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
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。
| 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 |
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
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。
- 🎞️ 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
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。
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
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'| 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 |
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。
MIT © cutebug0523
Built for creators who ship at scale. 🚀