REVOXELSEG_DICOM/工程分析/实现方案-2026-05-21-15-50-21.md

实现方案：系统使用视频配音版生成

实现方案文档路径：工程分析/实现方案-2026-05-21-15-50-21.md

修改目标

生成 5 分钟版和 10 分钟版系统使用视频的中文配音成片，并保证音视频最终时长一致。

涉及路径

• 视频配音/基于模型逆向体素化及DICOM分割标注系统-使用视频-5min版.mp4
• 视频配音/基于模型逆向体素化及DICOM分割标注系统-使用视频-10min版.mp4
• 视频配音/配音生成工作流-Ubuntu-Agent.md
• 视频配音/Tools_scripts_XunFei-Ubuntu/
• 视频配音/01_scripts/
• 视频配音/02_audio/
• 视频配音/04_intermediate/
• 视频配音/05_outputs/

技术路线

1. 使用 ffprobe 获取两个视频的准确时长、分辨率、帧率和音轨信息。
2. 抽样生成 contact sheet，快速阅览视频内容与操作流程。
3. 根据画面内容分别撰写 5 分钟和 10 分钟配音稿。
4. 优先检查讯飞 TTS 环境变量；当前环境缺少讯飞凭证时，使用已安装的 edge-tts 生成中文 MP3。
5. 将 TTS 音频规范化为 48kHz stereo WAV。
6. 使用 ffmpeg 通过 apad 与 atrim 将旁白音频严格对齐视频时长。
7. 将原视频静音并合入新旁白，输出 H.264/AAC MP4。
8. 使用 ffprobe 校验最终视频格式、音轨和时长差。

执行步骤

• 创建配音工作子目录。
• 写入 配音稿-5min.md 与 配音稿-10min.md。
• 对配音稿做 TTS 干跑或等效段落检查。
• 使用 edge-tts 分别生成原始旁白音频。
• 根据视频时长生成对齐后的 WAV 音轨。
• 用 ffmpeg -map 0:v:0 -map 1:a:0 -shortest 合成配音版视频。
• 对原始视频、旁白音频、对齐音频和最终视频做时长比对。

兼容性与回滚方案

• 原始视频不修改，输出文件单独放在 05_outputs/。
• 如后续提供讯飞凭证，可复用配音稿重新运行 Tools_scripts_XunFei-Ubuntu 的讯飞脚本生成更接近指定工作流的音色。
• 若用户希望调整语气或文案，只需改 01_scripts/ 下对应配音稿并重新生成音频与合成视频。

预计文件变更

• 新增视频配音脚本、音频、最终视频和校验记录。
• 新增三份工程分析文档并追加 经验记录.md。

提交与部署策略

• 本次不需要重新部署 WebSite，因为不修改程序服务。
• 按工作流提交工程分析文档备份，避免把大体积视频产物混入 Git 提交。