[P2] 降重增强：节奏曲线模板多样化，变体间片段时长序列差异化 #1768

New Issue

2026-09-07T20:08:39+08:00

xiaoxia commented

2026-09-07 20:08:39 +08:00

背景

当前所有变体的片段时长是平均分配的（配音总时长 ÷ 片段数），导致所有变体的节奏曲线完全一致。这是结构层面查重识别的关键特征。

目标

引入节奏模板池，让不同变体拥有不同的片段时长分布，从而产生完全不同的视频节奏感受。

方案

核心思路：权重比例替代平均分配

当前逻辑：

配音总时长 T ÷ 片段数 N = 每个片段时长 T/N（所有片段一样长）

新逻辑：

模板定义权重序列 [w1, w2, ..., wN]
权重总和 W = w1 + w2 + ... + wN
片段i时长 = T × wi / W

节奏模板池（预设 6-8 种）

模板A: [2, 1, 3, 1, 2]  — 中间长，两头短（叙事型）
模板B: [1, 1, 1, 1, 1]  — 均匀分配（当前逻辑，保留兼容）
模板C: [1, 2, 1, 2, 1]  — 波浪式（节奏感强）
模板D: [3, 1, 1, 1, 3]  — 两头重中间快切（冲击力型）
模板E: [1, 1, 3, 2, 1]  — 渐强收尾（悬念型）
模板F: [2, 2, 1, 1, 2]  — 双峰结构
模板G: [1, 3, 2, 1, 1]  — 前段展开型
模板H: [3, 2, 1, 2, 1]  — 渐弱收束型

变体分配

批量生成时，每个变体随机选一个节奏模板（基于 variantSeed）
同一批变体中，节奏模板不重复

代码改动点

variant_plan_selector.py：
- 新增 RHYTHM_TEMPLATES 常量池
- 片段时长计算从 T/N 改为 T × weight / total_weight
- 变体生成时随机选节奏模板
数据结构：
- edit plan 中每个片段记录实际时长（不再假设等分）
- 现有平均分配作为模板B（权重全1）保留，向下兼容
渲染/预览：
- 确保片段实际时长被正确传入 FFmpeg 裁剪
- 前端预览适配不等长片段

与片段拆分的协同（进阶）

后续可进一步支持：同一素材在不同变体中被拆成不同段数。例如：

变体A：素材1整段用（8秒）
变体B：素材1拆成两段（3秒+5秒），中间插入其他素材

这需要更复杂的选片逻辑，作为后续迭代。

约束

不破坏现有能力：模板B（全1权重）= 当前平均分配逻辑，现有行为完全保留
配音对齐：片段时长总和必须严格等于配音总时长
最小片段时长：每个片段至少 2 秒（避免过短的无效画面）
最大片段时长：不超过素材实际可用时长的 90%

验收标准

批量生成3个视频时，3个视频的片段时长序列至少有2组明显不同
片段时长总和 = 配音总时长（误差 ≤ 0.5秒）
每个片段时长 ≥ 2秒，≤ 素材可用时长
渲染成片时长与配音时长一致
单视频模式不受影响（保持平均分配即可）

## 背景当前所有变体的片段时长是平均分配的（配音总时长 ÷ 片段数），导致所有变体的节奏曲线完全一致。这是结构层面查重识别的关键特征。 ## 目标引入节奏模板池，让不同变体拥有不同的片段时长分布，从而产生完全不同的视频节奏感受。 ## 方案 ### 核心思路：权重比例替代平均分配 **当前逻辑：** ``` 配音总时长 T ÷ 片段数 N = 每个片段时长 T/N（所有片段一样长） ``` **新逻辑：** ``` 模板定义权重序列 [w1, w2, ..., wN] 权重总和 W = w1 + w2 + ... + wN 片段i时长 = T × wi / W ``` ### 节奏模板池（预设 6-8 种） ``` 模板A: [2, 1, 3, 1, 2] — 中间长，两头短（叙事型）模板B: [1, 1, 1, 1, 1] — 均匀分配（当前逻辑，保留兼容）模板C: [1, 2, 1, 2, 1] — 波浪式（节奏感强）模板D: [3, 1, 1, 1, 3] — 两头重中间快切（冲击力型）模板E: [1, 1, 3, 2, 1] — 渐强收尾（悬念型）模板F: [2, 2, 1, 1, 2] — 双峰结构模板G: [1, 3, 2, 1, 1] — 前段展开型模板H: [3, 2, 1, 2, 1] — 渐弱收束型 ``` ### 变体分配 1. 批量生成时，每个变体随机选一个节奏模板（基于 variantSeed） 2. 同一批变体中，节奏模板不重复 ### 代码改动点 1. **variant_plan_selector.py**： - 新增 `RHYTHM_TEMPLATES` 常量池 - 片段时长计算从 `T/N` 改为 `T × weight / total_weight` - 变体生成时随机选节奏模板 2. **数据结构**： - edit plan 中每个片段记录实际时长（不再假设等分） - 现有平均分配作为模板B（权重全1）保留，向下兼容 3. **渲染/预览**： - 确保片段实际时长被正确传入 FFmpeg 裁剪 - 前端预览适配不等长片段 ### 与片段拆分的协同（进阶）后续可进一步支持：同一素材在不同变体中被拆成不同段数。例如： - 变体A：素材1整段用（8秒） - 变体B：素材1拆成两段（3秒+5秒），中间插入其他素材这需要更复杂的选片逻辑，作为后续迭代。 ### 约束 - **不破坏现有能力**：模板B（全1权重）= 当前平均分配逻辑，现有行为完全保留 - **配音对齐**：片段时长总和必须严格等于配音总时长 - **最小片段时长**：每个片段至少 2 秒（避免过短的无效画面） - **最大片段时长**：不超过素材实际可用时长的 90% ## 验收标准 1. 批量生成3个视频时，3个视频的片段时长序列至少有2组明显不同 2. 片段时长总和 = 配音总时长（误差 ≤ 0.5秒） 3. 每个片段时长 ≥ 2秒，≤ 素材可用时长 4. 渲染成片时长与配音时长一致 5. 单视频模式不受影响（保持平均分配即可）