剧集高光切片引擎

把一集正片自动切成可发布的短视频：机器批量生产候选，人只做最后一道创意终审。

问题

剧集切片今天是一条人工的线性流水线：编辑通看四十多分钟正片挑名场面，再粗剪、包装、配文。一集耗掉大半天，产出却高度依赖个人手感——同一集交给两个人，选出来的片段可能几乎不重叠。

瓶颈不在剪辑工具，在"找"。剪的部分早就有成熟软件，找的部分至今没有。

为什么开源方案解不了

市面上的自动切片项目几乎清一色是同一条逻辑：语音转文本，再让大模型从文本里找金句。这条逻辑服务的是播客、访谈、口播课程——信息密度确实集中在语音里的内容。

剧集不是这样。剧集的爆点在画面里：打斗、反转、告白、名场面。把开源逻辑照搬到剧集上，结果是可预期的——找到一堆话密的片段，漏掉所有名场面。

所以我们的判断是：开源能给的是转码、字幕、镜头分割、人脸裁切这些工程件，它们是商品，直接用就好。唯独"这一段算不算高光"这个判断，没有任何开源项目替你回答。 这也是我们唯一自研的部分。

架构

三路识别并行跑，在一个可解释的加权判定处收敛：

转码 · 镜头分割
      │
      ├──→ 台词转写      情绪强度 · 金句
      ├──→ 画面理解      动作强度 · 场景标签
      └──→ 人脸追踪      主演在场
                │
                ▼
        高光判定引擎  ★ 唯一自研
                │
      ┌─────────┴─────────┐
      ▼                   ▼
  切片渲染            封面与文案

判定用的是可解释的加权规则，不是黑盒模型。四路信号各自的贡献分开呈现，权重外置在配置文件里——现场能当场调、秒级重算，不必重跑上游识别。这在演示和调优时的价值，远大于多几个百分点的准确率。

工作台

整条链路的产物最终落到一个本地网页里。设计上只服务一件事： 让「这一段算不算高光」这个判断变快。人不再从零开始剪，而是对机器的候选做取舍。

新建切片任务页 — **① 新建任务。**从服务器已有素材里选片，不做上传—— 一集正片 2–3GB，经浏览器传没有意义，而且介质本就不该离开这台机器。输出提示选项会改变四路信号的权重侧重。

处理进度页 — **② 处理进度。**六个阶段各自报告用了什么工具、产出了什么。任一环节失败会自动降级并继续，不中断整条链路——现场演示最怕的是中途报错停住。

候选复核页 — **③ 候选复核（核心页面）。**每条候选都摊开四路信号各自的贡献。 **分数必须可解释**，黑盒分数没人会信。入出点按镜头边界步进，不按秒—— 保证切片不落在镜头中间。弃用必须填原因，那是机器将来学会判断的唯一燃料。

导出结果页 — **④ 导出结果。**每条留用的切片出横版与竖版两版加封面，竖版裁切跟随主演人脸的位置而不是死切中间。操作日志同步落盘。

标注基准页 — **⑤ 标注基准。**剪辑师标出本集的 Top-5 名场面。这是**唯一能衡量「找得准不准」的尺子**——没有它，调权重就是凭感觉。三十分钟标完一集，之后每次改权重都能立刻算出命中率。

开发日志

2026-08-31
完成技术方案与三个子项目拆分。确定本机加外部模型接口的最小验证路径：除画面理解外全部可在 CPU 上跑，实测转码环节约四核分钟每集，不构成瓶颈。
2026-08-30
完成开源清单与许可证梳理。一个候选项目因 AGPL 且触发条件含"通过网络提供服务"被排除；人脸识别的预训练权重标注非商用，已列入产品化前必须解决的清单。