auto-save 2026-05-14 12:20 (~4)

.memory/worklog.json

@@ -1,26 +1,5 @@
 {
   "entries": [
-    {
-      "files_changed": 1,
-      "hash": "9700e2a",
-      "message": "auto-save 2026-05-13 05:04 (~1)",
-      "ts": "2026-05-13T05:05:02+08:00",
-      "type": "commit"
-    },
-    {
-      "files_changed": 1,
-      "hash": "6e9b33b",
-      "message": "auto-save 2026-05-13 05:10 (~1)",
-      "ts": "2026-05-13T05:10:55+08:00",
-      "type": "commit"
-    },
-    {
-      "files_changed": 1,
-      "hash": "840f833",
-      "message": "auto-save 2026-05-13 05:16 (~1)",
-      "ts": "2026-05-13T05:16:50+08:00",
-      "type": "commit"
-    },
     {
       "files_changed": 1,
       "hash": "7665d63",
@@ -3293,6 +3272,25 @@
       "message": "auto-save 2026-05-14 12:09 (+4, ~6)",
       "hash": "04679b0",
       "files_changed": 10
+    },
+    {
+      "ts": "2026-05-14T12:15:27+08:00",
+      "type": "commit",
+      "message": "auto-save 2026-05-14 12:15 (~2)",
+      "hash": "e9e0ca8",
+      "files_changed": 2
+    },
+    {
+      "ts": "2026-05-14T04:16:10Z",
+      "type": "session-heartbeat",
+      "message": "Codex 会话活跃 · 最近命令：codex · 1 项未提交变更 · 最近提交：auto-save 2026-05-14 12:15 (~2)",
+      "files_changed": 1
+    },
+    {
+      "ts": "2026-05-14T04:18:39Z",
+      "type": "session-heartbeat",
+      "message": "Codex 会话活跃 · 最近命令：codex · 3 项未提交变更 · 最近提交：auto-save 2026-05-14 12:15 (~2)",
+      "files_changed": 3
     }
   ]
 }

api/main.py

@@ -1436,16 +1436,24 @@ def _transcribe_gemini_sync(wav: Path) -> list[dict]:
         "Use English for the transcript. If exact timestamps are uncertain, return one segment "
         f"from 0 to {duration:.2f} seconds."
     )
-    resp = llm().chat.completions.create(
+    last_error: Exception | None = None
-        model=ASR_FALLBACK_MODEL,
+    for attempt in range(3):
-        messages=[{"role": "user", "content": [
+        try:
-            {"type": "text", "text": prompt},
+            resp = llm().chat.completions.create(
-            {"type": "input_audio", "input_audio": {"data": audio_b64, "format": "wav"}},
+                model=ASR_FALLBACK_MODEL,
-        ]}],
+                messages=[{"role": "user", "content": [
-        temperature=0,
+                    {"type": "text", "text": prompt},
-    )
+                    {"type": "input_audio", "input_audio": {"data": audio_b64, "format": "wav"}},
-    content = (resp.choices[0].message.content or "").strip()
+                ]}],
-    return _parse_asr_segments(content, duration)
+                temperature=0,
+            )
+            content = (resp.choices[0].message.content or "").strip()
+            return _parse_asr_segments(content, duration)
+        except Exception as e:
+            last_error = e
+            if attempt < 2:
+                time.sleep(1.0)
+    raise last_error or RuntimeError("Gemini audio transcription failed")
 
 
 def _transcribe_sync(wav: Path) -> list[dict]:
@@ -1710,7 +1718,17 @@ def pipeline_transcribe(job_id: str, manage_job_status: bool = True) -> None:
 
         # 1) whisper ASR
         progress(f"{ASR_MODEL} 转录中…", 78)
-        segments = _transcribe_sync(wav)
+        try:
+            segments = _transcribe_sync(wav)
+        except Exception:
+            if job.transcript:
+                segments = [
+                    {"start": seg.start, "end": seg.end, "text": seg.en}
+                    for seg in job.transcript
+                    if seg.en.strip()
+                ]
+            else:
+                raise
         if not segments:
             raise RuntimeError("ASR 返回 0 段（可能无人声 / 格式问题）")
 
@@ -3699,12 +3717,26 @@ def create_product_fusion_guide(job_id: str, req: ProductFusionShot) -> dict:
 
 def fallback_product_fusion_descriptions() -> list[str]:
     return [
-        "透明骨架人双手拿起 SKG 颈部按摩仪，准备戴到脖子上，镜头轻微推近产品。",
+        "清晨卧室柔光里，透明骨架人把白色 SKG 颈部按摩仪轻戴到后颈，微微闭眼露出放松微笑。",
-        "透明骨架人把 SKG 按摩仪贴合到肩颈位置，手部轻轻调整两侧机身角度。",
+        "现代客厅沙发旁，透明骨架人双手扶住 SKG 机身两侧，肩线慢慢放低，表情从紧绷变舒适。",
-        "透明骨架人坐在场景中轻按侧边控制区，产品保持真实比例并清晰可见。",
+        "居家办公桌前，透明骨架人轻按 SKG 侧边控制键，颈部骨架区域清晰可见，神情安静享受。",
-        "透明骨架人闭眼放松，肩颈从紧绷变舒展，产品佩戴位置稳定不漂移。",
+        "暖色卧室床边，透明骨架人佩戴 SKG 后轻轻仰头，白色骨架与透明外壳干净明亮，画面高级。",
-        "镜头靠近展示 SKG 产品材质、按键和内侧触点，透明骨架人的手部不要遮挡产品主体。",
+        "落地窗自然光下，透明骨架人坐姿端正，SKG 产品贴合后颈，嘴角微扬呈现轻松舒缓状态。",
-        "使用后的放松状态收尾，透明骨架人自然抬头，产品仍保持白色 U 形外观和真实比例。",
+        "简洁浴室镜前，透明骨架人用双手调整 SKG 贴合角度，眼神柔和，产品白色机身清楚可辨。",
+        "午后阳台休息区，透明骨架人戴着 SKG 慢慢侧头伸展，肩颈线条舒展，表情舒适而不夸张。",
+        "高端影棚白色背景中，透明骨架人平稳转身展示 SKG 佩戴效果，产品比例真实，轮廓清晰。",
+        "健身后休息长椅上，透明骨架人把 SKG 放上肩颈，呼吸放慢，脸上出现明显放松感。",
+        "办公会议间隙，透明骨架人靠在椅背上佩戴 SKG，轻轻闭眼，画面传达短暂恢复和舒适休息。",
+        "夜晚卧室暖灯下，透明骨架人坐在床沿使用 SKG，肩颈骨架被柔和光线照亮，神情安稳享受。",
+        "城市公寓客厅里，透明骨架人一边看向窗外一边使用 SKG，动作自然，产品贴合不漂移。",
+        "极简桌面场景中，透明骨架人拿起 SKG 靠近颈部，镜头轻推展示产品材质和佩戴准备动作。",
+        "木质休闲椅上，透明骨架人佩戴 SKG 后轻轻呼气，肩部下沉，脸部呈现舒缓满足的微笑。",
+        "白色商业摄影场景里，透明骨架人用指尖轻触 SKG 按键，产品细节清晰，人物状态轻松专业。",
+        "温暖客厅地毯旁，透明骨架人坐姿放松，SKG 稳定贴合后颈，闭眼感受舒适放松的瞬间。",
+        "窗边阅读角落中，透明骨架人戴着 SKG 翻开书页，动作慢而自然，表情平和享受。",
+        "办公室午休场景里，透明骨架人把 SKG 戴稳后靠回椅背，眼睛半闭，颈肩明显放松。",
+        "干净产品广告场景中，透明骨架人轻扶 SKG 两端展示佩戴贴合度，微笑自然，产品不变形。",
+        "收尾特写镜头里，透明骨架人佩戴 SKG 后缓慢抬头微笑，白色骨架清楚，整体干净高级。",
     ]
 
 
@@ -3728,8 +3760,8 @@ def generate_product_fusion_descriptions(job_id: str, req: ProductFusionDescript
             products.append(f"产品角度{len(products) + 1}未填")
         shot_lines.append(f"{i}. 首帧={first}；尾帧={last}；产品角度={products[0]} / {products[1]} / {products[2]} / {products[3]}；已有描述={shot.action_text or '空'}")
     prompt = (
-        "你是 SKG 产品短视频分镜导演。请为 6 条产品融合镜头各写一条中文动作描述，"
+        "你是 SKG 产品短视频分镜导演。请写 20 条中文产品融合动作描述，"
-        "每条 20-45 字，必须说明透明骨架人在做什么、产品如何佩戴/展示、动作如何从首帧自然过渡到尾帧。"
+        "每条 35-70 字，必须说明透明骨架人在什么场景下使用产品、产品如何佩戴/展示、脸部如何舒适享受。"
         "产品是 SKG 白色 U 形颈部/肩颈按摩仪，四张产品角度图是同一产品的身份真源；不要写医疗治疗承诺，不要出现竞品。"
         "输出 JSON：{\"descriptions\":[\"...\", \"...\"]}。\n\n"
         + "\n".join(shot_lines)
@@ -3746,9 +3778,9 @@ def generate_product_fusion_descriptions(job_id: str, req: ProductFusionDescript
         text = resp.choices[0].message.content or ""
         data = json.loads(text)
         descriptions = [str(x).strip() for x in data.get("descriptions", []) if str(x).strip()]
-        if len(descriptions) < 6:
+        if len(descriptions) < 20:
-            descriptions = (descriptions + fallback)[:6]
+            descriptions = (descriptions + fallback)[:20]
-        return {"descriptions": descriptions[:6], "mode": "llm"}
+        return {"descriptions": descriptions[:20], "mode": "llm"}
     except Exception:
         return {"descriptions": fallback, "mode": "fallback"}
 

docs/source-analysis.html

@@ -629,7 +629,7 @@ api/main.py
           </div>
           <div class="flow-row">
             <div><strong>你看到的区域</strong><span>关键帧素材审核面板</span></div>
-            <div><strong>主要源码</strong><span><code>FrameLightbox</code>；按“原图/清洗、主体资产、首尾帧、产品融合、审核”五个页签组织；左侧只放主图/框选画布，但主体资产页左侧改为全部已清洗/已选参考帧网格，首尾帧页左侧显示全部关键帧并可勾选人物/机位参考。主体识别页会显示透明骨架人目标和 Vision 验收分数。清洗页右侧支持一键清洗未处理帧、单张替换清洗版和一键替换全部待应用清洗版；批量替换顺序调用 <code>applyCleanedFrame</code>，不新增后端接口。产品融合页左侧是纵向 6 行镜头工作表：每行直接显示首帧、尾帧、同一产品 4 个角度图、描述词、秒数和单条生成按钮，便于一次看完 6 条视频。产品融合槽位的“粘贴”优先使用应用内 <code>clipboard</code>，也支持选中槽位后 Cmd+V 粘贴系统图片。右侧保留 GPT Image 2 / Seedance 固定模型、当前镜头状态、桌面四角度一键填充、AI 描述草稿、批量排队和产品图库选用；产品图库选中后会填入当前镜头下一个产品角度槽。主体资产页只确认一个统一主体，后端按参考重绘六张纯背景、占满画面的标准站立透明骨架人资产图；首尾帧页通过地点、风格、参考要素和可编辑 prompt 做文字生图，生成结果写入 <code>scene_assets</code> 但以 <code>asset_role=first_frame/last_frame</code> 标记，并自动传入当前产品融合镜头。相关接口包括 <code>cleanupFrame</code>、<code>applyCleanedFrame</code>、<code>addElement</code>、<code>generateSubjectAssets</code>、<code>generateSceneAsset</code>、<code>listProductLibrary</code>、<code>copyProductLibraryAsset</code> 和 <code>generateProductFusionDescriptions</code>。</span></div>
+            <div><strong>主要源码</strong><span><code>FrameLightbox</code>；按“原图/清洗、主体资产、首尾帧、产品融合、审核”五个页签组织；左侧只放主图/框选画布，但主体资产页左侧改为全部已清洗/已选参考帧网格，首尾帧页左侧显示全部关键帧并可勾选人物/机位参考。主体识别页会显示透明骨架人目标和 Vision 验收分数。清洗页右侧支持一键清洗未处理帧、单张替换清洗版和一键替换全部待应用清洗版；批量替换顺序调用 <code>applyCleanedFrame</code>，不新增后端接口。产品融合页左侧是纵向 6 行镜头工作表：每行直接显示首帧、尾帧、同一产品 4 个角度图、描述词、秒数和单条生成按钮，便于一次看完 6 条视频。产品融合槽位的“粘贴”优先使用应用内 <code>clipboard</code>，也支持选中槽位后 Cmd+V 粘贴系统图片。右侧保留 GPT Image 2 / Seedance 固定模型、当前镜头状态、桌面四角度一键填充、20 条产品使用描述模板、批量排队和产品图库选用；产品图库选中后会填入当前镜头下一个产品角度槽。主体资产页只确认一个统一主体，后端按参考重绘六张纯背景、占满画面的标准站立透明骨架人资产图；首尾帧页通过地点、风格、参考要素和可编辑 prompt 做文字生图，生成结果写入 <code>scene_assets</code> 但以 <code>asset_role=first_frame/last_frame</code> 标记，并自动传入当前产品融合镜头。相关接口包括 <code>cleanupFrame</code>、<code>applyCleanedFrame</code>、<code>addElement</code>、<code>generateSubjectAssets</code>、<code>generateSceneAsset</code>、<code>listProductLibrary</code>、<code>copyProductLibraryAsset</code> 和 <code>generateProductFusionDescriptions</code>。</span></div>
             <div><strong>适合怎么描述</strong><span>“这一组关键帧如何共同生成一个统一主体包；某张关键帧的水印、去主体场景图、产品融合镜头组和质量风险应该如何审核”。</span></div>
           </div>
           <div class="flow-row">
@@ -806,7 +806,7 @@ SubjectAsset {
             <tr><td>产品图库</td><td><code>GET /product-library/skg</code></td><td><code>listProductLibrary</code></td><td>读取内置 SKG 白底图库 manifest，返回产品标题、品类、尺寸、白底评分和预览图 URL。</td></tr>
             <tr><td>产品图入库到 job</td><td><code>POST /jobs/{id}/assets/product-library</code></td><td><code>copyProductLibraryAsset</code></td><td>把一个内置产品图库条目复制为当前 job 的普通 asset，返回 <code>ImageRef(kind="asset")</code>，用于画面工作台产品融合和分镜产品参考组。</td></tr>
             <tr><td>产品融合引导图</td><td><code>POST /jobs/{id}/product-fusion/guide</code></td><td><code>createProductFusionGuide</code></td><td>旧流程兼容接口：读取产品图和白底人物图，按 <code>product_region</code> 合成位置引导图。当前首尾帧流程不再主动调用它。</td></tr>
-            <tr><td>产品融合描述词</td><td><code>POST /jobs/{id}/product-fusion/descriptions</code></td><td><code>generateProductFusionDescriptions</code></td><td>为 6 行产品融合镜头生成动作描述草稿；输入重点变为首帧、尾帧和四张产品角度图，有 LLM 配置时用 <code>REWRITE_MODEL</code> 生成 JSON，无配置或失败时回退到本地镜头模板。</td></tr>
+            <tr><td>产品融合描述词</td><td><code>POST /jobs/{id}/product-fusion/descriptions</code></td><td><code>generateProductFusionDescriptions</code></td><td>生成 20 条产品融合动作描述库，前端每次按 6 条轮换套用到 6 行镜头；输入重点变为首帧、尾帧和四张产品角度图，有 LLM 配置时用 <code>REWRITE_MODEL</code> 生成 JSON，无配置或失败时回退到本地 20 条精准模板。</td></tr>
             <tr><td>分镜保存</td><td><code>PUT /frames/{idx}/storyboard</code></td><td><code>updateStoryboard</code></td><td>保存 4 图槽、时长和改造说明。</td></tr>
             <tr><td>生图</td><td><code>POST /frames/{idx}/generate</code></td><td><code>generateImage</code></td><td>基于关键帧或已选生成图做 image-to-image，目前可用。</td></tr>
           </tbody>
@@ -917,6 +917,19 @@ 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 · 产品融合描述词扩成 20 条精准模板</h3>
+              <span class="tag orange">产品融合</span>
+              <span class="tag blue">Prompt</span>
+            </header>
+            <div class="body">
+              <p><strong>问题：</strong>产品融合视频的动作描述不能泛泛写“人物使用产品”，需要稳定表达透明骨架人在具体场景中佩戴 SKG 产品，并呈现舒适享受状态。</p>
+              <p><strong>改动：</strong>前端内置 20 条产品使用描述模板，覆盖卧室、客厅、办公、浴室、阳台、影棚、阅读角等场景；“AI 草拟 6 条”每次从 20 条中按 6 条轮换套用，便于多次生成不同镜头组。</p>
+              <p><strong>后端：</strong><code>generateProductFusionDescriptions</code> 的兜底模板同步扩为 20 条，LLM 提示也改为生成 20 条 35-70 字描述，要求包含场景、佩戴/展示动作和舒适表情，同时排除医疗治疗承诺。</p>
+              <p><strong>影响：</strong><code>api/main.py</code>、<code>web/components/lightbox.tsx</code>、<code>docs/source-analysis.html</code>。</p>
+            </div>
+          </article>
           <article class="change">
             <header>
               <h3>2026-05-14 · 产品融合改为首尾帧加四产品角度垫图</h3>

web/components/lightbox.tsx

@@ -120,6 +120,28 @@ type FusionUploadTarget = {
 }
 type FusionFrameRole = "first_image" | "last_image"
 const PRODUCT_ANGLE_LABELS = ["产品角度 1", "产品角度 2", "产品角度 3", "产品角度 4"]
+const PRODUCT_FUSION_DESCRIPTION_PRESETS = [
+  "清晨卧室柔光里，透明骨架人把白色 SKG 颈部按摩仪轻戴到后颈，微微闭眼露出放松微笑。",
+  "现代客厅沙发旁，透明骨架人双手扶住 SKG 机身两侧，肩线慢慢放低，表情从紧绷变舒适。",
+  "居家办公桌前，透明骨架人轻按 SKG 侧边控制键，颈部骨架区域清晰可见，神情安静享受。",
+  "暖色卧室床边，透明骨架人佩戴 SKG 后轻轻仰头，白色骨架与透明外壳干净明亮，画面高级。",
+  "落地窗自然光下，透明骨架人坐姿端正，SKG 产品贴合后颈，嘴角微扬呈现轻松舒缓状态。",
+  "简洁浴室镜前，透明骨架人用双手调整 SKG 贴合角度，眼神柔和，产品白色机身清楚可辨。",
+  "午后阳台休息区，透明骨架人戴着 SKG 慢慢侧头伸展，肩颈线条舒展，表情舒适而不夸张。",
+  "高端影棚白色背景中，透明骨架人平稳转身展示 SKG 佩戴效果，产品比例真实，轮廓清晰。",
+  "健身后休息长椅上，透明骨架人把 SKG 放上肩颈，呼吸放慢，脸上出现明显放松感。",
+  "办公会议间隙，透明骨架人靠在椅背上佩戴 SKG，轻轻闭眼，画面传达短暂恢复和舒适休息。",
+  "夜晚卧室暖灯下，透明骨架人坐在床沿使用 SKG，肩颈骨架被柔和光线照亮，神情安稳享受。",
+  "城市公寓客厅里，透明骨架人一边看向窗外一边使用 SKG，动作自然，产品贴合不漂移。",
+  "极简桌面场景中，透明骨架人拿起 SKG 靠近颈部，镜头轻推展示产品材质和佩戴准备动作。",
+  "木质休闲椅上，透明骨架人佩戴 SKG 后轻轻呼气，肩部下沉，脸部呈现舒缓满足的微笑。",
+  "白色商业摄影场景里，透明骨架人用指尖轻触 SKG 按键，产品细节清晰，人物状态轻松专业。",
+  "温暖客厅地毯旁，透明骨架人坐姿放松，SKG 稳定贴合后颈，闭眼感受舒适放松的瞬间。",
+  "窗边阅读角落中，透明骨架人戴着 SKG 翻开书页，动作慢而自然，表情平和享受。",
+  "办公室午休场景里，透明骨架人把 SKG 戴稳后靠回椅背，眼睛半闭，颈肩明显放松。",
+  "干净产品广告场景中，透明骨架人轻扶 SKG 两端展示佩戴贴合度，微笑自然，产品不变形。",
+  "收尾特写镜头里，透明骨架人佩戴 SKG 后缓慢抬头微笑，白色骨架清楚，整体干净高级。",
+]
 
 const createFusionShots = (): ProductFusionShot[] =>
   Array.from({ length: FUSION_SHOT_COUNT }, (_, i) => ({
@@ -178,6 +200,7 @@ export function FrameLightbox({ jobId, frames, activeIndex, selected, onClose, o
   const [fusionGenerating, setFusionGenerating] = useState<number | "all" | null>(null)
   const [fusionSaving, setFusionSaving] = useState(false)
   const [fusionFillingProducts, setFusionFillingProducts] = useState<"current" | "all" | null>(null)
+  const [fusionDraftPage, setFusionDraftPage] = useState(0)
   const [editingElement, setEditingElement] = useState<{
     frameIndex: number
     id: string
@@ -386,28 +409,26 @@ export function FrameLightbox({ jobId, frames, activeIndex, selected, onClose, o
   }
 
   const draftFusionDescriptions = async () => {
-    const actions = [
+    const actions = PRODUCT_FUSION_DESCRIPTION_PRESETS
-      "透明骨架人双手拿起 SKG 颈部按摩仪，准备戴到脖子上，镜头轻微推近产品。",
-      "透明骨架人把 SKG 按摩仪贴合到肩颈位置，手部轻轻调整两侧机身角度。",
-      "透明骨架人坐在场景中轻按侧边控制区，产品保持真实比例并清晰可见。",
-      "透明骨架人闭眼放松，肩颈从紧绷变舒展，产品佩戴位置稳定不漂移。",
-      "镜头靠近展示 SKG 产品材质、按键和内侧触点，透明骨架人的手部不要遮挡产品主体。",
-      "使用后的放松状态收尾，透明骨架人自然抬头，产品仍保持白色 U 形外观和真实比例。",
-    ]
     let descriptions = actions
     try {
       const result = await generateProductFusionDescriptions(jobId, fusionShots)
-      descriptions = result.descriptions.length ? result.descriptions : actions
+      descriptions = result.descriptions.length >= PRODUCT_FUSION_DESCRIPTION_PRESETS.length ? result.descriptions : actions
     } catch (e) {
       toast.error("AI 描述生成失败，已使用本地草稿")
     }
+    const start = (fusionDraftPage * FUSION_SHOT_COUNT) % descriptions.length
+    const selectedDescriptions = Array.from({ length: FUSION_SHOT_COUNT }, (_, i) => (
+      descriptions[(start + i) % descriptions.length] || actions[i]
+    ))
     const next = fusionShots.map((shot, i) => ({
       ...shot,
-      action_text: shot.action_text?.trim() || descriptions[i] || actions[i],
+      action_text: selectedDescriptions[i] || shot.action_text || actions[i],
     }))
     setFusionShots(next)
+    setFusionDraftPage((prev) => prev + 1)
     void persistFusionShots(next)
-    toast.success("已生成 6 条动作描述草稿，可继续手工修改")
+    toast.success(`已套用 6 条动作描述 · 模板 ${start + 1}-${Math.min(start + FUSION_SHOT_COUNT, descriptions.length)}`)
   }
 
   const fillDesktopProductAngles = async (scope: "current" | "all") => {