# 执行结果 — run_001（video_use 管线首条测试片）

- 状态：**COMPLETED**（QC 全绿，成品已交付）
- 项目编号：`D:\AI_WORKSPACE\video_use\runs\run_001`
- 视频类型：AI 知识口播竖屏（9:16 1080×1920 @ 30fps，52s）
- 使用工作流：`dispatcher.py` 调度 + `voice_node/avatar_node/graphics_node/compose_node/render_node/qc_node`
- 使用模型：IndexTTS-2（声音克隆）、FLUX.1 Dev fp8（人物母图）、ACE-Step 1.5（BGM）
- 最终分辨率：1080×1920
- 最终帧率：30fps
- 最终时长：52.0s
- 自动重试次数：2（配音分块策略重试 1 次；母图换 FLUX+英文提示词重试 1 次）

## 最终文件

- 成品视频：`D:\AI_WORKSPACE\video_use\runs\run_001\07_final\final.mp4`
- 无字幕版本：`D:\AI_WORKSPACE\video_use\runs\run_001\07_final\final_nosub.mp4`
- 封面：`D:\AI_WORKSPACE\video_use\runs\run_001\07_final\cover.jpg`
- 字幕文件：`D:\AI_WORKSPACE\video_use\runs\run_001\04_graphics\subtitles.ass`
- 工作流JSON：`D:\AI_WORKSPACE\video_use\workflows\*.json` + `runs/run_001/logs/workflow_portrait_*.json`
- 参数文件：`D:\AI_WORKSPACE\video_use\runs\run_001\01_script\plan.json`
- 质检报告：`D:\AI_WORKSPACE\video_use\runs\run_001\08_qc\qc_report.md` / `.json`
- 日志：`D:\AI_WORKSPACE\video_use\runs\run_001\logs\run.log`

## 质量检查

- 文件有效性：✅ 52.0s / 1080×1920 / 3.96MB / h264+aac / 可播放
- 产品或人物一致性：✅ 人物母图通过 Kimi 视觉审核（五官自然、符合人设）；四视图身份卡已记录于 plan.json
- 画面稳定性：✅ 黑帧 0 / 静音 0 / 5 帧抽检全部无变形无糊脸无错字
- 音频：✅ mean -16.7dB / max -1.6dB（无削波，抖音响度达标）
- 字幕：✅ 简体文案原文 + whisper 时间轴对齐，≤18字/行，安全区内
- 已知限制：
  1. 克隆音色（IndexTTS-2）存在个别词发音偏差风险（whisper 转写出现同音字偏差，无法完全排除合成音质问题，建议人工试听确认；备选：`--fallback` 一键切 edge-tts）
  2. 数字人为 2.5D 运镜母片（MuseTalk 唇形同步后端已预留，环境未验证）
  3. 字幕时间轴为 whisper 句级对齐，词级精确落点待后续优化

## 执行说明

- 采用的关键策略：
  1. **声音先于画面**：先出连续母轨（52s），whisper 段边界作为分镜/字幕唯一时间轴
  2. **资产一次建库**：母图（FLUX）、克隆音色（IndexTTS-2 参考音频）、视觉 DNA（visual_dna.yaml）沉淀为持久资产，下次只换文案即可沿同一管线出片
  3. **人工门控**：配音听感/包装方案/小样/终检四道确认点（本次测试由我按门控规则逐项执行）
- 与原要求存在的差异：
  1. ElevenLabs → 本地 IndexTTS-2（无 API key，本地模型等价替代）
  2. HeyGen → 本地 2.5D 运镜母片（无 API key；MuseTalk 可插拔）
  3. 人物四视图身份卡 v1 仅记录文字信息，四视图生成留作资产建设二期
- 后续建议：
  1. 用真人 10-30s 干净录音重建克隆音色，对比验证发音
  2. 验证 MuseTalk 环境（python 3.10 + tensorflow 2.12），开启真实唇形同步
  3. 建立 personas/voices 资产库目录 + 四视图生成工作流
  4. 字幕词级时间戳（whisper word_timestamps）提升卡点精度