智能素材拆条工坊 (Asset Hub)
1. 业务背景与创作者痛点
影视二创与短剧解说的第一步是素材整理。传统流程中,博主需要耗费数小时拖拽播放器进度条,手动记录每个高潮镜头的入点 (In-Point) 与出点 (Out-Point),极易造成遗漏且极其耗费精力。
素材拆条工坊 (Asset Hub) 通过本地轻量化 AI 算法,在导入素材的同时自动完成镜头切点探测、ASR 离线转写与情绪爆点密度分析,将长视频转化为可即时检索和调度的切片资产库。
2. 创作者实操 SOP
mermaid
flowchart TD
A[批量导入长视频] --> B[本地 Whisper 提取台词]
A --> C[视觉帧间差分与关键帧检测]
B & C --> D[多模态切片聚合]
D --> E[计算合格置信度 & 爆点密度]
E --> F[生成场景切片 / 角色特写 / 空镜素材]操作步骤
- 左侧目录导航:支持分类查看
场景切片、角色特写、空镜素材与原片音轨 ASR; - 快捷检索与标签过滤:
- 在搜索框输入台词关键词(如
“开枪”、“离婚”、“真相”)秒级定位对应切片; - 点击
打斗 🥊、悬疑 🔍、反转 🔄、高潮 💥情绪滤镜快速筛选镜头;
- 在搜索框输入台词关键词(如
- 右侧属性监看:
- 监看切片视频画面;
- 查看 AI 评估指标:
合格置信度 (Confidence %)与爆点密度 (Density pts); - 校验 ASR 原片台词转写内容;
- 一键工坊联动:点击「添加到剪辑时间轴」或「一键送入剧本工坊」。
3. 底层架构与数据契约
切片模型数据契约 (AssetClip)
typescript
export interface AssetClip {
id: string; // 切片唯一标识
title: string; // 镜头语义标题
duration: string; // 时长 (如 "00:18")
durationSec: number; // 秒数
resolution: string; // 分辨率 (如 "1080P" / "4K")
tags: string[]; // 标签 (如 ["高潮反转", "主角对峙"])
transcript: string; // ASR 转写台词内容
confidence: number; // 画面质量置信度 (0-100)
density: number; // 爆点指数密度 (0-100)
inPointSec: number; // 原片入点时间戳
outPointSec: number; // 原片出点时间戳
sourceFilePath: string; // 本地源文件绝对路径
}镜头切点与 ASR 对齐时序图
mermaid
sequenceDiagram
autonumber
actor User as 创作者
participant UI as Asset Hub 前端
participant Rust as Tauri 原生引擎
participant Whisper as 本地 Whisper ASR
participant FFmpeg as FFmpeg 解码器
User->>UI: 拖拽视频至批量导入区
UI->>Rust: 调用 invoke("import_and_slice_media", { filePath })
par 视觉切点提取
Rust->>FFmpeg: 执行场景变化探测 (select='gt(scene,0.4)')
FFmpeg-->>Rust: 返回关键切点时间戳列表
and 语音转写
Rust->>Whisper: 推理音频流并生成台词带时间戳
Whisper-->>Rust: 返回 VTT / SRT 结构化台词
end
Rust->>Rust: 融合视觉切点与台词段落,计算爆点分
Rust-->>UI: 返回切片实体数组 (AssetClip[])
UI->>User: 渲染中栏网格与高光标签4. 常见排错与调优技巧
- Q:导入 4K 巨型文件时转写缓慢?
A:进入设置开启 GPU 硬件加速,或将 Whisper 模型切换为tiny/base极速模式。 - Q:切片时间戳与台词存在轻微偏差?
A:在右侧属性检查栏中可直接双击入出点秒数进行微调校准。