2026-05-21-15-50-21 记录系统使用视频配音生成

工程分析/测试方案-2026-05-21-15-50-21.md

@@ -0,0 +1,84 @@
+# 测试方案：系统使用视频配音版生成
+
+测试方案文档路径：`工程分析/测试方案-2026-05-21-15-50-21.md`
+
+## 静态检查
+
+- 检查原始视频是否存在且可被 `ffprobe` 识别。
+- 检查 `ffmpeg`、`ffprobe`、`python3`、TTS 工具是否可用。
+- 检查输出目录不覆盖原始视频。
+
+## 构建检查
+
+- 本次不涉及前端或后端构建。
+- 以音视频合成为构建动作，检查 `ffmpeg` 命令是否成功退出。
+
+## 关键业务场景验证
+
+- 5 分钟版视频生成带配音成片。
+- 10 分钟版视频生成带配音成片。
+- 原视频音轨被替换，不出现原声与旁白叠加。
+- 最终视频能被 `ffprobe` 识别为 H.264/AAC MP4。
+
+## 医学影像数据相关边界验证
+
+- 配音内容围绕 DICOM 影像、STL 模型、逆向分割映射、构件层级、位姿调整、项目库、导出和系统管理等功能展开。
+- 不在配音中暗示该演示系统已经完成真实临床诊断或自动诊断结论。
+
+## 音视频对齐验证
+
+- 读取原始视频时长。
+- 读取原始 TTS 音频时长。
+- 读取对齐后音频时长。
+- 读取最终配音视频时长。
+- 要求最终视频和最终音频流时长误差控制在 0.1 秒以内。
+
+## 部署验证
+
+- 本次不重新部署 WebSite。
+- 如需服务状态佐证，可读取当前健康接口。
+
+## Git/Gitea 备份验证
+
+- 只提交本次工程分析文档和经验记录。
+- 不把大体积 MP4/音频产物加入 Git。
+
+## 风险与回归关注点
+
+- 若 TTS 音频明显短于视频，通过 `apad` 补齐会在结尾产生无声段；需尽量让配音稿长度接近视频时长。
+- 若 TTS 音频长于视频，则通过 `atrim` 裁切会截断尾句；生成后需检查原始音频与目标时长差。
+- 合成后必须确认音频流存在，不能只检查视频文件存在。
+
+## 实际验证结果
+
+- 已确认 `ffmpeg`、`ffprobe`、`python3` 可用。
+- 当前环境未配置 `XF_APPID`、`XF_APIKEY`、`XF_APISECRET`，无法直接调用讯飞 TTS；本机已安装 `edge-tts`，本次使用 `zh-CN-XiaoxiaoNeural` 作为替代中文 TTS 引擎。
+- 已抽样生成并阅览 contact sheet：
+  - `视频配音/00_review_frames/5min_contact.jpg`
+  - `视频配音/00_review_frames/10min_contact.jpg`
+- 已生成配音稿与 TTS 文本：
+  - `视频配音/01_scripts/配音稿-5min版.md`
+  - `视频配音/01_scripts/配音稿-10min版.md`
+  - `视频配音/01_scripts/配音文本-5min版.txt`
+  - `视频配音/01_scripts/配音文本-10min版.txt`
+- 原始视频信息：
+  - 5min 版：视频流 `297.500s`，容器 `297.600s`，`1920x1080`，`50fps`。
+  - 10min 版：视频流 `594.980s`，容器 `595.072s`，`1920x1080`，`50fps`。
+- 原始 TTS 音频：
+  - 5min 版：`298.080s`，使用 `edge-tts --rate=-1%`。
+  - 10min 版：`592.632s`，使用 `edge-tts --rate=+1%`。
+- 为避免视频流结束后仍有声音，最终以视频流时长作为对齐目标，而不是容器时长：
+  - 5min 版 `atempo=1.00194958`，对齐后音轨 `297.500s`。
+  - 10min 版 `atempo=0.99605365`，对齐后音轨 `594.980s`。
+- 已生成最终配音视频：
+  - `视频配音/05_outputs/基于模型逆向体素化及DICOM分割标注系统-使用视频-5min版-配音版.mp4`
+  - `视频配音/05_outputs/基于模型逆向体素化及DICOM分割标注系统-使用视频-10min版-配音版.mp4`
+- `ffprobe` 校验最终视频：
+  - 5min 版：H.264 视频流 `297.500s`，AAC 音频流 `297.500s`，误差 `0.000s`。
+  - 10min 版：H.264 视频流 `594.980s`，AAC 音频流 `594.980s`，误差 `0.000s`。
+- `ffmpeg -v error -f null -` 解码检查：
+  - 5min 版通过。
+  - 10min 版通过。
+- 已写入校验记录：
+  - `视频配音/06_reports/配音生成校验-2026-05-21-15-50-21.md`
+- 本次仅生成视频配音产物，不修改 WebSite 服务代码；因此不重启服务，避免影响当前 Docker 访问。