# 需求分析：系统使用视频配音版生成

开始时间：2026-05-21-15-50-21

## 原始需求摘要

用户要求阅读 `视频配音/` 中两个当前系统使用视频：

- `基于模型逆向体素化及DICOM分割标注系统-使用视频-5min版.mp4`
- `基于模型逆向体素化及DICOM分割标注系统-使用视频-10min版.mp4`

并参考 `配音生成工作流-Ubuntu-Agent.md` 生成带配音的最终视频。要求配音文本、音频与视频长度一致，避免出现视频结束后仍有声音，或声音结束后视频继续播放的情况。

## 业务目标

- 为 5 分钟版和 10 分钟版系统使用视频生成中文旁白。
- 输出两个带配音的 MP4 成片。
- 最终成片音轨与画面时长严格对齐。
- 生成过程保留配音稿、音频和校验记录，便于后续复用与调整。

## 输入与输出

输入：

- 两个原始系统使用视频。
- `视频配音/配音生成工作流-Ubuntu-Agent.md`。
- `视频配音/Tools_scripts_XunFei-Ubuntu/` 中的配音与合成工具。

输出：

- 5 分钟版配音稿、音频和配音成片。
- 10 分钟版配音稿、音频和配音成片。
- 本次工程分析记录与测试结果。

## 影响范围

- 新增 `视频配音/` 下的配音稿、音频、中间文件和最终视频。
- 新增本次 `工程分析/` 文档，追加经验记录。
- 不修改 WebSite 业务代码。

## 关键约束

- 不覆盖原始视频。
- 最终视频需去除原视频声音，只保留新旁白。
- 音频总时长必须和输出视频时长一致。
- 当前环境没有 `XF_APPID`、`XF_APIKEY`、`XF_APISECRET`，若无法调用讯飞 TTS，则使用本机可用中文 TTS 方案完成交付，并记录偏差。

## 风险点

- TTS 服务网络或凭证不可用导致无法按讯飞流程生成。
- 旁白文案长度与视频长度差距过大，会导致音频拉伸或静音过多。
- 大视频合成耗时较长，需用 `ffprobe` 校验最终时长和音轨。

## 默认假设

- 允许在讯飞凭证缺失时使用本机已有 `edge-tts` 作为替代 TTS 引擎。
- 输出视频可放在 `视频配音/05_outputs/`，无需覆盖原始视频。