🔄 卡若AI 同步 2026-03-03 14:29 | 更新：水桥平台对接、卡木、运营中枢工作台 | 排除 >20MB: 14 个

2026-03-03 14:29:17 +08:00
parent 69c0531baa
commit 31071e287e
11 changed files with 282 additions and 28 deletions
--- a/03_卡木（木）/木叶_视频内容/视频切片/SKILL.md
+++ b/03_卡木（木）/木叶_视频内容/视频切片/SKILL.md
@@ -19,7 +19,7 @@ updated: "2026-03-03"
 ## ⭐ Soul派对切片流程（默认）

 ```
-原始视频 → MLX转录 → 字幕转简体 → 高光识别(当前模型/AI) → 批量切片 → soul_enhance → 输出成片
+原始视频 → MLX转录 → 字幕转简体 → 高光识别(API 优先/最佳模型，失败则 Ollama→规则) → 批量切片 → soul_enhance → 输出成片
                     ↑                        ↓
            提取后立即繁转简+修正错误    封面+字幕(已简体)+加速10%+去语气词
 ```
@@ -53,8 +53,9 @@ eval "$(~/miniforge3/bin/conda shell.zsh hook)"
 conda activate mlx-whisper
 mlx_whisper audio.wav --model mlx-community/whisper-small-mlx --language zh --output-format all

-# 2. 高光识别（Ollama → 规则；流水线会在读取 transcript 前自动转简体）
+# 2. 高光识别（API 优先，未配置则 Ollama → 规则；流水线会在读取 transcript 前自动转简体）
 python3 identify_highlights.py -t transcript.srt -o highlights.json -n 6
+# 需配置 OPENAI_API_KEY 或 OPENAI_API_BASES/KEYS/MODELS，默认模型 gpt-4o

 # 3. 切片
 python3 batch_clip.py -i 视频.mp4 -l highlights.json -o clips/ -p soul
@@ -262,7 +263,7 @@ python3 scripts/burn_subtitles_clean.py -i enhanced.mp4 -s clean.srt -o 成片.m
 | **soul_vertical_crop.py** | Soul 竖屏中段批量裁剪（横版→498×1080 去白边） | ⭐⭐⭐ |
 | **scene_detect_to_highlights.py** | 镜头/场景检测 → highlights.json（PySceneDetect，可接 batch_clip） | ⭐⭐ |
 | chapter_themes_to_highlights.py | 按章节 .md 主题提取片段（本地模型→highlights.json） | ⭐⭐⭐ |
-| identify_highlights.py | 高光识别（Ollama→规则） | ⭐⭐ |
+| identify_highlights.py | 高光识别（API 优先→Ollama→规则，默认 gpt-4o） | ⭐⭐ |
 | batch_clip.py | 批量切片 | ⭐⭐ |
 | one_video.py | 单视频一键成片 | ⭐⭐ |
 | burn_subtitles_clean.py | 字幕烧录（无阴影） | ⭐ |
@@ -291,6 +292,14 @@ conda activate mlx-whisper
 mlx_whisper audio.wav --model mlx-community/whisper-small-mlx --language zh --output-format all
 ```

+### 高光识别模型（API 优先）
+
+高光识别默认使用**当前可用最佳模型**：优先走 **OpenAI 兼容 API**（见下），未配置或失败时再用本地 Ollama，最后规则兜底。
+
+- **单接口**：`OPENAI_API_BASE`、`OPENAI_API_KEY`、`OPENAI_MODEL`（默认 `gpt-4o`）。
+- **多接口故障切换**：`OPENAI_API_BASES`、`OPENAI_API_KEYS`、`OPENAI_MODELS`（逗号分隔，按顺序尝试）。
+- 不写死密钥，从环境变量读取；详见 `运营中枢/参考资料/卡若AI异常处理与红线.md` 与 API 稳定性规则。
+
 ### 依赖检查

 ```bash
@@ -303,7 +312,7 @@ conda activate mlx-whisper
 python -c "import mlx_whisper; print('OK')"

 # Python库
-pip3 list | grep -E "moviepy|Pillow|opencc"
+pip3 list | grep -E "moviepy|Pillow|opencc|openai"
 ```

 ### 安装依赖
--- a/03_卡木（木）/木叶_视频内容/视频切片/Soul竖屏切片_SKILL.md
+++ b/03_卡木（木）/木叶_视频内容/视频切片/Soul竖屏切片_SKILL.md
@@ -34,7 +34,7 @@
 ```

 - **batch_clip**：输出到 `clips/`
- **soul_enhance -o 成片/ --vertical --title-only**：封面（优先用 question 作前3秒）+ 字幕 + **完整去语助词** + 竖屏裁剪，直接输出到 `成片/`，文件名为标题
+- **soul_enhance -o 成片/ --vertical --title-only**：**文件名 = 封面标题 = highlights 的 title**（去杠：`：｜、—、/` 等替换为空格），名字与标题一致、无序号无杠；字幕烧录（随语音走动）；完整去语助词；竖屏裁剪直出到 `成片/`

 ---

@@ -52,7 +52,7 @@

 ## 五、成片：封面 + 字幕 + 竖屏

- **封面**：竖屏 498×1080 内**不超出界面**；**半透明质感**（背景 alpha=165，透出底层画面）；深色渐变（墨绿→绿）、左上角 Soul logo、标题文字**严格居中**且左右留白 44px，多行自动换行不裁切。透明度在 `soul_enhance.py` 中由 `VERTICAL_COVER_ALPHA` 调节（0～255）。
+- **封面**：竖屏 498×1080 内**不超出界面**；**半透明质感**（背景 alpha=165）；深色渐变、左上角 Soul logo；**封面显示标题 = 成片文件名 = highlights.title**（去杠后一致，无 `：｜—/`、无序号）；标题文字严格居中、多行自动换行。透明度由 `VERTICAL_COVER_ALPHA` 调节。
 - **字幕**：封面结束后才显示，**居中**在竖屏内；烧录用**图像 overlay**（每张字幕图 `-loop 1` + `enable=between(t,a,b)`），若系统 FFmpeg 带 libass 可改用 SRT+subtitles 滤镜；语助词由 soul_enhance 统一清理。重新加字幕时加 `--force-burn-subs`。
 - **竖屏**：498×1080，crop 参数与 `参考资料/竖屏中段裁剪参数说明.md` 一致

--- a/03_卡木（木）/木叶_视频内容/视频切片/参考资料/热点切片_标准流程.md
+++ b/03_卡木（木）/木叶_视频内容/视频切片/参考资料/热点切片_标准流程.md
@@ -66,8 +66,16 @@

 **只保留两个目录**：**切片**、**成片**。其他中间目录不保留。

+**命名与标题统一**：成片文件名 = 封面显示标题 = `highlights.json` 的 `title`；对 title 做「去杠」（`：｜、—、/` 等替换为空格），保证无序号、无多余符号，名字与标题一致。
+
 ---

+## 本地处理说明（与剪映逆向分析一致）
+
+使用**本地管线**处理视频，不依赖剪映二进制：MLX Whisper 转录 → 高光/时间节点（highlights.json）→ batch_clip 切片 → soul_enhance（去语助词+封面+字幕）。封面标题**不显示 123 等序号**，仅显示高光/提问文案。
+
+参考：`剪映_智能剪口播与智能片段分割_逆向分析.md` 第五节「自实现建议」。
+
 ## 命令速查（112 场示例）

 ```bash
@@ -76,6 +84,6 @@
 # 3. 切片
 python3 batch_clip.py -i "原视频.mp4" -l highlights.json -o 切片/ -p soul112

-# 4～5. 成片（去语助词+封面+字幕）
+# 4～5. 成片（去语助词+封面+字幕，覆盖原成片）
 python3 soul_enhance.py -c 切片/ -l highlights.json -t transcript.srt -o 成片/ --vertical --title-only --force-burn-subs
 ```
--- a/03_卡木（木）/木叶_视频内容/视频切片/脚本/batch_clip.py
+++ b/03_卡木（木）/木叶_视频内容/视频切片/脚本/batch_clip.py
@@ -7,6 +7,7 @@
 import argparse
 import json
 import os
+import re
 import subprocess
 import sys
 from pathlib import Path
@@ -59,9 +60,20 @@ def _is_mostly_chinese(text: str) -> bool:
    return chinese / max(1, len(text.strip())) > 0.3


+def _title_no_slash(s: str) -> str:
+    """标题去杠：：｜、—、/ 等替换为空格，与 soul_enhance 一致"""
+    if not s:
+        return s
+    s = str(s).strip()
+    for c in "：:｜|—－-/、":
+        s = s.replace(c, " ")
+    s = re.sub(r"\s+", " ", s).strip()
+    return s
+
+
 def sanitize_filename(name: str, max_length: int = 50, chinese_only: bool = True) -> str:
-    """清理文件名，统一简体中文；若含英文则仅保留中文部分"""
-    name = _to_simplified(str(name))
+    """清理文件名，先标题去杠，再仅保留中文、空格、_-"""
+    name = _title_no_slash(name) or _to_simplified(str(name))
    safe_chars = []
    for c in name:
        if c in " _-" or "\u4e00" <= c <= "\u9fff":
--- a/03_卡木（木）/木叶_视频内容/视频切片/脚本/identify_highlights.py
+++ b/03_卡木（木）/木叶_视频内容/视频切片/脚本/identify_highlights.py
@@ -2,8 +2,8 @@
 # -*- coding: utf-8 -*-
 """
 高光识别 - AI 分析视频文字稿，输出高光片段 JSON
-级联：Ollama(卡若AI本地) → 规则备用
-只用已有能力，不依赖 Gemini/Groq
+级联：API 优先（当前可用最佳模型）→ Ollama 本地 → 规则备用
+API 使用 OPENAI_API_BASE/KEY/MODEL 或 OPENAI_API_BASES/KEYS/MODELS（逗号分隔）故障切换。
 """
 import argparse
 import json
@@ -17,6 +17,8 @@ DEFAULT_CTA = "关注我，每天学一招私域干货"
 CLIP_COUNT = 15
 MIN_DURATION = 60   # 最少 1 分钟
 MAX_DURATION = 300  # 最多 5 分钟
+# API 默认模型：优先用当前可用最佳（可被 OPENAI_MODEL / OPENAI_MODELS 覆盖）
+DEFAULT_API_MODEL = "gpt-4o"


 def parse_srt_segments(srt_path: str) -> list:
@@ -250,6 +252,62 @@ def _ensure_chinese_highlights(data: list) -> list:
 OLLAMA_MODELS = ["qwen2.5:3b", "qwen2.5:1.5b"]  # 优先 3b，能力更强


+def _split_csv(s: str) -> list:
+    return [x.strip() for x in (s or "").split(",") if x.strip()]
+
+
+def _build_api_provider_queue() -> list:
+    """
+    构建 API 接口队列：OPENAI_API_BASES/KEYS/MODELS 或单接口 OPENAI_API_BASE/KEY/MODEL。
+    返回 [{"base_url", "api_key", "model"}, ...]，无配置时返回空列表。
+    """
+    bases = _split_csv(os.environ.get("OPENAI_API_BASES", ""))
+    keys = _split_csv(os.environ.get("OPENAI_API_KEYS", ""))
+    models = _split_csv(os.environ.get("OPENAI_MODELS", ""))
+    single_base = (os.environ.get("OPENAI_API_BASE") or "https://api.openai.com/v1").strip()
+    single_key = (os.environ.get("OPENAI_API_KEY") or "").strip()
+    single_model = (os.environ.get("OPENAI_MODEL") or DEFAULT_API_MODEL).strip() or DEFAULT_API_MODEL
+    queue = []
+    if bases:
+        for i, b in enumerate(bases):
+            key = keys[i] if i < len(keys) and keys[i] else single_key
+            model = models[i] if i < len(models) and models[i] else single_model
+            if b and key:
+                queue.append({"base_url": b.rstrip("/"), "api_key": key, "model": model})
+    elif single_key:
+        queue.append({"base_url": single_base.rstrip("/"), "api_key": single_key, "model": single_model})
+    return queue
+
+
+def call_openai_api(transcript: str, clip_count: int, provider: dict) -> str:
+    """调用 OpenAI 兼容 API（Chat Completion），使用指定 base_url / api_key / model。"""
+    try:
+        from openai import OpenAI
+    except ImportError:
+        raise RuntimeError("未安装 openai 库，请执行: pip install openai")
+    prompt = _build_prompt(transcript, clip_count)
+    system = (
+        "你是短视频策划师。用户会提供视频文字稿，你只输出一个 JSON 数组。"
+        "若某片段内有人提问（观众/连麦者问的问题），必须提取提问原文填 question，且 hook_3sec 用该提问（前3秒先展示提问再回答）；无提问则 hook_3sec 用金句/悬念。"
+        "格式含 title, start_time, end_time, hook_3sec, cta_ending, transcript_excerpt, reason；有提问时加 question。"
+        "禁止输出任何非 JSON 内容。"
+    )
+    client = OpenAI(api_key=provider["api_key"], base_url=provider["base_url"])
+    resp = client.chat.completions.create(
+        model=provider["model"],
+        messages=[
+            {"role": "system", "content": system},
+            {"role": "user", "content": prompt},
+        ],
+        temperature=0.2,
+        max_tokens=8192,
+    )
+    content = (resp.choices[0].message.content or "").strip()
+    if not content:
+        raise RuntimeError("API 返回空内容")
+    return content
+
+
 def call_ollama(transcript: str, clip_count: int = CLIP_COUNT, model: str = "qwen2.5:3b") -> str:
    """调用卡若AI本地模型（Ollama），使用 chat 接口避免对话式误判"""
    import requests
@@ -301,23 +359,47 @@ def main():
    if len(text) < 100:
        print("❌ 文字稿过短，请检查 SRT 格式", file=sys.stderr)
        sys.exit(1)
-    # 级联：Ollama 3b → 1.5b → 规则备用（--require-ai 时不用规则）
+    # 级联：API 优先（当前可用最佳模型）→ Ollama → 规则备用（--require-ai 时不用规则）
    data = None
    raw = ""
-    for model in OLLAMA_MODELS:
+    api_queue = _build_api_provider_queue()
+    for provider in api_queue:
        try:
-            print(f"正在调用 Ollama {model} 分析高光片段...")
-            raw = call_ollama(text, args.clips, model)
+            print(f"正在调用 API {provider.get('model', '?')} 分析高光片段...")
+            raw = call_openai_api(text, args.clips, provider)
            if not raw:
-                raise ValueError("模型返回空")
+                raise ValueError("API 返回空")
            data = _parse_ai_json(raw)
            if data and isinstance(data, list) and len(data) > 0:
-                print(f"  ✓ {model} 成功，识别 {len(data)} 段")
+                print(f"  ✓ API ({provider.get('model', '?')}) 成功，识别 {len(data)} 段")
                break
        except Exception as e:
-            print(f"  {model} 失败: {e}", file=sys.stderr)
+            print(f"  API ({provider.get('model', '?')}) 失败: {e}", file=sys.stderr)
            if raw:
                print(f"  返回预览: {str(raw)[:400]}...", file=sys.stderr)
+            data = None
+    if (not data or not isinstance(data, list)) and not api_queue:
+        pass  # 未配置 API，继续尝试 Ollama
+    elif data and isinstance(data, list) and len(data) > 0:
+        pass  # API 已成功，保持 data
+    else:
+        data = None
+    if not data or not isinstance(data, list):
+        for model in OLLAMA_MODELS:
+            try:
+                print(f"正在调用 Ollama {model} 分析高光片段...")
+                raw = call_ollama(text, args.clips, model)
+                if not raw:
+                    raise ValueError("模型返回空")
+                data = _parse_ai_json(raw)
+                if data and isinstance(data, list) and len(data) > 0:
+                    print(f"  ✓ {model} 成功，识别 {len(data)} 段")
+                    break
+            except Exception as e:
+                print(f"  {model} 失败: {e}", file=sys.stderr)
+                if raw:
+                    print(f"  返回预览: {str(raw)[:400]}...", file=sys.stderr)
+                data = None
    if not data or not isinstance(data, list):
        if getattr(args, "require_ai", False):
            print("❌ 必须用 AI 识别，当前无可用模型或解析失败", file=sys.stderr)
--- a/03_卡木（木）/木叶_视频内容/视频切片/脚本/soul_enhance.py
+++ b/03_卡木（木）/木叶_视频内容/视频切片/脚本/soul_enhance.py
@@ -183,14 +183,26 @@ def draw_text_with_outline(draw, pos, text, font, color, outline_color, outline_
    # 主体
    draw.text((x, y), text, font=font, fill=color)

+def _normalize_title_for_display(title: str) -> str:
+    """标题去杠、更清晰：将 ：｜、—、/ 等替换为空格"""
+    if not title:
+        return ""
+    s = _to_simplified(str(title).strip())
+    for char in "：:｜|—－-/、":
+        s = s.replace(char, " ")
+    s = re.sub(r"\s+", " ", s).strip()
+    return s
+
+
 def sanitize_filename(name: str, max_length: int = 50) -> str:
-    """成片文件名：仅保留中文、空格、_-，与 batch_clip 一致"""
-    name = _to_simplified(str(name))
+    """成片文件名：先标题去杠，再仅保留中文、空格、_-"""
+    name = _normalize_title_for_display(name) or _to_simplified(str(name))
    safe = []
    for c in name:
        if c in " _-" or "\u4e00" <= c <= "\u9fff":
            safe.append(c)
    result = "".join(safe).strip()
+    result = re.sub(r"\s+", " ", result).strip()
    if len(result) > max_length:
        result = result[:max_length]
    return result.strip(" _-") or "片段"
@@ -416,9 +428,19 @@ def _draw_vertical_gradient(draw, width, height, top_rgb, bottom_rgb, alpha=255)
        draw.rectangle([0, y, width, y + 1], fill=(r, g, b, alpha))


+def _strip_cover_number_prefix(text):
+    """封面标题不显示序号：去掉开头的 1. 2. 01、切片1、123 等"""
+    if not text:
+        return text
+    text = re.sub(r'^\s*切片\s*\d+\s*[\.\s、：:]*\s*', '', text)
+    text = re.sub(r'^\s*\d+[\.\s、：:]*\s*', '', text)
+    return text.strip()
+
+
 def create_cover_image(hook_text, width, height, output_path, video_path=None):
-    """创建封面贴片。竖屏 498x1080 时：高级渐变背景、文字严格在界面内居中不超出、左上角 Soul logo。"""
+    """创建封面贴片。竖屏 498x1080 时：高级渐变背景、文字严格在界面内居中不超出、左上角 Soul logo；封面不显示 123 等序号。"""
    hook_text = _to_simplified(str(hook_text or "").strip())
+    hook_text = _strip_cover_number_prefix(hook_text)
    if not hook_text:
        hook_text = "精彩切片"
    style = STYLE['cover']
@@ -725,12 +747,13 @@ def enhance_clip(clip_path, output_path, highlight_info, temp_dir, transcript_pa
    
    print(f"  分辨率: {width}x{height}, 时长: {duration:.1f}秒")
    
-    # 前3秒优先用「提问问题」：有 question 则封面/前贴先展示提问，再播回答
-    hook_text = highlight_info.get('question') or highlight_info.get('hook_3sec') or highlight_info.get('title') or ''
-    if not hook_text and clip_path:
+    # 封面与成片文件名统一：都用主题 title（去杠），名字与标题一致、无杠更清晰
+    raw_title = highlight_info.get('title') or highlight_info.get('hook_3sec') or ''
+    if not raw_title and clip_path:
        m = re.search(r'\d+[_\s]+(.+?)(?:_enhanced)?\.mp4$', os.path.basename(clip_path))
        if m:
-            hook_text = m.group(1).strip()
+            raw_title = m.group(1).strip()
+    hook_text = _normalize_title_for_display(raw_title) or raw_title or '精彩切片'
    cover_duration = STYLE['cover']['duration']
    
    # 竖屏成片：封面/字幕按 498x1080 做，叠在裁切区域，文字与字幕在竖屏上完整且居中