AI Drama Studio — 当前项目技能规则

1. 读取顺序

开始任何项目任务前先读：

docs/00_短剧重做系统开发总纲.md
→ docs/01_十个模块详细设计.md
→ docs/02_工作流V2技术实现规范.md
→ docs/03_当前项目状态与验收.md
→ AGENTS.md
→ 相关当前代码和测试

历史文档规则见：

docs/99_历史文档说明.md

旧 Breakdown / Character / P/R/G 阶段文档仅用于回归和理解历史实现，不能覆盖当前中文正式文档。

2. 项目目标

原短剧
→ 拆镜头
→ 看懂剧情/人物/动作/镜头/对白
→ Final Character / Scene / Prop / Speaker
→ SourceDramaSnapshot
→ TargetCharacter / TargetScene / Voice
→ TargetDialogue / TTS / 真实语音时长
→ RemakeTimeline
→ GenerationSegment
→ Local MiniMax H3
→ QC / Retry / GenerationSelection
→ Lip Sync / 目标音轨 / 字幕 / 安全背景
→ EpisodeOutput
→ 人工看听验收

普通用户正式工作区只有：

Project
Review Center
Output

内部算法、Evidence、GenerationSegment、H3 Context、QC、Lip Sync、Audio Separation 默认不做顶层页面。

3. 10 个业务模块

1. 创建项目
2. 拆分原片
3. 看懂原片
4. 整理原片人物和场景
5. 固化原片事实
6. 设计目标版本
7. 生成目标对白和声音
8. 重排时间并准备生成
9. H3 重拍与质检
10. 后期和成片

开发新功能必须先说明属于哪个模块、输入是什么、正式输出是什么、下游怎么消费、完成条件是什么。

4. 当前最重要的数据边界

SourceDramaSnapshot

模块 6—10 唯一原片正式事实入口。

源 ASR / OCR / Shot facts 下游只读。

人物

Face / Detection != Character
Track != Character
LocalSubject != Final Character
Final Character != TargetCharacter

Character V10.1 保持 fail-closed，不为了减少人工问题降低身份门槛。

对白

SourceDialogueUtterance 1:N ShotDialogueProjection

一条完整对白跨多个 Shot，只保存一条完整业务对白，Shot 只保存投影和 offset。

TargetDialogue 按完整 dialogue group 生成，不按 Shot 投影复制。

5. 目标对白和时间规则

顺序固定：

翻译
→ 本土化
→ 最终目标台词
→ Target Speaker / Voice
→ TTS
→ 真实 speech duration
→ RemakeTimeline
→ GenerationSegment

禁止把目标语言硬塞进原片时长。

禁止先估算最终时长再把真实 TTS 强制适配进去。

可用时间策略包括：

KEEP
TRIM
CARRY_OVER_REACTION
EXTEND
HUMAN_REVIEW

6. H3 规则

Shot != GenerationSegment
GenerationAttempt != Selected Output

当前生成边界：

业务层
→ VideoGenerationProvider
→ MiniMaxH3Provider
→ H3RuntimeManager
→ local SGLang

H3 当前生成窗口：

4..15 秒

源 Reference Video 用于导演参考，必须去掉源音轨；Target TTS 是目标音频条件。

QC

GenerationAttempt
→ ffprobe
→ full ffmpeg decode
→ duration gate
→ Qwen3-VL semantic QC
→ PASS / RETRY / REVIEW
→ GenerationSelection

只有 GenerationSelection 能进入后期。

结构失败不能人工绕过；语义失败有限重试，禁止无限循环。

7. 后期规则

GenerationSelection
→ PostProductionSegment
→ EpisodeOutput

口型：

• 画外对白跳过 mouth edit；
• 单说话人可整段 LatentSync；
• 多脸必须先确认 Target Speaker identity，再做 ROI Lip Sync；
• 模型离线是 WAITING_RUNTIME；
• 身份不确定才是 LIP_SYNC_QC。

音频硬规则：

raw source audio 不能直接混入目标成片

安全背景流程：

源音频
→ separator
→ SourceDramaSnapshot dialogue windows 再次硬抑制
→ 目标时间映射
→ conservative mix / duck / limiter

背景音失败时保留目标对白-only有效输出，不阻塞 Episode。

8. Workflow V2 状态

阶段分开记录：

Validity
Readiness
Execution

只有：

Validity = CURRENT
Readiness = READY

才可下游消费。

Execution = SUCCEEDED 不等于业务完成。

上游 fingerprint 改变时，下游旧结果保留历史，但必须 STALE / SUPERSEDED，不能继续当 current。

9. 页面和任务

页面打开、刷新、切换：只 GET。

GET：

• 不写业务数据；
• 不创建 Task；
• 不关闭 Review Case；
• 不启动模型；
• 不隐式重算。

重任务：只有用户明确点击后才 POST。

任务必须服务端幂等，并逐步支持：

• Idempotency-Key；
• expected workflow revision；
• input fingerprint；
• checkpoint；
• heartbeat；
• retry limit；
• interrupted resume；
• current result reuse。

任务完成只刷新状态，不自动启动下一项重任务。

10. Review Center

人工审核只处理系统无法安全决定的根问题。

一个人物影响很多 Shot/对白时，只创建一个人物 Case；下游显示被阻塞。

人工处理必须：

写正式业务对象
→ Validator
→ 阻塞消失
→ Case RESOLVED

不能只把提醒设为 resolved。

Runtime offline 不创建人工内容 Case。

11. 当前开发优先级

P0 停止页面隐式任务 / GET 写入 / stale 误计数
P1 对白组+投影 / Person Mapping / Snapshot V2 / ReviewCase / FlowState
P2 只读 Validator
P3 幂等 + checkpoint + heartbeat + resume
P4 前端统一 Workflow Snapshot
P5 当前真实项目迁移 + 本地端到端验收

不要在 P0/P1 未收口时继续增加新的推测性后续业务层。

12. 验收纪律

必须分开记录：

代码是否实现
仓库测试是否通过
本地模型是否真实可用
真实项目是否真正跑通
用户是否真实看听并验收

不能用其中一种替代另一种。

当前事实以 docs/03_当前项目状态与验收.md 为准。