auto-save 2026-05-14 10:25 (~13)

.memory/worklog.json

@@ -1,12 +1,5 @@
 {
   "entries": [
-    {
-      "files_changed": 1,
-      "hash": "ffba726",
-      "message": "auto-save 2026-05-13 01:01 (~1)",
-      "ts": "2026-05-13T01:01:52+08:00",
-      "type": "commit"
-    },
     {
       "files_changed": 1,
       "hash": "f2d817d",
@@ -3315,6 +3308,13 @@
       "type": "session-heartbeat",
       "message": "Codex 会话活跃 · 最近命令：codex · 2 项未提交变更 · 最近提交：auto-save 2026-05-14 10:14 (~7)",
       "files_changed": 2
+    },
+    {
+      "ts": "2026-05-14T10:20:16+08:00",
+      "type": "commit",
+      "message": "auto-save 2026-05-14 10:20 (~7)",
+      "hash": "be1ae80",
+      "files_changed": 7
     }
   ]
 }

.project.json

@@ -1,7 +1,15 @@
 {
   "company" : "SKG",
   "created" : "2026-05-12",
-  "description" : "SKG AI 素材生产管线第二条思路验证：TK 链接 → 拆轨 → 关键帧≤10 + Gemini ASR\/翻译 → 接产品信息改写文案 → nano-banana-pro\/GPT Image 生图 → Seedance\/Kling\/Veo3 多模型生视频 → 合成带文案成品",
+  "credentials" : [
+    {
+      "description" : "MiniMax T2A 配音 API Key，本地开发只放 api/.env 的 MINIMAX_API_KEY，不入库",
+      "name" : "MINIMAX_API_KEY",
+      "storage" : "api/.env",
+      "type" : "api_key"
+    }
+  ],
+  "description" : "SKG AI 素材生产管线第二条思路验证：TK 链接 → 拆轨 → 目标化关键帧 + ASR\/翻译 → 接 SKG 产品信息改写口播 → MiniMax 配音 → nano-banana-pro\/GPT Image 生图 → Seedance\/Kling\/Veo3 多模型生视频 → 合成带文案成品",
   "kind" : "app",
   "name" : "SKG AI 素材管线 - TK 二创验证",
   "ownership" : "company",
@@ -20,7 +28,7 @@
     }
   ],
   "stack" : [
-    "Next.js + Python(yt-dlp\/ffmpeg) + Gemini + nano-banana-pro\/GPT Image + Seedance\/Kling\/Veo3"
+    "Next.js + Python(yt-dlp\/ffmpeg) + OpenAI-compatible LLM + MiniMax T2A + nano-banana-pro\/GPT Image + Seedance\/Kling\/Veo3"
   ],
   "status" : "active",
   "urls" : [

RULES.md

@@ -32,7 +32,15 @@
 - 部署完成后，`RULES.md` 和 `.project.json` 必须同一次任务一起更新
 
 ## 环境变量
-- 待补充
+- `LLM_BASE_URL` / `LLM_API_KEY`：OpenAI 兼容网关，用于 ASR、翻译、文案改写、图像等模型调用
+- `ASR_MODEL`：音频转写模型，默认 `whisper-1`
+- `TRANSLATE_MODEL`：字幕翻译模型，默认 `gemini-2.5-flash`
+- `REWRITE_MODEL`：通用改写/分镜描述模型，默认 `gemini-2.5-pro`
+- `AUDIO_REWRITE_MODEL`：音频口播改写模型，默认跟随 `REWRITE_MODEL`
+- `AUDIO_PRODUCT_BRIEF`：音频口播改写时注入的 SKG 产品卖点
+- `MINIMAX_API_KEY`：MiniMax T2A 配音 Key，只能放本地 `api/.env`，不能入库
+- `MINIMAX_TTS_BASE_URL` / `MINIMAX_TTS_MODEL` / `MINIMAX_TTS_VOICE_ID`：MiniMax 配音端点、模型和音色配置
+- `POE_API_KEY` / `VIDEO_API_KEY`：视频生成通道 Key，只能放本地环境变量
 
 ## 规则
 - 不允许编造不存在的部署域名、账号、密码

api/.env.example

@@ -14,11 +14,11 @@ VIDEO_MODEL_VEO3=veo-3.1-fast
 
 # 音频文案改写 + MiniMax 配音
 AUDIO_REWRITE_MODEL=gemini-2.5-pro
-AUDIO_PRODUCT_BRIEF=SKG 智能按摩产品，主打日常肩颈、腰背、眼部、膝盖或足部放松；广告表达要高级、干净、可信，不做医疗疗效承诺。
+AUDIO_PRODUCT_BRIEF="SKG 智能按摩产品，主打日常肩颈、腰背、眼部、膝盖或足部放松；广告表达要高级、干净、可信，不做医疗疗效承诺。"
 MINIMAX_API_KEY=
 MINIMAX_TTS_BASE_URL=https://api.minimax.io
 MINIMAX_TTS_MODEL=speech-2.8-turbo
-MINIMAX_TTS_VOICE_ID=Chinese (Mandarin)_Reliable_Executive
+MINIMAX_TTS_VOICE_ID="Chinese (Mandarin)_Reliable_Executive"
 
 # Poe 视频 API（优先用于 Seedance / Kling / Veo）
 POE_API_BASE_URL=https://api.poe.com/v1
@@ -41,6 +41,7 @@ VIDEO_CONTENT_PATH=/videos/{id}/content
 VIDEO_DURATION_FIELD=seconds
 
 # 工作目录
+KEYFRAME_COUNT=12
 JOBS_DIR=./jobs
 
 # CORS

api/README.md

@@ -9,7 +9,7 @@ cd api
 python3 -m venv .venv
 source .venv/bin/activate
 pip install -r requirements.txt
-cp .env.example .env  # 按需填 GEMINI_API_KEY
+cp .env.example .env  # 按需填 LLM_API_KEY / MINIMAX_API_KEY
 uvicorn main:app --port 4291 --reload
 ```
 

api/main.py

@@ -104,7 +104,7 @@ JobStatus = Literal[
     "transcribing", "transcribed", "failed",
 ]
 
-KEYFRAME_COUNT = int(os.getenv("KEYFRAME_COUNT", "5"))
+KEYFRAME_COUNT = int(os.getenv("KEYFRAME_COUNT", "12"))
 FrameExtractTarget = Literal["transparent_human", "balanced", "subject", "transition", "expression", "motion"]
 FrameExtractMode = Literal["replace", "append"]
 FrameExtractQuality = Literal["auto", "fast", "accurate", "ultra"]
@@ -1327,7 +1327,7 @@ async def analyze_queue_worker() -> None:
         ANALYZE_WORKER_RUNNING = False
 
 
-# ---------- Gemini ASR + 翻译 ----------
+# ---------- 音频转写 + 翻译 + SKG 改写 + MiniMax 配音 ----------
 
 def _transcribe_sync(wav: Path) -> list[dict]:
     """whisper-1 verbose_json → segments[{start, end, text}]"""
@@ -1347,7 +1347,7 @@ def _transcribe_sync(wav: Path) -> list[dict]:
 
 
 def _translate_sync(segments: list[dict]) -> list[str]:
-    """gemini-2.5-flash 批量翻译为中文，按段返回"""
+    """批量翻译为中文，按段返回"""
     payload = [{"i": i, "en": s.get("text", "").strip()} for i, s in enumerate(segments)]
     prompt = (
         "你是字幕翻译。把下列英文字幕段翻译为简体中文，保持原意、口语化、自然流畅。"

docs/source-analysis.html

@@ -552,13 +552,14 @@
         <p>当前产品不是“复制别人的视频”，而是拆解参考视频，提取可借鉴的镜头元素，再改造成 SKG 产品语境的视频素材。</p>
         <div class="pipeline">
           <div class="step"><div class="num">1</div><h3>输入</h3><p>TK 链接或本地上传，后端下载/保存源视频。</p></div>
-          <div class="step"><div class="num">2</div><h3>镜头拆解</h3><p>拆轨、抽关键帧、手动加帧，形成参考分镜池。当前主题默认使用“透明骨架人”抽帧目标：本地先扫候选，Vision 再按透明身体、白色骨架、人物占比、清晰度、广告感和产品可用性打分验收；不合格候选会自动换下一帧。</p></div>
+          <div class="step"><div class="num">2</div><h3>镜头拆解</h3><p>拆轨、抽关键帧、手动加帧，形成参考分镜池。当前主题默认直接抽 12 帧，并使用“透明骨架人”抽帧目标：本地先扫候选，Vision 再按透明身体、白色骨架、人物占比、清晰度、广告感和产品可用性打分验收；不合格候选会自动换下一帧。</p></div>
           <div class="step"><div class="num">3</div><h3>清洗水印</h3><p>对关键帧做全图或区域清洗，清洗版先进入待审核状态；确认后可单张替换，也可一键替换全部待应用清洗版。</p></div>
           <div class="step"><div class="num">4</div><h3>主体识别</h3><p>识别场景和主体候选，只是候选，不应锁死。</p></div>
           <div class="step"><div class="num">5</div><h3>素材准备</h3><p>清洗关键帧，把多张关键帧作为同一主体的参考，先重绘六张标准站立主体资产图，再按关键帧生成多个去主体、相似或换风格场景图。</p></div>
           <div class="step"><div class="num">6</div><h3>分镜改造</h3><p>把参考主体、场景、动作和 SKG 产品放入分镜结构；产品融合使用纵向 6 行镜头工作表，每行绑定产品图、白底人物图、产品区域、场景图、描述词、秒数和单条生成入口。</p></div>
           <div class="step"><div class="num">7</div><h3>生成视频</h3><p>普通分镜可调用 Seedance / Kling / Veo 3；产品融合固定用 GPT Image 2 生成位置引导图，再用 Seedance 按秒数生成视频，结果回写到画面工作台节点。</p></div>
-          <div class="step"><div class="num">8</div><h3>合成成品</h3><p>片段、字幕、配音、转场合成最终 mp4。当前未实现。</p></div>
+          <div class="step"><div class="num">8</div><h3>声音文案</h3><p>音频轨独立处理：ASR 提取原始文案、翻译成中文、接 SKG 产品卖点改写成口播稿；配置 MiniMax 后直接生成配音 mp3。</p></div>
+          <div class="step"><div class="num">9</div><h3>合成成品</h3><p>片段、字幕、配音、转场合成最终 mp4。当前未实现。</p></div>
         </div>
       </section>
 
@@ -583,7 +584,7 @@
             <h3>后端核心</h3>
             <table>
               <tbody>
-                <tr><td><code>api/main.py</code></td><td>FastAPI 单文件后端：状态模型、任务恢复、下载、抽帧、Vision、清洗、元素、分镜、文件返回。</td></tr>
+                <tr><td><code>api/main.py</code></td><td>FastAPI 单文件后端：状态模型、任务恢复、下载、抽帧、Vision、清洗、元素、分镜、音频文案改写、MiniMax 配音、文件返回。</td></tr>
                 <tr><td><code>api/product_library/skg-products</code></td><td>内置 SKG 白底产品图库：<code>manifest.json</code> 记录从桌面产品图筛出的 gallery 白底图，<code>images/</code> 存 41 张压缩后的参考图。</td></tr>
                 <tr><td><code>jobs/&lt;jobId&gt;/state.json</code></td><td>运行时状态文件，不在源码列表里，但刷新恢复依赖它。</td></tr>
                 <tr><td><code>jobs/&lt;jobId&gt;/frames</code></td><td>关键帧 jpg。注意 frame.index 是稳定 ID，不等于数组下标。</td></tr>
@@ -605,8 +606,8 @@ web/app/page.tsx
 
 后端主链路：
 api/main.py
-  -> Job / KeyFrame / KeyElement / StoryboardScene
+  -> Job / KeyFrame / KeyElement / StoryboardScene / AudioScript
-  -> 下载 / 上传 / 抽帧 / Vision / 清洗 / 元素提取 / 分镜保存
+  -> 下载 / 上传 / 抽帧 / Vision / 清洗 / 元素提取 / 分镜保存 / 音频文案改写 / MiniMax 配音
   -> jobs/&lt;jobId&gt;/state.json + 图片文件落盘</pre>
       </section>
 
@@ -647,6 +648,7 @@ api/main.py
   video_url, duration, width, height,
   frames: KeyFrame[],
   transcript: TranscriptSegment[],
+  audio_script: AudioScript,
   storyboard_images?: StoryboardImage[]
 }</pre>
           </div>
@@ -692,6 +694,23 @@ api/main.py
   cutout_id,
   subject_kind: object | living,
   subject_assets: SubjectAsset[]
+}</pre>
+          </div>
+          <div class="card">
+            <h3>AudioScript</h3>
+            <p>音频文案轨的结构化产物。<code>pipeline_transcribe</code> 在 ASR 和翻译后写入：先生成 SKG 口播改写稿，再用 MiniMax T2A 生成配音文件。</p>
+            <pre>AudioScript {
+  status: idle | rewriting | completed | failed,
+  source_text,
+  source_zh,
+  rewritten_text,
+  product_brief,
+  rewrite_model,
+  voice_provider: minimax,
+  voice_model,
+  voice_id,
+  voice_url,
+  error
 }</pre>
           </div>
           <div class="card">
@@ -769,7 +788,9 @@ SubjectAsset {
             <tr><td>创建任务</td><td><code>POST /jobs</code></td><td><code>createJob</code></td><td>提交 TK 链接，后台开始下载，停在 downloaded 等用户点解析。</td></tr>
             <tr><td>上传视频</td><td><code>POST /jobs/upload</code></td><td><code>uploadJob</code></td><td>保存 source.mp4，然后同样进入下载完成状态。</td></tr>
             <tr><td>删除输入视频</td><td><code>DELETE /jobs/{id}</code></td><td><code>deleteJob</code></td><td>从任务队列、URL 和磁盘 <code>jobs/&lt;id&gt;</code> 目录移除整个 job，包括源视频、关键帧、元素提取图和生成视频。</td></tr>
-            <tr><td>解析视频</td><td><code>POST /jobs/{id}/analyze?frames=&amp;target=&amp;mode=&amp;quality=</code></td><td><code>analyzeJob</code></td><td>拆轨 + 目标化抽关键帧。<code>target</code> 支持透明骨架人、综合、清晰主体、转场变化、表情瞬间、动作峰值；当前 UI 默认 <code>transparent_human</code>。透明骨架人目标会先扩大本地候选池，再调用 Vision 按 6 个分数验收；不合格候选自动丢弃并抽下一候选。<code>mode=append</code> 追加新关键帧；<code>quality=auto</code> 根据本机算力和视频时长自动选择快速、精细或极准。多个抽帧请求进入后端队列顺序处理。</td></tr>
+            <tr><td>解析视频</td><td><code>POST /jobs/{id}/analyze?frames=&amp;target=&amp;mode=&amp;quality=</code></td><td><code>analyzeJob</code></td><td>拆轨 + 目标化抽关键帧。默认 <code>frames=12</code>；<code>target</code> 支持透明骨架人、综合、清晰主体、转场变化、表情瞬间、动作峰值；当前 UI 默认 <code>transparent_human</code>。透明骨架人目标会先扩大本地候选池，再调用 Vision 按 6 个分数验收；不合格候选自动丢弃并抽下一候选。<code>mode=append</code> 追加新关键帧；<code>quality=auto</code> 根据本机算力和视频时长自动选择快速、精细或极准。多个抽帧请求进入后端队列顺序处理。</td></tr>
+            <tr><td>音频文案轨</td><td><code>POST /jobs/{id}/transcribe</code></td><td><code>triggerTranscribe</code></td><td>读取拆轨得到的 <code>audio.wav</code>，先 ASR 得到英文时间戳段落，再翻译中文，随后按 <code>AUDIO_PRODUCT_BRIEF</code> 生成 <code>audio_script.rewritten_text</code>；配置 <code>MINIMAX_API_KEY</code> 后调用 MiniMax T2A 生成 <code>audio_script.voice_url</code>。</td></tr>
+            <tr><td>改写配音文件</td><td><code>GET /jobs/{id}/audio-script.mp3</code></td><td><code>apiAssetUrl(job.audio_script.voice_url)</code></td><td>返回 MiniMax T2A 生成的 mp3。没有配置 MiniMax 或生成失败时该文件不存在，但改写文案仍会保存在 <code>audio_script.rewritten_text</code>。</td></tr>
             <tr><td>手动加帧</td><td><code>POST /jobs/{id}/frames?t=</code></td><td><code>addManualFrame</code></td><td>按视频时间戳抽一帧，index 递增但 frames 按 timestamp 排序。</td></tr>
             <tr><td>Vision 识别</td><td><code>POST /frames/{idx}/describe</code></td><td><code>describeFrame</code></td><td>写入 frame.description，后续可从 objects 加候选元素。</td></tr>
             <tr><td>清洗水印</td><td><code>POST /frames/{idx}/cleanup</code></td><td><code>cleanupFrame</code></td><td>支持全图和区域清洗，生成 cleaned 待应用版本；前端批量清洗会顺序调用该接口，不自动覆盖原图。单帧清洗状态按 frame.index 隔离，清洗某一张不会禁用其他关键帧的清洗按钮。</td></tr>
@@ -815,10 +836,10 @@ SubjectAsset {
               <td><code>StoryboardWorkbench</code>、<code>updateStoryboard</code></td>
             </tr>
             <tr>
-              <td><span class="tag gray">ASR / Translate / Rewrite</span></td>
+              <td><span class="tag gray">Audio / ASR / Rewrite</span></td>
-              <td>未来的文案轨，目前部分占位或受 audio 阻塞。</td>
+              <td>独立声音文案轨：从 <code>audio.wav</code> 提取原始口播、翻译中文、改写成 SKG 产品语境口播；MiniMax T2A 配置后生成配音 mp3。主画布的 <code>AudioNode</code> 只展示模型链路、改写稿和配音播放器。</td>
               <td>不要阻断视觉素材管线。</td>
-              <td><code>ASRNode</code>、<code>TranslateNode</code>、<code>RewriteNode</code>、ASR 接口</td>
+              <td><code>AudioNode</code>、<code>ASRNode</code>、<code>TranslateNode</code>、<code>RewriteNode</code>、<code>pipeline_transcribe</code>、<code>AudioScript</code></td>
             </tr>
             <tr>
               <td><span class="tag green">Video / Compose</span></td>
@@ -843,15 +864,16 @@ SubjectAsset {
               <li>Vision 识别关键帧，输出 scene、objects、style、suggested_prompt，并作为主体候选来源。</li>
               <li>主体候选确认、改名、删除和主体资产包生成。</li>
               <li>分镜工作台 4 图槽和改造说明自动保存。</li>
+              <li>音频文案轨：ASR/翻译后自动生成 SKG 口播改写稿；配置 MiniMax 后生成配音 mp3。</li>
               <li>nano-banana-pro image-to-image 生图。</li>
             </ul>
           </div>
           <div class="card">
             <h3>阻塞 / 占位</h3>
             <ul>
-              <li>ASR：SKG 网关 audio endpoint 404 或渠道不可用。</li>
+              <li>ASR：仍依赖当前 OpenAI-compatible 音频转写入口；如果该网关 audio endpoint 不通，文案提取仍会失败。</li>
-              <li>Translate：本身 text 通，但产品流里依赖 ASR 段落。</li>
+              <li>MiniMax：当前接入的是官方 T2A 配音能力，不是 ASR；API Key 只能放本地环境变量，不能写入仓库。</li>
-              <li>Rewrite：需要 SKG 产品信息模板和目标脚本结构。</li>
+              <li>Audio Product Brief：默认是通用 SKG 放松产品卖点，后续可改成跟已选产品库条目联动。</li>
               <li>Video Gen：模型层按业务保留 Seedance / Kling / Veo/Voe 选择；后端已支持 Poe 视频通道，别名默认映射到 <code>seedance-2-fast</code>、<code>kling-omni</code>、<code>veo-3.1-fast</code>，提交后写入 Video Gen 节点。</li>
               <li>Compose：还没做本地 ffmpeg 字幕/TTS 合成。</li>
             </ul>
@@ -892,6 +914,31 @@ SubjectAsset {
         <h2>变更记录</h2>
         <p>这个记录不是 git log 的替代品。它记录“产品理解发生了什么变化、影响了哪些源码、你以后描述需求时该怎么说”。后续每次改功能都要补一条。</p>
         <div class="changelog">
+          <article class="change">
+            <header>
+              <h3>2026-05-14 · 音频处理接入 SKG 口播改写与 MiniMax 配音</h3>
+              <span class="tag gray">Audio</span>
+              <span class="tag green">MiniMax</span>
+            </header>
+            <div class="body">
+              <p><strong>问题：</strong>音频处理节点之前只说明“音轨 → ASR → 翻译 → 改写”，没有真实改写产物，也没有配音输出；用户无法直接拿到符合 SKG 产品语境的口播。</p>
+              <p><strong>改动：</strong><code>Job</code> 新增 <code>audio_script</code>，<code>pipeline_transcribe</code> 在 ASR 和翻译后生成 SKG 改写文案，并在配置 <code>MINIMAX_API_KEY</code> 时调用 MiniMax T2A 输出 <code>/jobs/{id}/audio-script.mp3</code>。前端 <code>AudioNode</code> 和侧栏 Rewrite 区显示模型链路、改写文案和配音播放器。</p>
+              <p><strong>边界：</strong>MiniMax 官方 Speech API 当前接入的是 TTS 配音，不替代 ASR；原始音频文案提取仍走现有 OpenAI-compatible audio transcription 入口。</p>
+              <p><strong>影响：</strong><code>api/main.py</code>、<code>api/.env.example</code>、<code>api/README.md</code>、<code>web/lib/api.ts</code>、<code>web/components/nodes/index.tsx</code>、<code>web/components/dashboard.tsx</code>、<code>web/app/page.tsx</code>、<code>docs/source-analysis.html</code>。</p>
+            </div>
+          </article>
+          <article class="change">
+            <header>
+              <h3>2026-05-14 · 默认抽帧张数改为 12 帧</h3>
+              <span class="tag violet">InputNode</span>
+              <span class="tag blue">抽帧</span>
+            </header>
+            <div class="body">
+              <p><strong>问题：</strong>透明骨架人主题需要更稳定的素材覆盖，默认 5 帧太少，容易缺少可用于主体、场景和产品融合的角度。</p>
+              <p><strong>改动：</strong>后端 <code>KEYFRAME_COUNT</code> 默认值、前端抽帧 fallback、API client 默认参数都改为 12；抽帧设置里的张数选项把 12 放到第一位。透明骨架人目标仍会对每个候选做 Vision 验收，不合格候选自动换下一帧。</p>
+              <p><strong>影响：</strong><code>api/main.py</code>、<code>api/.env.example</code>、<code>web/lib/api.ts</code>、<code>web/app/page.tsx</code>、<code>web/components/nodes/index.tsx</code>、<code>docs/source-analysis.html</code>。</p>
+            </div>
+          </article>
           <article class="change">
             <header>
               <h3>2026-05-14 · 抽帧新增透明骨架人 AI 验收目标</h3>

web/app/page.tsx

@@ -180,7 +180,7 @@ export default function Home() {
     const targetJob = jobs.find((item) => item.id === jobId)
     if (!targetJob) return
     const frameTarget = frameTargets[jobId] ?? "transparent_human"
-    const frameCount = frameCounts[jobId] ?? 5
+    const frameCount = frameCounts[jobId] ?? 12
     const frameQuality = frameQualities[jobId] ?? "auto"
     const mode = options?.mode ?? (targetJob.frames.length > 0 ? "append" : "replace")
     setActiveJobId(jobId)
@@ -892,7 +892,7 @@ export default function Home() {
       visual: !!job && (job.frames.length > 0 || (job.generated_videos?.length ?? 0) > 0),
       asr: !!job && job.transcript.length > 0,
       translate: !!job && (job.transcript.some((s) => s.zh) ?? false),
-      rewrite: !!job && (job.transcript.some((s) => s.zh) ?? false),
+      rewrite: !!job && !!job.audio_script?.rewritten_text,
     }
     setEdges((prev) => prev.map((e) => ({ ...e, animated: !!doneOf[e.source] })))
   }, [job, setEdges])

web/components/dashboard.tsx

@@ -568,7 +568,7 @@ export const Dashboard = forwardRef<DashboardHandle, Props>(function Dashboard({
               !hasTranscript ? (
                 <KanbanCard tone={key === "asr" ? "blue" : "cyan"} tags={[key === "asr" ? "ASR" : "Translate"]} title="等待数据">
                   <div className="text-[11.5px] text-[var(--text-soft)]">
-                    {colState.asr === "running" ? "Gemini 转录中…" : "需要先完成关键帧抽取"}
+                    {colState.asr === "running" ? "音频转写中…" : "需要先完成关键帧抽取"}
                   </div>
                 </KanbanCard>
               ) : (

web/components/job-status.tsx

@@ -6,7 +6,7 @@ const STAGES: { key: JobStatus; label: string }[] = [
   { key: "downloading", label: "下载视频" },
   { key: "splitting", label: "拆分音视频" },
   { key: "frames_extracted", label: "抽取关键帧" },
-  { key: "transcribing", label: "Gemini 转录+翻译" },
+  { key: "transcribing", label: "音频转写+改写" },
   { key: "transcribed", label: "完成" },
 ]
 

web/components/nodes/index.tsx

@@ -137,7 +137,7 @@ const FRAME_TARGET_OPTIONS: Array<{ value: FrameExtractTarget; label: string; hi
   { value: "expression", label: "表情瞬间", hint: "人物 / 动物表情倾向" },
   { value: "motion", label: "动作峰值", hint: "动作变化更明显" },
 ]
-const FRAME_COUNT_OPTIONS = [3, 5, 8, 12]
+const FRAME_COUNT_OPTIONS = [12, 8, 5, 3]
 const FRAME_QUALITY_OPTIONS: Array<{ value: FrameExtractQuality; label: string; hint: string }> = [
   { value: "auto", label: "自动", hint: "按电脑性能和视频时长自动选择" },
   { value: "fast", label: "快速", hint: "2fps / 360px，长视频省电" },
@@ -573,7 +573,7 @@ export function InputNode({ data, selected }: NodeProps<{ data: NodeData }> | an
             const thumbNaturalWidth = ready && j.height ? Math.max(96, Math.round(THUMBNAIL_HEIGHT * j.width / j.height)) : 96
             const toolWidth = Math.max(148, thumbNaturalWidth)
             const target = d.frameTargets[j.id] ?? "transparent_human"
-            const count = d.frameCounts[j.id] ?? 5
+            const count = d.frameCounts[j.id] ?? 12
             const quality = d.frameQualities[j.id] ?? "auto"
             const jHasFrames = j.frames.length > 0
             const jRunning = ["splitting", "transcribing"].includes(j.status)
@@ -813,7 +813,7 @@ export function VideoFramePanelNode({ data }: any) {
   const frames = [...panelJob.frames].sort((a, b) => a.timestamp - b.timestamp)
   const aspect = panelJob.width && panelJob.height ? `${panelJob.width}/${panelJob.height}` : "9/16"
   const panelTarget = d.frameTargets[panelJob.id] ?? "transparent_human"
-  const panelCount = d.frameCounts[panelJob.id] ?? 5
+  const panelCount = d.frameCounts[panelJob.id] ?? 12
   const panelQuality = d.frameQualities[panelJob.id] ?? "auto"
   const panelRunning = ["splitting", "transcribing"].includes(panelJob.status)
   const dockText: Record<CanvasPanelDock, string> = {
@@ -1997,7 +1997,7 @@ export function KeyframePanelNode({ data }: any) {
 }
 
 /* ============================================================
-   5. ASRNode — Gemini 转录
+   5. ASRNode — 音频转写
    ============================================================ */
 export function ASRNode({ data, selected }: any) {
   const d: NodeData = data
@@ -2012,7 +2012,7 @@ export function ASRNode({ data, selected }: any) {
       onTogglePin={() => d.onToggleNodePin?.("asr")}
     >
       <div className="text-[11.5px] text-[var(--text-soft)]">
-        Gemini 2.5 · 英文带时间戳分段
+        OpenAI-compatible ASR · 英文带时间戳分段
       </div>
       {d.job && d.job.transcript.length > 0 && (
         <div className="mt-2 max-h-24 overflow-y-auto text-[11px] space-y-1 text-[var(--text-strong)]">
@@ -2069,13 +2069,14 @@ export function TranslateNode({ data, selected }: any) {
 }
 
 /* ============================================================
-   7. RewriteNode (placeholder)
+   7. RewriteNode
    ============================================================ */
 export function RewriteNode({ data, selected }: any) {
   const d: NodeData = data
+  const rewrittenText = d.job?.audio_script?.rewritten_text?.trim() ?? ""
   return (
     <NodeShell
-      type="ai" status="pending"
+      type="ai" status={rewrittenText ? "done" : d.job?.audio_script?.status === "rewriting" ? "running" : "pending"}
       icon={<FileEdit className="h-4 w-4" />}
       title="产品文案 · Rewrite"
       subtitle="STEP 5 · 接 SKG 卖点"
@@ -2083,19 +2084,20 @@ export function RewriteNode({ data, selected }: any) {
       pinned={d.pinnedNodes?.has("rewrite")}
       onTogglePin={() => d.onToggleNodePin?.("rewrite")}
     >
-      <textarea
+      {rewrittenText ? (
-        placeholder="粘贴 SKG 产品信息 / 关键卖点（可作为视频脚本和镜头动作参考）"
+        <div className="rounded-md border border-emerald-400/25 bg-emerald-400/10 px-2.5 py-2 text-[11.5px] leading-relaxed text-[var(--text-strong)]">
-        rows={3}
+          {rewrittenText}
-        disabled
+        </div>
-        className="w-full text-[11.5px] px-2.5 py-2 rounded-md bg-white/30 dark:bg-white/[0.03] border border-dashed border-black/15 dark:border-white/10 placeholder:text-[var(--text-faint)] text-[var(--text-strong)] resize-none opacity-70"
+      ) : (
-      />
+        <div className="text-[11px] text-[var(--text-soft)]">转录完成后自动接 SKG 卖点改写。</div>
-      <div className="mt-1.5 text-[10px] text-[var(--text-faint)]">下一冲刺接入</div>
+      )}
+      <div className="mt-1.5 text-[10px] text-[var(--text-faint)]">{d.job?.audio_script?.rewrite_model || "AUDIO_REWRITE_MODEL"}</div>
     </NodeShell>
   )
 }
 
 /* ============================================================
-   5b. AudioNode — 合并 ASR + 翻译 + 改写为一个"音频处理"节点（占位卡片，无填充）
+   5b. AudioNode — 合并 ASR + 翻译 + 改写 + MiniMax 配音
    ============================================================ */
 export function AudioNode({ data, selected }: any) {
   const d: NodeData = data
@@ -2127,7 +2129,7 @@ export function AudioNode({ data, selected }: any) {
         <div>
           音轨 → ASR 转录 → 英中翻译 → SKG 口播改写 → MiniMax 配音<br />
           <span className="text-[var(--text-faint)] font-mono">
-            {audioScript?.rewrite_model || "Gemini 2.5 Pro"} → {audioScript?.voice_model || "MiniMax T2A"}
+            {audioScript?.rewrite_model || "AUDIO_REWRITE_MODEL"} → {audioScript?.voice_model || "MiniMax T2A"}
           </span>
         </div>
         {rewrittenText && (

web/components/transcript-panel.tsx

@@ -17,7 +17,7 @@ export function TranscriptPanel({ segments, loading, onSeek }: Props) {
   if (segments.length === 0) {
     return (
       <div className="glass-card flex h-64 items-center justify-center text-white/30 text-sm">
-        {loading ? "Gemini 转录中…" : "转录将在抽帧后自动开始"}
+        {loading ? "音频转写中…" : "转录将在抽帧后自动开始"}
       </div>
     )
   }
@@ -26,10 +26,10 @@ export function TranscriptPanel({ segments, loading, onSeek }: Props) {
     <div className="glass-card overflow-hidden">
       <div className="grid grid-cols-2 divide-x divide-white/10">
         <div className="p-4">
-          <div className="mb-3 text-[11px] uppercase tracking-widest text-white/40">English (Gemini ASR)</div>
+          <div className="mb-3 text-[11px] uppercase tracking-widest text-white/40">English ASR</div>
         </div>
         <div className="p-4">
-          <div className="mb-3 text-[11px] uppercase tracking-widest text-white/40">中文翻译 (Gemini)</div>
+          <div className="mb-3 text-[11px] uppercase tracking-widest text-white/40">中文翻译</div>
         </div>
       </div>
       <div className="max-h-[480px] overflow-y-auto">

web/lib/api.ts

@@ -441,7 +441,7 @@ export async function triggerTranscribe(id: string): Promise<Job> {
 
 export async function analyzeJob(
   id: string,
-  frames = 5,
+  frames = 12,
   target: FrameExtractTarget = "balanced",
   mode: FrameExtractMode = "replace",
   quality: FrameExtractQuality = "auto",