REVOXELSEG_DICOM/工程分析/测试方案-2026-05-21-15-50-21.md

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。