Autodsj

AutoDSJ 工作流

唯一技能源与同步

只修改 Git 仓库中的 skills/autodsj。它是 Claude Code、Codex、Hermes、OpenCode 和 OpenClaw 共用的唯一源；不得把任一 Agent 的部署目录当作源文件直接迭代。每次修改后先校验并提交 Git，再运行：

cd 
python scripts\install_autodsj_skill.py --agent all
python scripts\install_autodsj_skill.py --agent all --check

安装器按每个文件 SHA-256 镜像校验目标目录。可传入 --agent claude|codex|hermes|opencode|openclaw|shared 只安装一个 Agent；shared 写入 ~/.agents/skills，适合 OpenCode/OpenClaw 的通用发现路径。旧 Hermes 目录仅在必须兼容既有安装时使用 --agent legacy-hermes。

项目根目录和 Python 环境必须从当前工作区发现，不得照抄任何机器的绝对路径。换电脑或项目路径变化时，先读 [portable-deployment.md](references/portable-deployment.md)。

本工作流无 WebUI、无端口，只走 autodsj.py 这一条 CLI 管线。配音只用百炼 Qwen 克隆音色。音量硬性规范：voice.volume=100、drama.source_play_volume=100，配音与原片再分别经 loudnorm=I=-16:TP=-1.5:LRA=11 归一化到 -16 LUFS 等响。不得用 120%/50% 等纯增益组合代替响度归一化。

不可跳过的顺序

1. 先审校文案

读取目标单集目录及子目录的 .txt/.md/.docx 源文案，不得直接开跑。检查：

• 原片： / 解说： 结构完整；
• 开头冲突或悬念足够强，信息递进、因果和结尾追更钩子合理；
• 角色名、他/她、人物关系、动作主体和字幕同音字正确；
• 每段主要推进一个事件，只有尾句可承接下一场景。

《玫瑰的故事》必须读 references/rose-story-knowledge.md，并查 references/rose-story-episodes.json 的对应集。

2. 先建文本和物理镜头索引

cd D:\@kaifa\AutoDSJ\project
$PY = ".\.venv\Scripts\python.exe"
& $PY autodsj.py preflight --folder ""
& $PY autodsj.py script --folder ""
& $PY autodsj.py shots --folder ""

不要恢复旧的每 8～10 秒抽一帧、全片约 280 帧的 VL 扫描。先以 SRT、审校剧本和物理镜头关键图编完整场景地图；昂贵视觉只在文本缩小候选后运行。

新集还没有 ★ 匹配报告.json 时，允许一次不渲染引导：

& $PY autodsj.py run --folder "" --skip-visual --no-render

3. 建完整大场景地图

在正式匹配或渲染前，必须完整查看原片时间轴，写好 \_scene_map.json。原片有多少个完整大场景，scenes 就必须有多少个；不得只画文案提到的几个。

必须满足：

• coverage_reviewed: true；
• scene_count == scenes.length；
• coverage_ranges 全部被各大场景连续覆盖，无空洞；
• 每个解说镜头只能落在唯一的父段场景计划中；
• 一段解说默认只有一个主场景；
• 最多允许“整段主场景 → 更短的尾句承上启下场景”；
• 禁止三场景跳转、短前导后长跳转、候选扩窗越出指定大场景。

效率技巧：建场景地图时用 execute_code 批处理——一次性读取视觉索引用 print 输出完整时间轴（time+people+caption），据此划分场景边界，然后写 JSON 到磁盘并立即 from backend.scene_map import validate_scene_map 验证，避免多轮 terminal/read_file 来回。

具体 JSON 契约见 references/hierarchical-shot-matching.md。新集从零编写场景地图的实操 （先跑 run --skip-visual --no-render 引导出 ★匹配报告.json，据它定 parent_scene_plans 的键=tts_parent_id、to_shot=各段真实分镜数；交叉剪辑剧集用「多 range 场景按剧情线分组」 但所有 range 须划分时间轴不重叠），以及渲染后用人脸库核验成片的完整方法，见 references/scene-map-authoring-and-verification.md。

4. 建分层镜头并影子匹配

& $PY autodsj.py events --folder ""
& $PY autodsj.py shadow-match --folder ""
& $PY autodsj.py visual --folder "" --target-frames 90
& $PY autodsj.py shadow-match --folder ""

固定层级：大场景 → 连续事件块 → 物理镜头 → 动作瞬间。

固定证据顺序：SRT/审校剧本 BM25 → 文本向量 → 可选 CAM++ 角色声纹 → 父段 Viterbi → 60～240 帧选择性云端视觉复核 → 高风险候选前/中/后三帧对比。所有证据只能在父场景内排序，不能将镜头拉到场景外。详细契约见 references/hybrid-evidence-matching.md。

narration_intent.py 必须区分检索扩展词和视觉硬条件。关系“靠近”、心理“后退”等隐喻可以辅助文本召回，但不得写进 hard_requirements.actions；只有明确可见动词、人物、地点和道具才能成为 must_have。显式“不是/并非/不要/没有/而非”写入 must_not_have，不得反向扩展成正向要求。

时间线固定使用两轮分配：第一轮在全部候选中选择全局未用画面；只有第一轮完全无解时，父段计划才允许第二轮复用已引用的原片对白画面。planning_summary.strict_fresh 应尽量等于解说镜头数，source_reuse_fallback 应为 0 或极小。广告区在两轮中都是绝对硬禁区，父段计划、人工 override 和复用降级均不得绕过。

shadow-match 会生成 _selective_visual_plan.json。计划按风险在 60/90/120/180/240 帧间自主选择（上限 240）；计划未完成时，候选或场景图变化会使旧视觉索引失效；一旦同一素材、同一场景地图的计划完整识别，后续影子匹配必须锁定该通用计划，禁止因新视觉描述改变候选排序后反复推翻整套计划。人工修改场景地图 SHA 时锁定自动失效；普通候选变化交给 _candidate_visual_review.json 的独立多帧复核处理。运行 visual 后必须再跑一次 shadow-match。视觉 API 运行期间可读 _source_visual_index.json 的 status/message 监控进度。

高风险候选复核最多处理 matching.candidate_review_max_segments 个解说句；基础层每个候选取物理镜头前/中/后三帧，候选数不足时允许单候选硬确认，但绝不越过 _scene_map.json 补候选。人物身份只认 InsightFace；云端只能确认动作、地点、道具和可见事实。完整结果可缓存，partial 结果续跑时只重试失败组。

基础层仍 unresolved 时，默认只对这些段运行二级复核：把同一场景内候选从3个扩大到5个，每候选取7帧（8%～92%均匀覆盖），写入 _candidate_visual_escalation.json，不得重跑已通过段或锁定的120帧通用索引。超大多图请求被远端断开时，保持本地7帧人脸核验，但云端可均匀降为每候选5帧、再降为3帧；基础请求可降为2帧、再降为1帧，候选数量与身份硬门禁不变。候选缓存只有在候选 ID 顺序和帧数完全一致时才可复用。加帧后仍稳定出现错误人物，说明候选镜头错，应扩大同一父场景内候选数量或修正场景地图，禁止继续无上限加帧或跨场景搜索。candidate_visual_review_ready=false 或任一复核句 unresolved 时，safe_to_render 必须为 false。

有干净角色对白参考时启用 CAM++：

uv pip install --python $PY -r requirements-audio.txt
uv pip install --python $PY --no-deps speakerlab==0.0.6
# \_voices\\*.wav
& $PY autodsj.py voices --folder ""

缺 speakerlab 或参考音频时允许字幕/剧本路径运行，但报告必须显示 voice_index=false，不得声称声纹已生效。

必须检查：

• ★ 分层影子匹配报告.json；
• ★ 新旧匹配并排对比.json；
• ★ 分层接管预演报告.json。
• _subtitle_event_index.json、_selective_visual_plan.json；有声纹时还要 _source_voice_index.json。

只有 safe_to_render=true 且 unresolved=0 才能渲染。地图、文案、分镜或配音变化后必须重跑 shadow-match；不得手改报告绕过哈希和时间线校验。

5. 先预跑，再成片

& $PY autodsj.py run --folder "" --skip-visual --no-render --hierarchical-match
& $PY autodsj.py run --folder "" --skip-visual --hierarchical-match

正式渲染不带 --hierarchical-match、缺场景地图、地图不完整或预演哈希失效时，必须停止，不允许降级到旧匹配方法。

人脸库

换新剧或人物容易混淆时，在剧集根目录放 _faces//*.jpg，每个主要角色 3–5 张清晰正脸，再运行：

& $PY autodsj.py faces build --folder ""

成片交付

正式渲染完成后，管线必须自动执行发布交付，不得等用户再次提醒。只有以下文件全部生成并通过门禁，才允许报告“成片完成”：

• ★ 成片.mp4：可读取时长和视频流；
• ★ 字幕.srt：可解析，末条字幕不得越过片尾；
• ★ 匹配报告.json；
• ★ 发布信息.txt：3 个标题、剧情简介、互动问题、严格 5 个标签、封面文案和实际成片参数；
• ★ 剪映字幕导入.txt：同时包含原片对白和解说，删除分段标签与空行，保持源文案顺序；
• ★ 交付清单.json：记录上述文件、视频参数、字幕/文案行数及待复核指代词行数，状态必须为 ready。

交付门禁通过后，单集根目录必须只保留原片、原片字幕、源文案、★ 成片.mp4、★ 发布信息.txt、★ 剪映字幕导入.txt 和 _AutoDSJ工作文件。★ 字幕.srt、匹配报告、场景地图、索引、TTS、裁切片及交付清单全部自动移入 _AutoDSJ工作文件。下一次执行处理命令时自动恢复这些资产，成片后再次归档；禁止因整理目录而删除可复用的场景图、声纹或缓存。

交付门禁已接入 autodsj.py run 的正式渲染末尾。已有成片缺交付文件、或人工修改文案后只需重建发布包时，运行：

& $PY autodsj.py deliver --folder ""

scripts/audit_pronouns.py 和 scripts/make_jianying_srt_txt.py 仅用于人工诊断/单文件修复，不再是正式流程的必需手工步骤。向用户交付时报告成片、SRT、匹配报告、发布信息、剪映字幕和交付清单路径。

用户要求保留旧成片时，先复制到单集子目录，再渲染；不要在主目录放多个可被误识别的源视频。

安全清理

只在成片存在且验收后执行：

& $PY autodsj.py clean --folder ""

该命令不再删除资产，而是把根目录中的工作文件统一归档到 _AutoDSJ工作文件。必须保留原片、原片字幕、源文案和三项公开交付文件。

快速排错

• 整段乱跳：先查 _scene_map.json 和 parent_scene_plans，不要扩大时间窗。
• 人物错：检查父场景是否选错，再补人脸参考照。
• 动作错：检查事件块、物理镜头的多关键帧和 SRT，不得跳出父场景找高分帧。
• 动作句的人工 override 必须锚定动作起点而非动作后的对白/反应字幕；渲染前抽取该源片范围和对应成片范围的连续帧，确认动作起势、发生、结果都落入计划片段。只看到动作结果（例如人已在水里）不能算命中“推入水里”。
• 独立 quality 复查必须按 _AutoDSJ工作文件、素材根目录、旧 _DY工作文件 的顺序寻找最新报告与索引；HIGH 人物缺失是人工复核告警，不能替代候选门禁，也不能仅凭云端未写角色名就判定真实错配。
• 改了文案：重跑脚本表与 shadow-match。若新的 _selective_visual_plan.json 使视觉索引过期，再跑默认 visual（风险自适应60～240帧），不要恢复固定间隔密集全片扫描。
• 匹配慢：先检查 _event_text_embeddings.json 和 _query_text_embeddings.json 是否存在；内容不变时第六集93镜实测重匹配约7秒。
• 多集任务：串行渲染，不要同时吃满笔记本 CPU/内存/磁盘。
• 场景地图覆盖空洞：validate_scene_map 报 覆盖存在空洞 时，常见原因：(a) coverage_ranges 包含了没有视觉帧的广告区间——把广告区从 coverage_ranges 移除，或拆成多段 [[150, 978], [1001, 2668]]；(b) 某场景 ranges 结尾与下个场景开头有间隔——逐场景检查 scenes[].ranges 的连续性，确保相邻场景首尾相接（允许广告区打断）。excluded_ranges 不影响覆盖校验，只影响匹配，广告区必须从 coverage_ranges 移出而非只写在 excluded_ranges。
• 场景地图写入顺序：先用 Python 写 _scene_map.json 到磁盘，再 validate_scene_map 验证。validate_scene_map 从磁盘读取场景地图，不是从内存。先写后验，不要反过来。

三个「别慌」信号（都不是故障，详见 references/scene-map-authoring-and-verification.md）：

• 渲染日志刷 [场景锁定] 行N-镜M → 「场景」 且与 parent_scene_plans 不符——那是旧分配器过渡噪声，随后的 分层匹配正式接管：N 个解说分镜 会整段覆盖，以接管后置信度全 H 的 ★匹配报告.json 为准。
• 接管后必须分别检查解说复用和原片明确复引。解说画面与任何已用片段重叠都应先消除；只有文案明确重复引用同一句原片对白、且必须保持口型与原声时，才允许记录为必要例外。
• 「独立爆款版」短文案出片仅 2-3 分钟——正确。成片时长 = Σ解说配音 + Σ原片对白，由文案长度决定；引导日志「解说目标约2490s(90%)」只是按原片长度的默认假设，不代表漏渲染。

• 广告禁区误封：当前 backend/ad_filter.py 会把“墙上的小广告、办证刻章、柱子上的广告字迹”等场景陈设排除，只把明确的广告插播、品牌/产品展示或字幕商业话术设为硬禁区；shadow-match 也会根据当前字幕和视觉索引重新生成 _source_ad_intervals.json，不得复用陈旧广告缓存。若正式预跑仍报广告冲突，检查该文件的 reasons：纯视觉信号必须包含明确商业语境，不能只有墙面招贴。详细诊断见 references/ad-filter-false-positive-fix.md。

项目的完整命令与数据结构以 D:\@kaifa\AutoDSJ\project\README.md 为准。

耗时参考

单集全流程端到端耗时约 40-80 分钟，主要瓶颈：

| 阶段 | 耗时 | 备注 | |------|------|------| | 初始 visual（36帧） | 5-10分钟 | SiliconFlow Qwen VL API | | 引导 scaffold（TTS+匹配） | 5-10分钟 | 百炼 TTS 偶尔 SSL 重试 | | 场景地图编写 | 1-2分钟 | execute_code 一次性完成 | | events + shadow-match | 2-5分钟 | 文本嵌入是主要开销 | | 选择性 visual（60～240帧） | 5-45分钟 | 取决于帧数、并发与云端长尾；可续跑 | | shadow-match 再跑 | 2-3分钟 | | | 预跑 + 正式渲染 | 20-40分钟 | TTS 复用缓存 + FFmpeg 编码 |

多集批量（4集实测）：串行交错模式，总耗时约 4-5小时。 具体做法：在上一集渲染（FFmpeg 编码约15-30分钟）期间，为下一集做全部准备工作（preflight→visual→script→shots→scaffold→场景地图→events→shadow-match→visual selective），等上一集成片时下一集已就绪可立即开跑。

常见延时因素：

• 视觉 API 超时（SiliconFlow 429/500），重试可续跑
• 百炼 TTS SSL EOF 错误，管线内置重试自动恢复
• 广告误封先检查 _source_ad_intervals.json 的 reasons；当前管线会自动排除墙面小广告/办证招贴等场景陈设，无需改写视觉索引

新集并行准备（2026-07）

新集默认先运行：

$PY autodsj.py prepare --folder ""

该命令并行建立脚本表与物理镜头索引，生成事件索引、 _scene_map.draft.json 和风险自适应的 60/90/120/180/240 帧云端视觉计划，再以有界并发执行 稀疏抽帧和批量视觉识别。视觉完成后自动把识别证据回填到镜头/事件索引，不重跑镜头边界。

草案始终为 coverage_reviewed=false，不得直接用于正式成片。人工核对完整覆盖、场景边界、 广告排除和父段计划后，另存为 _scene_map.json 并设置 coverage_reviewed=true。 只生成索引和草案时使用 autodsj.py prepare --skip-visual；显式固定视觉预算时使用 --target-frames 60..240，否则保持风险自适应。

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: DaBaoAgent
• Source: DaBaoAgent/AutoDSJ
• License: MIT

Install and usage instructions live in the source repository linked above.