 要求：①前端 voice_library_ids 数组索引/长度链路排查（独立模式必须 N 个值与变体一一对应，空值不得静默 fallback 共用值，应 400 报错）；②后端对批量独立配音做守卫：voice_library_ids 长度与 count 不一致或缺值时拒绝并明确报错；③清理冗余：voice_ids 字段在批量链路恒为空数组、与 voice_library_id 语义重叠，确认无引用后删除（代码唯一性铁律，不留技术债） ## 问题 B：成片时长截断配音（配音尾部丢失约 1s） - worker 日志铁证（视频3）：`[voice-align] 配音音频时长: 11.598s → 调整完成: 新总时长=11.598s`，紧接 `[debug] estimated video_duration=10.598`——对齐目标没算转场时长（3 片段 2 转场），成片 10.62s，配音轨按视频长度截断，尾部约 1s 丢失 - 视频2：配音 21.995s，ratio=1.3833 走慢放（speed=1/1.3833≈0.72x），成片 21.03s 同样差约 1s；慢放还会导致画面动作明显变慢失真 - 要求：①voice-align 对齐目标时长必须把转场总时长算入（对齐后 estimated_duration 必须 ≥ 配音时长，而不是 clips 之和等于配音时长）；配音层添加时以配音时长为准，视频尾部不足用定格/末段延长补齐，禁止截断配音；②片段比配音短时优先"补充更多素材片段"而非全局慢放（慢放比例超 0.9x~1.1x 区间时应补片段），保持画面自然；③补单测：3 片段含转场场景对齐后成片时长 ≥ 配音时长 ## 问题 C：跨视频素材重复，批次避让失效（查重率高的根因） - 本批 3 plan 共 9 片段铁证： - 92939c5b（upload_video.mp4，**素材总长仅 6.2s**）被 3 个视频全部使用，其中 plan a2989c05 用区间 [0.9,6.2]、plan 628fa60e 用 [0.0,5.3]——两段几乎完全重叠 - 668cf0d4 被视频1/视频3 共用（区间 [0,5.3] vs [6.4,11.7] 错开，属可接受） - 根因：`variant_plan_selector.py` 的 20% 避让（BATCH_CLIP_OVERLAP_LIMIT=0.20）只做"同素材已用区间→重选起点"，**素材选择层面不排除本批次已用过的素材**；且短素材数学上无法避让：片段需 5.3s、素材仅 6.2s、可滑动窗口 0.9s，而 20% 上限要求区间错开 ≥4.24s，重选必然失败，失败后静默照用 - 要求：①批次内素材级去重优先：每个变体选片时，本批次已被其他变体使用的素材直接排除（素材池不足时才允许复用且必须区间错开），素材池不够时给用户明确提示"素材数量不足 N 个视频独立使用"而非静默重复；②短素材保护：素材可用时长 < 片段需求时长的 N 倍（无法提供错开区间）时不得跨变体复用；③确认 record_used_segments 持久化区间在同批次 N 变体串行选片时立即可见（同事务/同请求内）；④补单测：3 变体×3 片段、11 素材场景下，跨变体相同素材占比 ≤20% 且无完全重叠区间；⑤查重率问题用户反复反馈，本次必须彻底解决 ## 验收 - 独立配音 N=3：3 成片配音分别为用户所选 3 个配音，无错位 - 成片时长 ≥ 配音时长，配音内容完整无截断；无明显慢放失真 - 3 成片跨视频相同素材片段占比 ≤20%，无完全重叠区间；DB edit_plan_clips 可验证 - N=1 单视频零回归 - CI 全绿部署 staging，删净冗余代码 ## 参考数据 - batch_id: c12550e5559f40e5a5aab92db1a24e45 - tasks: d01af230(视频1/GQLY)、702bc08b(视频2/EYCP)、4e00f4e2(视频3/错绑GQLY，应ANDT) - plans: a2989c05、f4ede80e、628fa60e（片段均 3×5.3s=15.9s） - 相关代码：apps/api/app/api/routes/generation_tasks.py:51-57,540；apps/worker/video_processing/unified_render_service.py:202-204,516-620（_align_clips_to_voice_duration）；packages/domain/variant_plan_selector.py（BATCH_CLIP_OVERLAP_LIMIT=0.20） - 用户要求：不要修一个弄坏另一个；多次修改后的冗余代码一并删除，不留技术债
xiaoxia commented 2026-09-06 21:29:45 +08:00
Author
Owner
Copy Link
Copy Source

补充（用户明确的核心规则，问题 B 修复方向以此为准）

成片时长由配音时长决定，片段数量和单段时长在选片阶段就按配音时长规划，模板不再有时长概念。

现状错误链路（已核实）：

  • 选片/建 plan 阶段（plan_generator_service）完全不读取配音时长：片段来自模板 clip_configs 固定时长或 _DEFAULT_CLIP_DURATION=5.0，本批 3 段×5.3s=15.9s 与配音 11.6/22/14.7s 全部不匹配
  • 配音时长直到 worker 渲染时才被 _align_clips_to_voice_duration 事后补救：配音短→裁剪片段（且漏算转场导致截断配音）、配音长→全局慢放画面（22s 配音慢放 0.72x，动作失真）
  • 模板时长概念已废弃但代码残留：packages/domain/template.py TemplateSegment.duration_min/duration_max、clip_configs 中的时长字段

要求：

  1. 选片阶段以配音时长为目标总时长：配音在第3步已选定、assets 表 duration 字段有值（本批 11.598/21.995/14.681s），批量变体建 plan / variant-plans 预览接口 / 正式 tasks 建 plan 时都要传入对应变体的配音 asset_id 并读取其时长，按目标总时长规划片段数量与单段时长（如 22s→45 段、11.6s→23 段，单段时长在素材合理范围内），素材不足覆盖配音时长时明确提示用户
  2. 渲染阶段 voice-align 只做微小误差修正（±5%），不再承担裁剪/慢放主力逻辑；禁止全局慢放画面
  3. 删除模板时长遗留代码：TemplateSegment.duration_min/duration_max、clip_configs 时长字段、相关读取分支，确认无引用后彻底删除（用户原话：模板里根本不再有时长这个概念，遗留代码直接删除，不要让代码混乱）
  4. 单测：给定配音时长 X，建出的 plan 片段总时长（含转场）≈X，且片段数随 X 变化
## 补充（用户明确的核心规则，问题 B 修复方向以此为准） **成片时长由配音时长决定，片段数量和单段时长在选片阶段就按配音时长规划，模板不再有时长概念。** 现状错误链路（已核实）： - 选片/建 plan 阶段（plan_generator_service）完全不读取配音时长：片段来自模板 clip_configs 固定时长或 `_DEFAULT_CLIP_DURATION=5.0`，本批 3 段×5.3s=15.9s 与配音 11.6/22/14.7s 全部不匹配 - 配音时长直到 worker 渲染时才被 `_align_clips_to_voice_duration` 事后补救：配音短→裁剪片段（且漏算转场导致截断配音）、配音长→全局慢放画面（22s 配音慢放 0.72x，动作失真） - 模板时长概念已废弃但代码残留：`packages/domain/template.py` TemplateSegment.duration_min/duration_max、clip_configs 中的时长字段 要求： 1. **选片阶段以配音时长为目标总时长**：配音在第3步已选定、assets 表 duration 字段有值（本批 11.598/21.995/14.681s），批量变体建 plan / variant-plans 预览接口 / 正式 tasks 建 plan 时都要传入对应变体的配音 asset_id 并读取其时长，按目标总时长规划片段数量与单段时长（如 22s→4~5 段、11.6s→2~3 段，单段时长在素材合理范围内），素材不足覆盖配音时长时明确提示用户 2. 渲染阶段 voice-align 只做**微小误差修正（±5%）**，不再承担裁剪/慢放主力逻辑；禁止全局慢放画面 3. **删除模板时长遗留代码**：TemplateSegment.duration_min/duration_max、clip_configs 时长字段、相关读取分支，确认无引用后彻底删除（用户原话：模板里根本不再有时长这个概念，遗留代码直接删除，不要让代码混乱） 4. 单测：给定配音时长 X，建出的 plan 片段总时长（含转场）≈X，且片段数随 X 变化
xiaoxia commented 2026-09-06 21:41:11 +08:00
Author
Owner
Copy Link
Copy Source

补充（staging 实测铁证，2026-09-06 21:35）

铁证1：批量预览接口 /generation/variant-plans 后端从未实现（预览≠成片的总根因）

  • staging 实测 POST https://staging.xiaoxiajianji.com/api/v1/generation/variant-plans 返回 HTTP 404（同路径存在的路由返回 401，证明 404=路由不存在而非鉴权）
  • 全后端代码 grep variant-plans/variant_plans 零结果——前端 #1748 对接的接口后端从未实现，前端 catch 404 后静默降级为本地模拟
  • 后果：批量预览的片段/时长/画面全是前端假造，与正式成片完全不一致。用户明确要求预览视频与后端成片 100% 一致（预览即成片）

要求：

  1. 后端实现 POST /api/v1/generation/variant-plans：入参与正式批量生成一致（模板、素材、变体数、titles、voice_library_ids、voice_mode 等），返回每个变体的 plan_id + clips（片段顺序/素材/start_time/duration 与正式生成完全同源）；实现方式必须与正式任务共用同一套选片/变体生成服务函数，禁止另写一套预览专用逻辑
  2. 该接口生成的 plan 与正式生成的关系：正式生成时若前端回传 plan_id 则直接复用（#1745 已有 variant_plan_ids 回传机制，接通即可），保证预览所见即成片
  3. 接口必须做与问题A相同的 voice_library_ids 严格守卫（缺值/长度不符 400，禁静默 fallback）

铁证2：片段时长与配音完全无关 + 渲染期等比平均缩放（用户原话：不应该平均分配）

staging DB 实测批次 c12550e5（模板 f752fd6d「9/6」）：

  • template_clip_configs 3 段全部 min_duration=max_duration=5（写死）
  • 3 个 plan 的 9 个 edit_plan_clips 时长全部 5.3s（选片阶段完全不读配音时长）
  • worker 渲染时 _align_clips_to_voice_duration（unified_render_service.py:516-620）对所有片段乘同一 ratio：11.6s 配音→每段统一×0.729 裁剪；22s 配音→每段统一×0.72 慢放。即用户指出的「音频平均分配到每个片段」

要求（与补充规则一致并细化）：

  1. 选片阶段以配音时长为目标总时长规划片段：片段数 = 配音时长 ÷ 单段合理时长（3.56s 区间），如 12s→3 段、22s→45 段；单段时长按素材实际可用时长在合理区间内分配（长素材可多分、短素材少分，短素材不得跨视频复用见问题C），总片长（含转场）≈配音时长，而非每段死等长
  2. 素材总时长不足以覆盖配音时长时，接口明确返回错误提示，禁止靠慢放/截断硬凑
  3. 渲染期 voice-align 只保留 ±5% 微误差修正，删除全局等比裁剪/慢放为主的逻辑
  4. 删除模板时长遗留：template_clip_configs.min_duration/max_duration、TemplateSegment.duration_min/duration_max 及全部读取分支（用户原话：模板里不再有时长概念，遗留代码直接删除）
  5. 单测：12s 配音→plan 片段总时长≈12s 且片段数≈3；22s 配音→片段数≈4~5；素材不足→明确报错
## 补充（staging 实测铁证，2026-09-06 21:35） ### 铁证1：批量预览接口 /generation/variant-plans 后端从未实现（预览≠成片的总根因） - staging 实测 `POST https://staging.xiaoxiajianji.com/api/v1/generation/variant-plans` 返回 **HTTP 404**（同路径存在的路由返回 401，证明 404=路由不存在而非鉴权） - 全后端代码 grep `variant-plans`/`variant_plans` **零结果**——前端 #1748 对接的接口后端从未实现，前端 catch 404 后静默降级为本地模拟 - 后果：批量预览的片段/时长/画面全是前端假造，与正式成片完全不一致。用户明确要求**预览视频与后端成片 100% 一致（预览即成片）** 要求： 1. **后端实现 POST /api/v1/generation/variant-plans**：入参与正式批量生成一致（模板、素材、变体数、titles、voice_library_ids、voice_mode 等），返回每个变体的 plan_id + clips（片段顺序/素材/start_time/duration 与正式生成完全同源）；实现方式必须与正式任务共用同一套选片/变体生成服务函数，**禁止另写一套预览专用逻辑** 2. 该接口生成的 plan 与正式生成的关系：正式生成时若前端回传 plan_id 则直接复用（#1745 已有 variant_plan_ids 回传机制，接通即可），保证预览所见即成片 3. 接口必须做与问题A相同的 voice_library_ids 严格守卫（缺值/长度不符 400，禁静默 fallback） ### 铁证2：片段时长与配音完全无关 + 渲染期等比平均缩放（用户原话：不应该平均分配） staging DB 实测批次 c12550e5（模板 f752fd6d「9/6」）： - template_clip_configs 3 段全部 min_duration=max_duration=5（写死） - 3 个 plan 的 9 个 edit_plan_clips 时长全部 5.3s（选片阶段完全不读配音时长） - worker 渲染时 `_align_clips_to_voice_duration`（unified_render_service.py:516-620）对**所有片段乘同一 ratio**：11.6s 配音→每段统一×0.729 裁剪；22s 配音→每段统一×0.72 慢放。即用户指出的「音频平均分配到每个片段」 要求（与补充规则一致并细化）： 1. 选片阶段以配音时长为目标总时长规划片段：片段数 = 配音时长 ÷ 单段合理时长（3.5~6s 区间），如 12s→3 段、22s→4~5 段；单段时长按素材实际可用时长在合理区间内分配（长素材可多分、短素材少分，短素材不得跨视频复用见问题C），总片长（含转场）≈配音时长，而非每段死等长 2. 素材总时长不足以覆盖配音时长时，接口明确返回错误提示，禁止靠慢放/截断硬凑 3. 渲染期 voice-align 只保留 ±5% 微误差修正，删除全局等比裁剪/慢放为主的逻辑 4. 删除模板时长遗留：template_clip_configs.min_duration/max_duration、TemplateSegment.duration_min/duration_max 及全部读取分支（用户原话：模板里不再有时长概念，遗留代码直接删除） 5. 单测：12s 配音→plan 片段总时长≈12s 且片段数≈3；22s 配音→片段数≈4~5；素材不足→明确报错
xiaoxia commented 2026-09-06 22:14:31 +08:00
Author
Owner
Copy Link
Copy Source

⚠️ 规则更正（覆盖此前「片段数随配音时长变化」的表述，以此为准）

经与产品方核对，片段数规则以 2026-09-04 定稿方案为准，此前评论中「12s→3段、22s→4~5段，片段数随配音时长增减」的表述作废：

  1. 片段数量由模板定死，不增不减：模板配置几个片段，plan 就是几个片段，配音长短不改变片段数（模板时长字段删除后，模板只剩片段数量/顺序/转场等结构）
  2. 配音时长 = 成片总时长：配音总时长按模板片段分配到每段（总片长含转场≈配音时长，误差<0.5s）
  3. 每段时长的具体分配方式（等比分配 vs 按配音断句节奏分配）产品方正在确认，确认前不要自行实现选片时长逻辑，可先做接口骨架、配音错位守卫、素材去重、模板时长字段删除等不涉及时长分配的部分
  4. 禁止全局慢放画面（22s 配音慢放 0.72x 动作失真，不可接受）；配音略长于素材总量时的兜底用末帧冻结/末段循环（9月4日方案已定，未落地，本次补上）
  5. 9月4日方案的另一道保险「选配音时只显示时长匹配的配音（90%~110%）」未落地，属前端 #1750 范围，后端需提供片段预估总时长口径供前端过滤

其他要求（variant-plans 接口、配音 400 守卫、素材级去重、冗余删除、单测、N=1 零回归）不变。

## ⚠️ 规则更正（覆盖此前「片段数随配音时长变化」的表述，以此为准） 经与产品方核对，片段数规则以 2026-09-04 定稿方案为准，**此前评论中「12s→3段、22s→4~5段，片段数随配音时长增减」的表述作废**： 1. **片段数量由模板定死，不增不减**：模板配置几个片段，plan 就是几个片段，配音长短不改变片段数（模板时长字段删除后，模板只剩片段数量/顺序/转场等结构） 2. **配音时长 = 成片总时长**：配音总时长按模板片段分配到每段（总片长含转场≈配音时长，误差<0.5s） 3. **每段时长的具体分配方式（等比分配 vs 按配音断句节奏分配）产品方正在确认，确认前不要自行实现选片时长逻辑**，可先做接口骨架、配音错位守卫、素材去重、模板时长字段删除等不涉及时长分配的部分 4. **禁止全局慢放画面**（22s 配音慢放 0.72x 动作失真，不可接受）；配音略长于素材总量时的兜底用末帧冻结/末段循环（9月4日方案已定，未落地，本次补上） 5. 9月4日方案的另一道保险「选配音时只显示时长匹配的配音（90%~110%）」未落地，属前端 #1750 范围，后端需提供片段预估总时长口径供前端过滤 其他要求（variant-plans 接口、配音 400 守卫、素材级去重、冗余删除、单测、N=1 零回归）不变。
xiaoxia commented 2026-09-06 22:20:02 +08:00
Author
Owner
Copy Link
Copy Source

✅ 时长分配方案已定稿（方案A，产品方确认，解除上条「暂停实现选片时长逻辑」的冻结，以此为最终规则）

片段数模板定死 + 配音总时长按片段等比分配，具体算法要求：

  1. 片段数 N = 模板片段数，不增不减；批量变体共用同一模板则 N 相同，但每个变体按各自配音时长独立分配（独立配音模式下 3 个配音时长不同 → 3 个 plan 的每段时长不同，这是正确行为）
  2. 每段目标时长 = 配音时长按 N 等比分配，并计入转场：成片总时长 = Σ片段时长 − Σ转场重叠 ≈ 配音时长（误差 <0.5s）；cut 无重叠时 Σ片段时长 = 配音时长。以渲染管线实际转场参数为准计算，禁止再出现「对齐目标漏算转场导致配音被截」
  3. 选片时就按分配后的段长选素材：每段截取时长 = 分配段长，选 start_time 必须满足 start_time + 段长 ≤ 素材总时长；素材时长 < 段长的该素材不得用于该段（自动换更长素材）。例：22s 配音/3段 → 每段约 7.3s，6.2s 的短素材自动出局，这同时解决短素材被迫跨视频复用的问题
  4. 兜底顺序：素材能覆盖 → 正常分配；单素材略短 → 末帧冻结（tpad freeze）或末段循环补齐，禁止慢放；素材总时长明显覆盖不了配音（如配音 58s 素材总量不足）→ 接口明确返回错误提示用户加素材/换配音，禁止硬凑
  5. 渲染期 _align_clips_to_voice_duration 的全局等比裁剪/慢放逻辑删除，仅保留 ±5% 以内微误差修正（选片已精确分配，正常不应触发）
  6. variant-plans 预览接口返回的 clips.duration 必须是上述分配后的真实段长，预览总时长 = Σclips − 转场 ≈ 配音时长，与正式成片同源
  7. 单测：模板4段+配音12s → 每段≈3s、成片≈12s；模板3段+配音22s → 每段≈7.3s 且短素材不入选；素材总量不足 → 明确报错；N=1 单视频零回归
## ✅ 时长分配方案已定稿（方案A，产品方确认，解除上条「暂停实现选片时长逻辑」的冻结，以此为最终规则） **片段数模板定死 + 配音总时长按片段等比分配**，具体算法要求： 1. **片段数 N = 模板片段数**，不增不减；批量变体共用同一模板则 N 相同，但每个变体按各自配音时长独立分配（独立配音模式下 3 个配音时长不同 → 3 个 plan 的每段时长不同，这是正确行为） 2. **每段目标时长 = 配音时长按 N 等比分配**，并计入转场：成片总时长 = Σ片段时长 − Σ转场重叠 ≈ 配音时长（误差 <0.5s）；cut 无重叠时 Σ片段时长 = 配音时长。以渲染管线实际转场参数为准计算，禁止再出现「对齐目标漏算转场导致配音被截」 3. **选片时就按分配后的段长选素材**：每段截取时长 = 分配段长，选 start_time 必须满足 start_time + 段长 ≤ 素材总时长；素材时长 < 段长的该素材不得用于该段（自动换更长素材）。例：22s 配音/3段 → 每段约 7.3s，6.2s 的短素材自动出局，这同时解决短素材被迫跨视频复用的问题 4. **兜底顺序**：素材能覆盖 → 正常分配；单素材略短 → 末帧冻结（tpad freeze）或末段循环补齐，禁止慢放；素材总时长明显覆盖不了配音（如配音 58s 素材总量不足）→ 接口明确返回错误提示用户加素材/换配音，禁止硬凑 5. 渲染期 `_align_clips_to_voice_duration` 的全局等比裁剪/慢放逻辑删除，仅保留 ±5% 以内微误差修正（选片已精确分配，正常不应触发） 6. variant-plans 预览接口返回的 clips.duration 必须是上述分配后的真实段长，预览总时长 = Σclips − 转场 ≈ 配音时长，与正式成片同源 7. 单测：模板4段+配音12s → 每段≈3s、成片≈12s；模板3段+配音22s → 每段≈7.3s 且短素材不入选；素材总量不足 → 明确报错；N=1 单视频零回归
xiaoxia commented 2026-09-06 22:28:16 +08:00
Author
Owner
Copy Link
Copy Source

⚠️ 规则更正（产品方 22:24 确认，覆盖此前所有「素材不足报错」表述）

不存在「素材铺不满配音」的概念，任何情况下都不得因素材时长问题报错打断用户。 「素材不足请加素材/换配音」是旧模板时长时代的残留思维，现模板已无时长设置，配音多长成片就多长，系统永远产出与配音等长的成片。

最终规则（替换此前评论中相关条目）：

  1. 片段数模板定死；配音总时长等比分到每段（含转场计算）
  2. 选片按分配段长截取：素材长于段长 → 正常截取；素材短于段长 → 该段循环播放/末帧冻结铺满段长，禁止慢放、禁止截断
  3. 批次内素材去重照旧（同批次已用素材后续变体排除）
  4. variant-plans 接口除参数缺失/配音错位（voice_library_ids 缺值/长度不符 400）外，不得以「素材时长不足」为由返回错误

完整需求基线见产品方确认的规则文档，与本工单冲突处以该文档为准。

## ⚠️ 规则更正（产品方 22:24 确认，覆盖此前所有「素材不足报错」表述） **不存在「素材铺不满配音」的概念，任何情况下都不得因素材时长问题报错打断用户。** 「素材不足请加素材/换配音」是旧模板时长时代的残留思维，现模板已无时长设置，配音多长成片就多长，系统永远产出与配音等长的成片。 最终规则（替换此前评论中相关条目）： 1. 片段数模板定死；配音总时长等比分到每段（含转场计算） 2. 选片按分配段长截取：素材长于段长 → 正常截取；素材短于段长 → **该段循环播放/末帧冻结铺满段长**，禁止慢放、禁止截断 3. 批次内素材去重照旧（同批次已用素材后续变体排除） 4. variant-plans 接口除参数缺失/配音错位（voice_library_ids 缺值/长度不符 400）外，不得以「素材时长不足」为由返回错误 完整需求基线见产品方确认的规则文档，与本工单冲突处以该文档为准。
xiaoxia commented 2026-09-06 22:55:38 +08:00
Author
Owner
Copy Link
Copy Source

补充（产品方 22:35 明确）：预览不渲染

variant-plans 是轻量计算接口：只跑选片/变体计划生成并返回 plan_id + clips，不得创建渲染任务、不得入 worker 队列、不得渲染视频文件。预览由浏览器拿素材原片按 clips 即时播放，要求快速返回。

注意与现有 POST /generation/preview（服务器渲染预览任务，会创建 task 入队）区分，不要复用该套渲染链路；正式批量生成才走渲染任务。

## 补充（产品方 22:35 明确）：预览不渲染 variant-plans 是**轻量计算接口**：只跑选片/变体计划生成并返回 plan_id + clips，**不得创建渲染任务、不得入 worker 队列、不得渲染视频文件**。预览由浏览器拿素材原片按 clips 即时播放，要求快速返回。 注意与现有 POST /generation/preview（服务器渲染预览任务，会创建 task 入队）区分，不要复用该套渲染链路；正式批量生成才走渲染任务。
Sign in to join this conversation.
No Branch/Tag Specified
Branches Tags
Labels
Clear labels
P0
阻塞性，必须立即处理
 P1
高优先级
 P2
中优先级
 P3
低优先级/后考虑
 architecture
架构设计
 backend
后端相关
 blocked
阻塞中
 bug
Bug修复
 ci-bug
CI本身的bug
 ci-optimization
CI优化类任务
 ci-pipeline
CI流水线/workflow相关
 cleanup
代码清理
 devops
运维/部署/CI
 documentation
文档相关
 feature
新功能
 frontend
前端相关
 question
需要讨论确认
 ready
PR CI通过，可合并
 refactor
代码重构
No Label
Milestone
No items
No Milestone
Projects
Clear projects
No project
Assignees
Clear assignees
auto-approve-bot xiaoxia
No Assignees
1 Participants
Notifications
Due Date
No due date set.
Dependencies

No dependencies set.

Reference: xiaoxia/xiaoxia-saas#1749
Delete Branch "%!s()"

Deleting a branch is permanent. Although the deleted branch may continue to exist for a short time before it actually gets removed, it CANNOT be undone in most cases. Continue?