simonkoson
117 lines
3.1 KiB
Markdown
117 lines
3.1 KiB
Markdown
# Doco - TPS 中台终版文稿生成子模块
|
|
|
|
> 央视《军事科技》栏目 - 终版文稿自动生成流水线
|
|
|
|
## 项目状态
|
|
|
|
**当前 Phase: P1** - 视频双路拆分预处理
|
|
|
|
## 功能概述
|
|
|
|
Doco 将一期《军事科技》节目视频拆分为两路输入,供下游三方融合(P3)使用:
|
|
|
|
| 输出 | 规格 | 存放位置 |
|
|
|---|---|---|
|
|
| B 稿 | 带时间戳的 txt,`[Nm Ns] 句子`格式 | `work/b_manuscript.txt` |
|
|
| 音频 | 16kHz / 单声道 / 16bit WAV | `work/audio_16k.wav` |
|
|
| 关键帧索引 | JSON | `work/keyframes.json` |
|
|
|
|
## 系统依赖
|
|
|
|
- **Python >= 3.12**
|
|
- **ffmpeg >= 4.x** (必须安装并加入 PATH)
|
|
- Windows 下载: https://ffmpeg.org/download.html
|
|
- macOS: `brew install ffmpeg`
|
|
- Linux: `apt install ffmpeg`
|
|
|
|
## 安装
|
|
|
|
```bash
|
|
# 1. 克隆仓库后进入 doco 目录
|
|
cd doco
|
|
|
|
# 2. 安装依赖
|
|
pip install -e .
|
|
|
|
# 3. 配置凭证
|
|
cp .env.example .env
|
|
# 编辑 .env,填入三组 API 凭证
|
|
```
|
|
|
|
## 凭证配置
|
|
|
|
Doco 使用三组独立凭证,互不混用:
|
|
|
|
| 服务 | 用途 | 申请地址 |
|
|
|---|---|---|
|
|
| 讯飞开放平台 - 录音文件转写(标准版) | 音频转文字 | https://console.xfyun.cn/ |
|
|
| DeepSeek Vision | OCR 识别 | https://platform.deepseek.com/ |
|
|
| Anthropic Claude API | AI 融合层(P3) | https://console.anthropic.com/ |
|
|
|
|
> 注意: 讯飞要用"录音文件转写标准版",不要用"大模型版"
|
|
|
|
## P1 使用方法
|
|
|
|
### 准备素材目录
|
|
|
|
```
|
|
programs/
|
|
└── ep001_20260612_fangkong_fandao/
|
|
└── source/
|
|
└── video.mp4 ← 放入节目视频
|
|
```
|
|
|
|
> video.mp4 由制片人放入,不放进 git
|
|
|
|
### 运行拆分
|
|
|
|
```bash
|
|
doco split \
|
|
--episode-id ep001_20260612_fangkong_fandao \
|
|
--input-video programs/ep001_20260612_fangkong_fandao/source/video.mp4 \
|
|
--output-dir programs/ep001_20260612_fangkong_fandao/work/
|
|
```
|
|
|
|
### 输出产物
|
|
|
|
```
|
|
programs/ep001_20260612_fangkong_fandao/work/
|
|
├── frames/ # 抽出的所有帧(临时)
|
|
├── audio_16k.wav # 音频(16kHz/单声道/16bit)
|
|
├── b_manuscript.txt # B 稿([Nm Ns] 句子格式)
|
|
└── keyframes.json # 关键帧索引
|
|
```
|
|
|
|
## P1 验收标准
|
|
|
|
1. `work/b_manuscript.txt` 格式为 `[Nm Ns] 句子`,每行一句
|
|
2. `work/audio_16k.wav` 规格为 16kHz/单声道/16bit,能被讯飞 ASR 接收
|
|
3. `work/keyframes.json` 字段符合定义
|
|
|
|
## 目录结构
|
|
|
|
```
|
|
doco/
|
|
├── src/
|
|
│ ├── __init__.py
|
|
│ ├── cli.py # CLI 入口
|
|
│ ├── video_split.py # P1 核心:视频双路拆分
|
|
│ ├── asr_adapter.py # 讯飞 ASR 适配层
|
|
│ └── ocr_adapter.py # P2:DeepSeek Vision OCR
|
|
├── tests/
|
|
│ ├── test_video_split.py # 单元测试
|
|
│ └── fixtures/
|
|
│ └── mini_test.mp4 # 迷你测试视频
|
|
├── docs/
|
|
├── .env.example # 凭证模板
|
|
├── README.md
|
|
└── pyproject.toml
|
|
```
|
|
|
|
## 相关文档
|
|
|
|
- Brief: `docs/doco/Doco子项目_Brief.md`
|
|
- 设计文档: `docs/doco/doco_project_design.md`
|
|
- 讯飞接入笔记: `docs/doco/doco_xfyun_integration_notes.md`
|
|
- 主项目回复: `docs/doco/主project对Doco_PRDv2的回复.md`
|