Video Forge

Video Forge — AI 视频生产线

关联 Feature: F138 Video Studio 技术收敛纪要: 2026-04-05 三猫收敛

Intent Gate：研究不是开机令

进入生产线前先判用户要解决的究竟是哪一个问题：

• 用户拿一个真实 thread、页面或旧片举例，只证明它是候选素材/证据，不自动授权把它选成宣传片主题。
• research 或 brief 未锁先走 agent-product-promo-director；需要近期外部参考时再由它调用 deep-research。只有用户明确转入 production 且主角/格式/beat sheet 已锁，才继续本 Skill。
• 意图模糊且开机会制造新素材时，留在可逆的 research/brief 层，并明确当前假设；不要用“先做个 rough cut 看看”代替方向判断。

失败史（2026-08-25）：用户最初要求研究真实 AI 产品宣传片的剪辑与叙事，团队却围绕一个 crime-wall 页面连续制作多版试片；后来即使修复了“PPT 化”的 motion 问题，仍然没有回答原问题。根因不是导演技巧不足，而是把 reference research 错路由成了 production。

Narrative Subject Gate：产品是主角，成果只是 proof

产品宣传片在写分镜前，先用一句话回答：观众看完应该想要哪个产品？

• 合格主语：用户的愿望进入产品 → 产品把它变成共享目标 → 猫猫在产品里记忆、接力、用工具、碰壁并纠错 → 共享工作区中的成果逐渐长出来。
• 成果只承担 proof：网页、报告、代码或图片证明前面的产品过程真的完成了工作；它们不能取代产品成为整支片的 hero。
• 视觉主线要持续留在产品世界中：thread、球权、记忆、工具状态、workspace 与人类反馈是连续动作，不是成品前的一组过场字卡。
• 替换测试：把片中的具体成果换成另一种成果，若故事就不再成立，说明 brief 卖的是那个成果，不是 Clowder AI。
• 创意主语、情绪与“像不像我们”由 operator 验收；同行 review 可以审事实、技术和证据纪律，不能替代创意 ground truth。低风险玩票式试验直接找 operator 校准，不用同行 review 代替 taste 判断。

任一项不成立 → 停在 brief，不进素材、分镜或渲染。

失败史（2026-08-25）：修正 Intent Gate 后的首版 hero blueprint 虽然写到了多猫协作，却仍让 crime-wall artifact 承担视觉高潮。operator 指出“我们卖的是自己的产品，不是做出来的那个东西”；根因是 brief 有过程词汇，但没有锁定叙事主语与创意验收者。

核心原则

视频职责要覆盖，但不默认拉多猫。 一只执行猫可以兼任编排、渲染与低风险技术 QA；只有风险路由要求独立验证、任务确实需要专长，或 operator 明确要求时才找其他猫。创意 ground truth 始终回 operator，不能用同行 review 替代。

• 主执行猫（当前持球猫）：video-spec 编排 + 渲染 + 对齐集成 + 自证
• 风险匹配的独立验证者（按需）：音画同步、事实、安全、schema 或发布风险
• operator：创意主语、情绪、剧本与成片验收；玩票/低风险试验直接走此通道

铁规矩

1. 全局音频，不段级切碎 — TTS 拿完整剧本一口气读完，保住情绪和呼吸感（KD-12）
2. 不赌 TTS 原生 timestamps — forced alignment 出时间戳（KD-10）
3. 拒绝暴力慢放 — 画面不够时：FREEZE_STYLIZED > B_ROLL > SLOW_MO（KD-14）
4. Contract 和 Renderer 解耦 — video-spec JSON 是真相源，Remotion/FFmpeg 是可替换渲染器
5. 镜头内部必须发生事情 — 产品片 / showcase 的主要叙事节点必须有主体、UI 或状态随时间变化；静帧上的推拉、平移、溶解只算镜头包装，不算动作素材
6. 产品是主角，成果只是 proof — 过程持续展示产品如何组织协作；成品只证明它做成了，不能抢走叙事主语

两条生产路径

两条路径共享同一套 segment contract + 渲染层。

开局参数（必须声明）

没有开局参数 = 审查没有标准。开工前必须和operator确认。

场景路由（路径 B）

审查 Gate（F 场景）

F1: 音画同步审查（QA/审查猫）

F2: 节奏/调性审查（视觉把关猫）

F2.5: Motion Evidence Gate（产品片 / showcase）

在预览渲染前，逐个主要叙事节点回答：画面内部发生了什么？

• 合格证据：真实录制的操作/反馈、purpose-recorded UI 状态变化、主体动作，或实际动画合成中的形变/接力/聚合。
• 不合格替代：对静态截图做 Ken Burns 推拉、横移、溶解、字幕入场；这些可以辅助动作，但不能独自承担动作。
• 若本轮要验证的是运镜、节奏或剪辑，预演必须包含真实时间变化；style frame / 静态分镜只能验证构图与美术，不能冒充 motion animatic。
• 任一主要节点没有 motion evidence → BLOCK 预览交付，回到素材补录或动效合成；不得再靠旁白、音乐或更多转场补偿。

失败史（2026-08-25 crime-wall）：连续两版用 viewport motion 移动录屏，第三版把六张精修静帧放上时间轴；技术检查均绿，但观感依次是“晕”“怪”“PPT”。共同根因是把 camera motion 当成了 subject motion。

F3: 内容审查（operator）

AI 视频生成（短片段素材）

当素材来源是 AI 生成（而非人工录制）时，使用可用的视频生成工具（如 MCP 提供的 text2video / image2video 能力）。

单段限制

AI 视频生成 API 通常有单次时长限制（如 4-6 秒）。不要试图用一次调用生成完整长视频。

多段生成策略

目标时长超过单次限制时：

1. 分镜拆段：按 video-spec 的 segment contract 拆分，每段一个生成任务
2. 逐段生成：每段独立 submit → poll → 获取 resultUrl
3. 下载素材：将各段视频下载到 docs/videos/{project}/assets/ 目录
4. FFmpeg 拼接：按 segment 顺序拼接，注意转场处理

   # 简单拼接（同编码格式）
   ffmpeg -f concat -safe 0 -i segments.txt -c copy output.mp4
   # 需要重编码时（不同分辨率/编码）
   ffmpeg -f concat -safe 0 -i segments.txt -c:v libx264 -crf 23 -c:a aac output.mp4
   

5. 预览拼接结果：用 rich block 内联播放（见「视频预览」章节）

注意事项

• 多段拼接必须过连续性合约（见下方「多段拼接连续性合约」）
• AI 生成的素材视为原始素材，后续配音/对齐/审查流程不变

多段拼接连续性合约

多段生成是正常的。假连续性不是。

拼接前先分类目标输出：

核心边界：concat、xfade、crop、grading 是收尾工具，不是连续性修复工具。源片段不兼容时，后处理可以打磨接缝，但不能把它当作连续性的证明。

Seam Review Gate（多段 pseudo-one-shot 必过）

成片后、final render 前，逐接缝回答 5 问：

1. 角色是否仍然是同一个？
2. 环境是否仍然是同一个场景？
3. 色温是否足够稳定？
4. 镜头方向是否连贯？
5. 运动是否暗示同一个动作，还是独立片段？

任一项 "否" → 不能宣称 pseudo-one-shot → 走降级路径（见 refs/continuity.md）。

详细的事前预测清单、降级路径和 15s 典型失败案例见 refs/continuity.md。

素材管理规范

目录结构

docs/videos/{project-name}/
├── asset-markers.md       ← 素材标注表（operator + 主执行猫共同编辑）
├── video-spec.json        ← segment contract（主执行猫生成）
├── voice-script.md        ← 配音剧本（主执行猫草稿 + operator确认）
└── assets/                ← 原始素材（gitignore, 仅本地）
    ├── 1-xxx.mov
    ├── 2-xxx.mov
    └── ...

素材压缩标准（入库前）

ffmpeg -i input.mov -c:v libx264 -crf 23 -c:a aac -b:a 128k output.mp4
# 目标：1080p, CRF 23, AAC 128k

粗标格式（operator填）

时间 | 画面内容
0:00 - 0:50 | operator在打字
0:50 - 1:20 | Ragdoll开始回复，1:20 Maine Coon跟上

retiming 策略优先级

当配音长度和画面长度不匹配时，按以下优先级选择策略：

绝对不允许 <0.7x 的慢放。 如果需要填充超过 30% 的时间差，必须用 B_ROLL 或 FREEZE_STYLIZED。

常见错误

视频预览（Console 内联播放）

生成的视频必须在 Console 中内联可看，不要只贴 URL 或本地路径。

优先级

1. 本地终稿 / /uploads/... URL → 优先用 kind:"file" rich block，mimeType:"video/mp4"。Web UI 会直接渲染内联 <video> 播放器，并进入 artifact 索引
2. 外部直链 URL（如云端生成结果）→ 可直接发 kind:"file"；若你明确要 autoplay muted，再退回 html_widget + <video>
3. 只有工作区本地文件、还没可访问 URL → 先放到 /uploads/...，再发 rich block；不要直接贴源码路径

示例：优先用 file rich block

cat_cafe_create_rich_block({
  block: JSON.stringify({
    id: "video-<唯一标识>",
    kind: "file",
    v: 1,
    url: "/uploads/final-cut.mp4",
    fileName: "final-cut.mp4",
    mimeType: "video/mp4"
  })
})

示例：外部直链需要 autoplay 时再用 html_widget

cat_cafe_create_rich_block({
  block: JSON.stringify({
    id: "video-<唯一标识>",
    kind: "html_widget",
    v: 1,
    title: "视频标题",
    height: 420,
    html: "<video controls autoplay muted playsinline style='width:100%;max-width:720px;border-radius:12px'><source src='<resultUrl>' type='video/mp4'></video>"
  })
})

注意事项

• file rich block 保证的是内联播放器；如果你要强制自动播放，再考虑 html_widget + 外部直链
• 本地视频目前没有图片那样的自动发布合约；要想稳定显示，先显式放到 /uploads/...
• 如果 create_rich_block 返回 stale_ignored，说明回调凭据过期（见 #1092），可尝试在消息文本中嵌入 ```cc_rich 格式作为降级
• 多段视频先用 FFmpeg 拼接成完整文件，再用一个 rich block 播放最终版

技术栈

Next Step

路径 B 完整流程跑通后 → quality-gate（自检）→ request-review（QA/审查猫审音画，视觉把关猫审节奏）