Skip to content
cutebug0523Public

About

🎬 CLI-first 带货短视频批量生产内核 — 入库·语义召回·文案·配音·字幕·渲染·QA,一条命令一天150条

Topics

Resources

Stars

0 stars

Watchers

0 watching

Forks

Repository files navigation

🎬 Voah

CLI-first 带货短视频批量生产内核
素材入库 · 语义召回 · 文案 · 配音 · 字幕 · 渲染 · QA —— 一条命令,一天 150 条



简体中文 · English · 日本語



status cli worker desktop ai license


✨ 这是什么

Voah 把带货短视频的整条生产流程,沉淀成一套稳定、可复跑、可观测的 voah 命令层。

不是"让 AI 帮你剪一条",而是工业化的批量生产内核:每个素材被结构化入库、向量化、按语义精准召回;每条成片从文案、配音、选片、字幕到渲染、QA 全程落盘、可追溯、可断点重跑。桌面端只是壳——真正的生产能力在 CLI,命令行能跑通的,桌面端、批处理、服务器都能跑。

一条文案讲"倒水测试妆面不脱",Voah 会从你的素材库里精准召回真正在泼水的那一帧,而不是一个看起来像的大头。

🧠 核心理念

原则 含义
CLI 是生产真源 所有业务逻辑在 voah 命令层,不存在第二套生产逻辑
产物先于界面 每一步落盘,不靠进程内变量或 UI 状态承接
可追溯 · 可复跑 每个产物记录 inputs/outputs/QA/下一步消费者,支持从任意阶段断点重跑
Secret 不进产物 API key 只从本机私有配置读取,绝不写入 manifest/日志/示例
QA Gate 守门 默认做时长、碎帧、字幕同源、素材覆盖等本地校验;高成本 Omni 对齐需显式开启

🏗️ 生产管线

flowchart LR
    A[原片素材] --> B[intake 入库]
    B -->|ffprobe·切点·Omni理解·半开裁切·child细化·向量化| C[(shot_index<br/>语义索引)]
    C --> D[copy 文案]
    D --> E[tts 配音]
    E -->|audio_sections 音频主轴| F[retrieve 召回]
    F -->|多通道向量+M3精选+硬过滤| G[subtitle 字幕]
    G --> H[render 渲染]
    H --> I[qa 对齐校验]
    I --> J[✅ 成片]

    style C fill:#eef2ff,stroke:#6366f1
    style J fill:#dcfce7,stroke:#16a34a
Loading

关键设计:TTS 先定真实音频时长与分段,再按音频语义召回素材——时间线贴着配音主轴走,不会被后期配音长度打乱。

🎯 能力一览

  • 🎞️ 素材入库:ffmpeg 视觉切点 → Omni(Qwen3.5-Omni)story unit 理解 → child 级精细化 → 半开区间裁切(防碎帧)→ 原生视频向量化(Qwen3-VL-Embedding 2560 维)
  • 🔍 语义召回:多通道向量(视频/画面/语义/ASR/OCR/标签)粗召回 → MiniMax M3 精选 → required_visual 硬过滤 → child 级精准对位
  • ✍️ 文案 + 配音:MiniMax M3 写稿(字数→时长校准)→ MiniMax TTS(中文读法归一、营销数字处理)
  • 🔥 字幕渲染:HyperFrames 工程化字幕(动效/高亮)+ ffmpeg PNG 叠加兜底,像素级换行不溢出
  • 🛡️ QA Gate:时长、碎帧、字幕同源、素材覆盖等本地校验;需要时可用 --run-omni 追加 Omni 音画对齐
  • 📦 批量队列:并发上限、单条失败不阻塞、断点续跑、合格成片清单导出

🚀 快速开始

没有全局安装 voah 时,把下面命令里的 voah 替换成:

node cli/src/bin/voah.js
# 1. 环境自检(工具链 + 模型 key)
node cli/src/bin/voah.js doctor --workspace .

# 2. 素材入库
voah intake run --product my-product --source-dir ./原片/my-product --limit 3

# 3. 单条成片
voah task create --product my-product --intake-run <intake_dir> --target-duration 30
voah task run <task_dir>

# 4. 批量生产
voah batch run --product my-product --intake-run <intake_dir> --count 20 --concurrency 3

桌面端(Electron 工作台,给员工的低心智界面):

./dev.sh

当前唯一桌面端是 desktop/voah-studio;历史实验壳已删除。桌面端只负责提交参数、展示 manifest/日志和调 CLI,不保留第二套生产编排。

📟 命令总览

voah doctor                          环境自检
voah config get|set                  本机私有配置(key 不入库)
voah product create|list|inspect     产品库
voah intake run                      素材入库 + 结构化 + 向量化
voah task create|run [--from stage]  单任务全流程 / 断点重跑
voah copy|tts|retrieve|subtitle|render|qa run   单阶段复跑
voah tts preview                     配音试听
voah batch run|pause|resume          批量队列
voah resource upload|cleanup         临时 OSS 资源层

🧪 验证

python3 -m pip install -r requirements.txt
cd cli && npm test
cd desktop/voah-studio && node --test test/voahService.test.js && npm run build
python3 -m unittest discover -s tests -p 'test_voah_*.py'

🧩 技术栈

层 技术
CLI 总控 Node.js(零依赖,≥20)
Worker Python 3(17 个单阶段 worker)
桌面端 Electron + Vite + React 19 + Tailwind + zustand
视频理解 Qwen3.5-Omni-Plus
向量化 / 召回 Qwen3-VL-Embedding(2560 维原生视频向量)
文案 / 选片 MiniMax M3
配音 MiniMax TTS
字幕渲染 HyperFrames + ffmpeg

📂 仓库结构

cli/        voah CLI(命令骨架 + 核心编排 + 服务层 + schema)
scripts/    Python worker(入库/文案/TTS/召回/字幕/渲染/QA)
desktop/    voah-studio 桌面工作台(Electron + React)
runtime/    repo 内置运行时 bundle(当前含入库和召回必需 skill 脚本)
docs/       工程文档、设计方案、方法论
tests/      测试

开发者上手与工程文档见 docs/AGENTS-onboarding.md 与 docs/README.md。

📄 License

MIT © cutebug0523

Built for creators who ship at scale. 🚀

About

🎬 CLI-first 带货短视频批量生产内核 — 入库·语义召回·文案·配音·字幕·渲染·QA,一条命令一天150条

Topics

Resources

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages