docs: record multilingual asr deployment

.memory/assistant-handoff.md

@@ -1,6 +1,6 @@
 # 项目接力
 
-- 生成时间：May 21, 2026 at 13:48
+- 生成时间：May 22, 2026 at 09:01
 - 项目：SKG Marketing Studio / SKG 营销内容工作台
 - 路径：/Users/kangwan/Projects/business/20260512-20260512-skg-tk-二创验证
 - 状态：active
@@ -9,7 +9,7 @@
 ## 最近助手会话概览
 
 - Claude：a9e0449c-d9cb-4a2a-bb16-16596dfb552a · 时间未知
-- Codex：019e4691-7c18-7dc1-ba82-a315eec63163 · 时间未知
+- Codex：019e49d1-d114-7d52-8cf0-fbb4585f5ce6 · 时间未知
 - Cursor：未找到匹配当前项目的最近会话
 
 ## Claude 最近会话
@@ -92,23 +92,57 @@
 
 ## Codex 最近会话
 
-- Session ID：019e4691-7c18-7dc1-ba82-a315eec63163
-- Transcript：/Users/kangwan/.codex/sessions/2026/05/21/rollout-2026-05-21T02-06-40-019e4691-7c18-7dc1-ba82-a315eec63163.jsonl
+- Session ID：019e49d1-d114-7d52-8cf0-fbb4585f5ce6
+- Transcript：/Users/kangwan/.codex/sessions/2026/05/21/rollout-2026-05-21T17-15-47-019e49d1-d114-7d52-8cf0-fbb4585f5ce6.jsonl
 - 工作目录：/Users/kangwan/Projects/business/20260512-20260512-skg-tk-二创验证
 - 分支：main
 - 敏感字段：已对 token / key / password / secret 做脱敏
 
 ### 最近用户要求
 
-- 不能直接在服务器上的dock二
-- 弄么
-- OK  按照你的来
+- 分镜这个板块，我每次点击视频 都变成了选择 其实我就是想打开看下而已 你这个逻辑不太对  你看下
+- 为什么要选择呢  你给我点击下载的按钮不就好了
+- 而且每个生成的视频当然是自动保存呀  还需要我点击保存干啥
 
 ### Codex 最近回复
 
-> 代码正在同步到服务器 `/tmp/skg-marketing-staging-20260521134626`，同步过程排除了生产数据、密钥、本地环境文件和构建产物。这个 staging 目录会用自己的容器名和网络，不会接管生产域名。
+> 生产部署正在跑第二轮，远端备份和同步已经完成，Web 镜像在构建；我等脚本验证结束。
 
-> 同步完成。接下来我会在 staging 目录里复制服务器已有的生产环境变量文件，但只用于临时容器；同时生成一份临时 compose，去掉 Traefik 标签和生产容器名，改成只监听服务器本机 `127.0.0.1:18080`。
+> 对，这个点你说得对。生成的视频本来就会写进当前 job 的 `generated_videos`，完成后自动回填 mp4，不应该让用户理解成还要点“保存视频”。
+> 
+> 我已经改完并上线：
+> 
+> - 分镜视频候选轨现在显示 `自动保存`
+> - 视频候选普通点击只负责打开预览
+> - 右上角提供显式 `下载` 按钮
+> - “保存全部 / 保存本条规划”改成了“同步规划 / 同步本条规划”，只表达同步三字段文案规划，不再像保存视频
+> - 源码解析页也同步更新了这条交互语义
+> 
+> 验证和发布：
+> 
+> - `web/npm run build` 通过
+> - 已推送 Gitea：
+>   - `4efb2ce fix: make storyboard video clicks previewable`
+>   - `eb4347a fix: clarify storyboard videos auto-save`
+> - 已执行 `./scripts/deploy-prod-safe.sh` 上线，生产验证通过：`/login/ 200`、`/api/health 401`、容器内 `api:health ok`
+> 
+> 当前 `git status -sb`：
+> 
+> ```text
+> ## main...origin/main
+>  M .memory/worklog.json
+> ```
+> 
+> 只剩自动日志 `.memory/worklog.json`，业务代码和文档都已提交并推送。
+> 
+> 补充：`npm run lint` 现在跑不了，因为项目里没有可执行的 `eslint`；`tsc --noEmit` 仍有一批既有的 dashboard/ui 旧类型错误，不是这次改动引入的。
+> 
+> <oai-mem-citation>
+> <citation_entries>
+> MEMORY.md:214-286|note=[used SKG worktable context and docs update expectation]
+> </citation_entries>
+> <rollout_ids>
+> 019e2fef-97a7-7523-a1ff-051a8c6…
 
 ## Cursor 最近会话
 
@@ -117,8 +151,8 @@
 ## 当前仓库状态
 
 - 当前分支：main
-- 未提交变更：8 项
-- 最近提交：docs: record image timeout deployment
+- 未提交变更：1 项
+- 最近提交：fix: clarify storyboard videos auto-save
 - 变更文件：
 -    M .memory/worklog.json
 

RULES.md

@@ -11,13 +11,14 @@
 - 详见 `CLAUDE.md` 立项决策段 + `.memory/plan.md` 七步管线拆解
 - 风格：`04-Dark-Gallery-Ambient`（路径：`~/Projects/research/20260305-网页风格库/04-Dark-Gallery-Ambient.md`）
 - 第一冲刺：步骤 1-4（下载 / 拆轨 / 关键帧 / ASR+翻译）
-- 当前产品方向（2026-05-20 再确认）：信息流广告快速复刻默认进入“三字段候选生成”工作流。主界面为“左侧素材输入列 + 右侧信息流复刻工作表”；工作台已取消 1800x1000 固定画布和整页缩放，改为正常流式桌面容器，宽度跟随浏览器展开，只保留 1280px 最低操作宽度防止核心表格被压烂，不再通过应用层 `zoom` 把整页缩小导致文字发虚。用户粘贴 TK 链接或上传视频后点击“开始分析”，系统自动下载源视频；下载完成后并行启动两条路：音频文案路提取原音频文案/字幕，并分析讲话人、语速节奏、背景音乐/环境声/音效；视频视觉路自动抽取参考帧。源视频工作区主体链路改为“上方参考帧池 + 转换层、下方主体元素结果栏”：参考帧池竖向排列；转换层是轻量对话式生图确认区，参考图可通过左侧缩略图 `+`、参考帧拖拽、胶片拖拽或本地图片拖入进入转换层，用户选择 GPT/Gemini 套件后先分析参考图；识别结果里的特征 chip 只作为“保留元素”本地选择，点亮=保留、再点取消，点击不立即请求模型，随下一条发送消息提交；用户再在下方发送区发送复刻/创新/卡通和画面要求，界面只保留生成要求输入框、张数控件和提示词就绪状态，不展示当前要求摘要、保留元素副本、收起记录计数或重复模型确认话术，生成数量通过发送区旁边的张数控件控制；后端返回英文出图 prompt 后不再自动弹窗，发送区主按钮直接切换为“确认生成 N 张”，用户点击才生成对应数量的统一多角度套图。主体元素结果栏在转换层下方横向展示套图输出、文件夹分组、单张重生、删除和 hover 预览，空态只保留紧凑提示，不再挤占右侧整列。旧下方“相似主体 / 主体模板库”不再作为主路径。波形下方的画面胶片只是临时预览，点击只跳转原视频时间点，双击或拖进参考帧池才正式加入关键帧，已加入的胶片直接显示“已添加”。产品图上传后独立形成产品资产包，自动识别视角/结构/比例并补缺角度。分镜工作台按逐句时间轴默认只露“文案 / 场景一句话 / 人物+产品+动作”，产品素材池、批量控制、三字段、视频候选和高级区都必须可折叠；视频候选无内容时默认不占大面积，有候选时默认只显示迷你缩略条，展开后才显示 4-grid。单条默认生成 4 个视频候选，顶部支持整片批量生成候选；首尾帧、视觉规划、产品出现方式和旧 6 字段保留在“高级”抽屉与后端 quick-plan 自动展开中，不能再作为客户默认闸门。
+- 当前产品方向（2026-05-20 再确认）：信息流广告快速复刻默认进入“三字段候选生成”工作流。主界面为“左侧素材输入列 + 右侧信息流复刻工作表”；工作台已取消 1800x1000 固定画布和整页缩放，改为正常流式桌面容器，宽度跟随浏览器展开，只保留 1280px 最低操作宽度防止核心表格被压烂，不再通过应用层 `zoom` 把整页缩小导致文字发虚。用户粘贴 TK 链接或上传视频后点击“开始分析”，系统自动下载源视频；下载完成后并行启动两条路：音频文案路自动识别中文、英文和其他多语言原音频文案/字幕，统一补齐中文镜像，并分析讲话人、语速节奏、背景音乐/环境声/音效；视频视觉路自动抽取参考帧。源视频工作区主体链路改为“上方参考帧池 + 转换层、下方主体元素结果栏”：参考帧池竖向排列；转换层是轻量对话式生图确认区，参考图可通过左侧缩略图 `+`、参考帧拖拽、胶片拖拽或本地图片拖入进入转换层，用户选择 GPT/Gemini 套件后先分析参考图；识别结果里的特征 chip 只作为“保留元素”本地选择，点亮=保留、再点取消，点击不立即请求模型，随下一条发送消息提交；用户再在下方发送区发送复刻/创新/卡通和画面要求，界面只保留生成要求输入框、张数控件和提示词就绪状态，不展示当前要求摘要、保留元素副本、收起记录计数或重复模型确认话术，生成数量通过发送区旁边的张数控件控制；后端返回英文出图 prompt 后不再自动弹窗，发送区主按钮直接切换为“确认生成 N 张”，用户点击才生成对应数量的统一多角度套图。主体元素结果栏在转换层下方横向展示套图输出、文件夹分组、单张重生、删除和 hover 预览，空态只保留紧凑提示，不再挤占右侧整列。旧下方“相似主体 / 主体模板库”不再作为主路径。波形下方的画面胶片只是临时预览，点击只跳转原视频时间点，双击或拖进参考帧池才正式加入关键帧，已加入的胶片直接显示“已添加”。产品图上传后独立形成产品资产包，自动识别视角/结构/比例并补缺角度。分镜工作台按逐句时间轴默认只露“文案 / 场景一句话 / 人物+产品+动作”，产品素材池、批量控制、三字段、视频候选和高级区都必须可折叠；视频候选无内容时默认不占大面积，有候选时默认只显示迷你缩略条，展开后才显示 4-grid。单条默认生成 4 个视频候选，顶部支持整片批量生成候选；首尾帧、视觉规划、产品出现方式和旧 6 字段保留在“高级”抽屉与后端 quick-plan 自动展开中，不能再作为客户默认闸门。
 
 ## 部署事实
 - 平台：VPS `76.13.31.179`（Ubuntu 24.04 / Docker Compose / Coolify Traefik）
 - Agent Cut 独立预览服务器：`2.24.28.41`（Ubuntu 24.04 / Docker Compose / 裸端口 `4290`），部署目录 `/opt/skg-marketing-studio`，Compose 入口 `docker-compose.standalone.yml`，访问地址 `http://2.24.28.41:4290/agent/`。该入口用于“一分钟二创出片终端”预览：用户只提交 TikTok 链接和产品图，后端 `AgentRun` 状态机负责下载、抽帧、规划、生成、自动重跑、审片和合成。
 - Agent Cut 独立预览验证（2026-05-21）：已在 `2.24.28.41` 的 `/opt/skg-marketing-studio` 用 `docker-compose.standalone.yml` 启动 `skg-agent-api` / `skg-agent-web`；独立 compose 通过网络别名兼容 Nginx 的 `skg-marketing-api` upstream。该裸 IP HTTP 入口的服务器 `deploy/.env.production` 需要 `WEB_AUTH_COOKIE_SECURE=false`；本次已补齐 `WEB_AUTH_*` 后重启验证通过：未登录 `/agent/` 返回 302 到 `/login/`，登录后 `/agent/` 返回 200，`/api/agent-runs` 返回数组，容器内 `/health` 返回 `ok:true` 且 `auth_configured:true`。
 - 发布状态：已部署并验证（2026-05-20，主体元素按套图文件夹分组展示，主体生成接口提交后立即返回 queued 占位并后台逐视角生成、逐张回填；工作台外层取消 1800x1000 固定画布和应用层 `zoom` 缩放，改为正常流式桌面容器，最低操作宽度 1280px；源视频工作区主体链路为上方竖向参考帧池 + 宽幅对话式转换层、下方主体元素结果栏；转换层通过参考帧 `+` 加入、参考图分析、生图对话，英文 prompt 就绪后由发送区主按钮切换为确认生成，点击后才触发主体套图生成；转换层不再固定 640px 长高，按内容自然高度显示，仅以 560px 最大高度兜底内部滚动；下方主体元素结果栏的套图输出、轮询、文件夹分组、单张重生、删除和 hover 预览逻辑保持不变；胶片双击/拖拽加入参考帧池 + 胶片缓存复用 + 音频解析失败可重试，参考帧缩略图保持小尺寸 9:16 比例 + hover 左侧紧凑预览，旧主体模板区移出主路径 + 逐句时间轴移到原版视频下方并支持双行文案 + 波形同框时间对齐画面胶片 + 胶片密度按钮上移波形顶部 + 去分隔线 + 胶片上下错落 + body 顶层原位大放大 + 隐藏源视频工作区音频解析摘要卡 + 隐藏工作区顶部状态提示条 + 三字段候选生成工作流 + 折叠紧凑候选区）；`https://marketing.skg.com` 已启用应用内登录页，未登录 API 返回 401，认证后首页 200；容器内 `/health` 返回 `ok:true`
+- 最近部署验证（2026-05-22）：`6427935` 已通过 `./scripts/deploy-prod-safe.sh` 部署到 `/opt/skg-marketing-studio`；部署前备份为 `/opt/skg-marketing-studio-backups/skg-marketing-preserve-20260522012756.tgz`，生产 Docker 重建后脚本内验证通过（web/API 容器 Up、`/` 302、`/login/` 200、缺失 `_next` 资源 404、未登录 `/api/health` 401、容器内 `api:health ok`、`api:ytdlp_cookie_args []`）。部署后已把生产私有 `deploy/.env.production` 明确固定为多语言本地 ASR 路径并重启 API：`ASR_LANGUAGE=auto`、`FASTER_WHISPER_MODEL=base`、`ASR_REMOTE_ENABLED=false`、`ASR_LOCAL_FALLBACK_ENABLED=true`、`ASR_AUDIO_FALLBACK_ENABLED=false`；复验 `./scripts/verify-prod-docker.sh root@76.13.31.179` 通过，容器内 `/health` 确认 `asr_language=auto`、`faster_whisper=base`。
 - 最近部署验证（2026-05-21）：`8458dac` 已按“先本地 Docker、再上传部署”流程上线。上线前在本机 Docker 构建 `skg-marketing-studio-web:latest` / `skg-marketing-studio-api:latest`，并用本地 Compose 容器验证通过：`web:/ 302`、`web:/login/ 200`、`web:/_next/does-not-exist.js 404`、`web:/api/health 401`、`api:health ok`、`api:ytdlp_cookie_args []`、静态 bundle 包含 `未来健康 · 营销内容工作台` 和 `信息流广告复刻生产`，且未发现本地 API/dev URL 泄漏。随后通过 `./scripts/deploy-prod-safe.sh` 部署到 `/opt/skg-marketing-studio`；部署前备份为 `/opt/skg-marketing-studio-backups/skg-marketing-preserve-20260521070327.tgz`，生产 Docker 重建后脚本内验证通过（web/API 容器 Up、`/` 302、`/login/` 200、缺失 `_next` 资源 404、未登录 `/api/health` 401、容器内 `api:health ok`）。
 - 最近部署验证（2026-05-20）：`6597db3` 已通过 `./scripts/deploy-prod-safe.sh` 部署到 `/opt/skg-marketing-studio`；部署前备份为 `/opt/skg-marketing-studio-backups/skg-marketing-preserve-20260520151033.tgz`，生产 Docker 重建后脚本内验证通过（`web:/login/ 200`、`web:/api/health 401`、`api:health ok`）。线上登录后检查首页静态资源，当前加载 chunk `/_next/static/chunks/c48f07b9aef1cd29.js` 已包含 `min-w-[1280px]` 和 `max-w-[1920px]`，未再命中旧的 `h-[1000px]`、`w-[1800px]`、`BOARD_SCALE_PRESETS` 或 `boardScale`；对应工作台取消固定画布缩放，按浏览器正常流式布局渲染。
 - 最近部署验证（2026-05-20）：`2b842fd` 已通过 `./scripts/deploy-prod-safe.sh` 部署到 `/opt/skg-marketing-studio`；部署前备份为 `/opt/skg-marketing-studio-backups/skg-marketing-preserve-20260520145223.tgz`，生产 Docker 重建后脚本内验证通过（`web:/login/ 200`、`web:/api/health 401`、`api:health ok`）。线上登录后检查首页静态资源，当前加载 chunk `/_next/static/chunks/743b82648dfa9db9.js` 已包含 `h-32`、`maxHeight:560`、`提示词就绪` 和 `确认生成`，且未再命中旧的 `height:640` / `h-40`；对应转换层取消固定长高，生成要求输入区回到 128px，底部仍由发送区主按钮确认生成。
@@ -62,7 +63,7 @@
 - 独立预览容器重建命令：服务器 `/opt/skg-marketing-studio` 下执行 `docker compose -f docker-compose.standalone.yml --env-file deploy/.env.production up -d --build`；Web 暴露 `0.0.0.0:4290->80`，后端仅在 compose 内部网络暴露，`/api/` 由 Web 容器 Nginx 反代并复用应用内登录校验。
 - 生产架构：`web` 容器用 Nginx 承载 Next 静态导出；`/login/`、`/_next/`、`/assets/`、`/skg-logo-black.svg`、`/oasis-source/` 等登录页必需静态资源公开访问；未登录访问工作台跳转 `/login/`，`/api/` 通过 Nginx `auth_request` 校验 FastAPI 会话 Cookie 后反代到 `skg-marketing-api:4291`；Traefik 通过 `coolify` 外部网络接入 80/443
 - Web 验收必须以生产 Docker 形态为准：前端是 `next export` 静态产物 + Nginx，不是 `next dev` / `next start`。任何 Web 改动部署后必须运行 `./scripts/verify-prod-docker.sh`，确认 `/login/`、`/_next/`、`/api/health`、本地 API 地址泄漏和 API 镜像 `.env` 污染检查通过；不能只用本地 `npm run build` 作为上线依据。
-- 当前音频解析：`https://ai.skg.com/azure/v1` 的 `gpt-4o-transcribe` 当前返回 `DeploymentNotFound`，且官方 Azure OpenAI transcription 路径探测也未返回可用部署；生产临时复制本地成功策略，直接使用容器内 `faster-whisper tiny.en` 真实转写，关闭 Gemini 多模态音频兜底。拿到真实 Azure ASR deployment 名后再恢复 `ASR_REMOTE_ENABLED=true`。
+- 当前音频解析：`https://ai.skg.com/azure/v1` 的 `gpt-4o-transcribe` 当前返回 `DeploymentNotFound`，且官方 Azure OpenAI transcription 路径探测也未返回可用部署；生产临时复制本地成功策略，直接使用容器内多语言 `faster-whisper` 真实转写，默认语种为 `auto`，支持中文、英文和其他多语言原文识别，关闭 Gemini 多模态音频兜底。拿到真实 Azure ASR deployment 名后再恢复 `ASR_REMOTE_ENABLED=true`，并保持 `ASR_LANGUAGE` 为空或 `auto`，除非明确只想强制单一语种。
 - 持久化目录：服务器 `./data/jobs` 挂载到后端 `/data/jobs`；全局资源中心持久化在 `./data/asset_library`、`./data/prompt_library` 和 `./data/_trash`
 - TikTok 下载登录态：公开视频默认不带 cookies 直接下载，生产环境变量必须显式保持 `YTDLP_COOKIES_FILE=`、`YTDLP_COOKIES_FROM_BROWSER=` 为空，防止容器读取不存在的浏览器 cookies。只有 TikTok 明确要求登录态时，才使用服务器私有 cookies 文件 `./secrets/tiktok_cookies.txt` 挂载到 API 容器 `/run/secrets/tiktok_cookies.txt` 并配置 `YTDLP_COOKIES_FILE=/run/secrets/tiktok_cookies.txt`；`yt-dlp` 会在任务结束时回写 cookies，因此不要把该挂载设为只读；不要使用云端浏览器读取方案，也不要把 cookies 入库。生产容器严禁使用 `YTDLP_COOKIES_FROM_BROWSER=chrome`。
 - 登录凭证：用户名写下方快捷登录；密码明文备份只放服务器 `/root/skg-marketing-studio-login.txt`，生产环境变量 `WEB_AUTH_PASSWORD` / `WEB_AUTH_SESSION_SECRET` 只放服务器 `deploy/.env.production`
@@ -94,11 +95,11 @@
 - `LLM_BASE_URL` / `LLM_API_KEY`：OpenAI 兼容网关，用于翻译、文案改写、音频分析等文本/多模态理解模型调用
 - `ASR_BASE_URL` / `ASR_API_KEY`：OpenAI Audio Transcriptions 兼容网关，用于上传 `audio.wav` 做真实转写；未配置 `ASR_API_KEY` 时复用 `LLM_API_KEY`，生产默认指向 `https://ai.skg.com/azure/v1`
 - `ASR_MODEL`：OpenAI Audio Transcriptions 音频转写模型；微软通道使用 Azure OpenAI 部署名 `gpt-4o-transcribe`，如果 Azure 侧实际部署名不同必须同步改这里
-- `ASR_LANGUAGE`：远端 ASR 的输入语言提示，默认 `en`；微软官方说明指定 ISO-639-1 语言可改善准确率和延迟。
+- `ASR_LANGUAGE`：远端和本地 ASR 的可选输入语言提示，默认空值/`auto`，由模型自动识别中文、英文和其他多语言；只有明确知道素材固定语种时才填写 ISO-639-1 代码强制识别。
 - `ASR_REMOTE_ENABLED`：是否启用远端 OpenAI Audio Transcriptions；微软 ASR 验收时必须为 `true`。当前生产因 `https://ai.skg.com/azure/v1` 下 `gpt-4o-transcribe` 返回 `DeploymentNotFound`，临时设为 `false`，直接走容器内 `faster-whisper`，等真实 Azure deployment 名补齐后再恢复。
 - `ASR_LOCAL_FALLBACK_ENABLED`：是否允许远端 ASR 失败后落到本机 / 容器内 ASR；当前生产为 `true`，复制本地成功路径的“本机真实转写”策略，云端用 CPU 版 `faster-whisper` 替代本机 Mac 的 `mlx_whisper`。
 - `ASR_AUDIO_FALLBACK_ENABLED`：是否允许远端和本机 ASR 失败后落到多模态音频兜底；生产微软 ASR 验收设为 `false`，避免静默使用 Gemini 音频
-- `FASTER_WHISPER_MODEL` / `FASTER_WHISPER_DEVICE` / `FASTER_WHISPER_COMPUTE_TYPE`：容器内本地 ASR 兜底，仅在 `ASR_LOCAL_FALLBACK_ENABLED=true` 时启用
+- `FASTER_WHISPER_MODEL` / `FASTER_WHISPER_DEVICE` / `FASTER_WHISPER_COMPUTE_TYPE`：容器内本地 ASR 兜底，仅在 `ASR_LOCAL_FALLBACK_ENABLED=true` 时启用；默认用多语言 `base`，不要改回 `*.en` 英文专用模型，否则中文和多语言识别会退化。
 - `ASR_FALLBACK_MODEL`：多模态音频兜底模型，仅在 `ASR_AUDIO_FALLBACK_ENABLED=true` 时用于兜底或音频画像，默认 `gemini-2.5-flash`；如果模型不能真实听到音频或返回疑似逐秒假字幕，后端必须拒绝写入时间轴
 - `ASR_TIMEOUT_SECONDS`：远端 ASR / 翻译 / 音频分析单次请求超时；当前生产本地转写模式设为 45 秒，微软 ASR 重新启用时可按素材长度提高。
 - `LOCAL_ASR_BIN` / `LOCAL_ASR_MODEL` / `LOCAL_ASR_TIMEOUT_SECONDS`：本机 ASR 兜底，默认使用 `/opt/homebrew/bin/mlx_whisper` + `mlx-community/whisper-tiny`，用于当前 SKG 网关 `/audio/transcriptions` 不可用时生成真实逐句时间轴

api/README.md

@@ -35,6 +35,6 @@ uvicorn main:app --host 127.0.0.1 --port 4291
 
 - `ffmpeg` 系统二进制（拆轨 / 抽帧）
 - `yt-dlp` 系统二进制（也可走 Python 包）
-- OpenAI 兼容 LLM 网关（ASR / 翻译 / 文案改写 / 视觉 brief）；远端 `whisper-1` 失败后先走本机 `mlx_whisper`，再用 `ASR_FALLBACK_MODEL` 走 Gemini 多模态音频识别，后端会拒绝疑似假字幕或覆盖率过低的时间轴
+- OpenAI 兼容 LLM 网关（ASR / 翻译 / 文案改写 / 视觉 brief）；ASR 默认自动识别中文、英文和其他多语言，远端失败后先走容器内多语言 `faster-whisper` / 本机 `mlx_whisper`，再按开关用 `ASR_FALLBACK_MODEL` 走多模态音频识别，后端会拒绝疑似假字幕或覆盖率过低的时间轴
 - GPT 图片网关（当前所有生图 / 修图 / 产品视角识别 / 主体资产 / 首尾帧都强制使用 `gpt-image-2`，不做其他图片模型 fallback）
 - Azure OpenAI TTS（后续新配音阶段使用 `AZURE_OPENAI_API_KEY`；默认模型 `gpt-4o-mini-tts`，按 `AZURE_TTS_PATHS` 依次尝试语音路径）

api/main.py

@@ -63,13 +63,13 @@ LLM_API_KEY = os.getenv("LLM_API_KEY", "").strip()
 ASR_BASE_URL = os.getenv("ASR_BASE_URL", LLM_BASE_URL).strip()
 ASR_API_KEY = (os.getenv("ASR_API_KEY") or LLM_API_KEY).strip()
 ASR_MODEL = os.getenv("ASR_MODEL", "whisper-1")
-ASR_LANGUAGE = os.getenv("ASR_LANGUAGE", "en").strip()
+ASR_LANGUAGE = os.getenv("ASR_LANGUAGE", "").strip()
 ASR_REMOTE_ENABLED = os.getenv("ASR_REMOTE_ENABLED", "true").strip().lower() not in {"0", "false", "no", "off"}
 ASR_LOCAL_FALLBACK_ENABLED = os.getenv("ASR_LOCAL_FALLBACK_ENABLED", "true").strip().lower() not in {"0", "false", "no", "off"}
 ASR_AUDIO_FALLBACK_ENABLED = os.getenv("ASR_AUDIO_FALLBACK_ENABLED", "true").strip().lower() not in {"0", "false", "no", "off"}
 ASR_FALLBACK_MODEL = os.getenv("ASR_FALLBACK_MODEL", "gemini-2.5-flash").strip() or "gemini-2.5-flash"
 ASR_TIMEOUT_SECONDS = max(15, int(os.getenv("ASR_TIMEOUT_SECONDS", "45")))
-FASTER_WHISPER_MODEL = os.getenv("FASTER_WHISPER_MODEL", "tiny.en").strip() or "tiny.en"
+FASTER_WHISPER_MODEL = os.getenv("FASTER_WHISPER_MODEL", "base").strip() or "base"
 FASTER_WHISPER_DEVICE = os.getenv("FASTER_WHISPER_DEVICE", "cpu").strip() or "cpu"
 FASTER_WHISPER_COMPUTE_TYPE = os.getenv("FASTER_WHISPER_COMPUTE_TYPE", "int8").strip() or "int8"
 LOCAL_ASR_BIN = os.getenv("LOCAL_ASR_BIN", "").strip()
@@ -79,6 +79,20 @@ TRANSLATE_MODEL = os.getenv("TRANSLATE_MODEL", "gemini-2.5-flash")
 DEFAULT_GPT_TEXT_MODEL = os.getenv("GPT_TEXT_MODEL", "gpt-4o").strip() or "gpt-4o"
 
 
+ASR_AUTO_LANGUAGE_VALUES = {"", "auto", "detect", "multilingual", "multi"}
+
+
+def _asr_language_hint() -> str:
+    language = ASR_LANGUAGE.strip()
+    if language.lower() in ASR_AUTO_LANGUAGE_VALUES:
+        return ""
+    return language
+
+
+def _asr_language_label() -> str:
+    return _asr_language_hint() or "auto"
+
+
 def gpt_model_env(name: str, default: str | None = None) -> str:
     value = os.getenv(name, default or DEFAULT_GPT_TEXT_MODEL).strip()
     if not value or value.lower().startswith("gemini-"):
@@ -2811,7 +2825,7 @@ def _clean_asr_segments(segments: list[dict], duration: float) -> list[dict]:
 
 
 def _segment_text_key(text: str) -> str:
-    return re.sub(r"[^a-z0-9]+", " ", text.lower()).strip()
+    return re.sub(r"[^\w]+", " ", text.casefold(), flags=re.UNICODE).strip()
 
 
 def _validate_asr_segments(segments: list[dict], duration: float, source: str) -> list[dict]:
@@ -2909,19 +2923,22 @@ def _transcribe_faster_whisper_sync(wav: Path) -> list[dict]:
         device=FASTER_WHISPER_DEVICE,
         compute_type=FASTER_WHISPER_COMPUTE_TYPE,
     )
-    raw_segments, _info = model.transcribe(
-        str(wav.resolve()),
-        language="en",
-        beam_size=1,
-        vad_filter=True,
-        condition_on_previous_text=False,
-    )
+    language_hint = _asr_language_hint()
+    transcribe_options = {
+        "beam_size": 1,
+        "vad_filter": True,
+        "condition_on_previous_text": False,
+    }
+    if language_hint:
+        transcribe_options["language"] = language_hint
+    raw_segments, _info = model.transcribe(str(wav.resolve()), **transcribe_options)
+    detected_language = str(getattr(_info, "language", "") or language_hint or "auto")
     segments = [
         {"start": float(seg.start), "end": float(seg.end), "text": str(seg.text or "").strip()}
         for seg in raw_segments
         if str(seg.text or "").strip()
     ]
-    return _validate_asr_segments(segments, duration, f"faster-whisper:{FASTER_WHISPER_MODEL}")
+    return _validate_asr_segments(segments, duration, f"faster-whisper:{FASTER_WHISPER_MODEL}:{detected_language}")
 
 
 def _transcribe_gemini_sync(wav: Path) -> list[dict]:
@@ -2931,8 +2948,9 @@ def _transcribe_gemini_sync(wav: Path) -> list[dict]:
         "Transcribe the attached audio. Return strict JSON only, no markdown. "
         "If you cannot truly hear the audio, return {\"can_hear\": false}. Do not guess. "
         "If you can hear it, return {\"can_hear\": true, \"segments\": "
-        "[{\"start\": 0.0, \"end\": 1.2, \"text\": \"English transcript\"}]}. "
-        "Use English for the transcript. Only include timestamps you can infer from the audio."
+        "[{\"start\": 0.0, \"end\": 1.2, \"text\": \"original-language transcript\"}]}. "
+        "Keep the transcript in the spoken source language; do not translate it here. "
+        "Only include timestamps you can infer from the audio."
     )
     last_error: Exception | None = None
     for attempt in range(3):
@@ -2961,19 +2979,21 @@ def _transcribe_sync(wav: Path) -> list[dict]:
     if ASR_REMOTE_ENABLED:
         try:
             with wav.open("rb") as f:
+                language_hint = _asr_language_hint()
                 resp = asr_llm().with_options(timeout=ASR_TIMEOUT_SECONDS).audio.transcriptions.create(
                     file=(wav.name, f, "audio/wav"),
                     model=ASR_MODEL,
                     response_format="verbose_json",
                     timestamp_granularities=["segment"],
-                    **({"language": ASR_LANGUAGE} if ASR_LANGUAGE else {}),
+                    **({"language": language_hint} if language_hint else {}),
                 )
             raw = resp.model_dump() if hasattr(resp, "model_dump") else resp
             segments = raw.get("segments") or []
             # 兜底：网关如果不返回 segments，把全文当一段
             if not segments and raw.get("text"):
                 segments = [{"start": 0.0, "end": float(raw.get("duration", 0) or 0), "text": raw["text"]}]
-            return _validate_asr_segments(segments, duration, ASR_MODEL)
+            detected_language = str(raw.get("language") or language_hint or "auto")
+            return _validate_asr_segments(segments, duration, f"{ASR_MODEL}:{detected_language}")
         except Exception as e:
             errors.append(f"{ASR_MODEL}: {e}")
     else:
@@ -3001,11 +3021,13 @@ def _transcribe_sync(wav: Path) -> list[dict]:
 
 def _translate_sync(segments: list[dict]) -> list[str]:
     """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)]
+    payload = [{"i": i, "text": 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。"
-        "严格返回 JSON 数组，不要任何 markdown 或多余文字，schema: "
-        '[{"i": 0, "zh": "..."}, ...]\n\n输入：\n'
+        "你是多语言字幕翻译。把下列原语言字幕段翻译为简体中文；"
+        "如果原文已经是中文，只做简体中文规范化和口语化整理，不要改写意思。"
+        "保持原意、口语化、自然流畅。"
+        "严格返回 JSON object，不要任何 markdown 或多余文字，schema: "
+        '{"translations":[{"i": 0, "zh": "..."}]}\n\n输入：\n'
         + json.dumps(payload, ensure_ascii=False)
     )
     try:
@@ -3432,7 +3454,7 @@ def pipeline_transcribe(job_id: str, manage_job_status: bool = True) -> None:
             return
 
         # 1) whisper ASR
-        progress(f"{ASR_MODEL} 转录中…", 78)
+        progress(f"{ASR_MODEL} {_asr_language_label()} 语种转录中…", 78)
         segments = _transcribe_sync(wav)
         if not segments:
             raise TranscriptionUnavailable("ASR 未返回可用字幕段")
@@ -4494,7 +4516,7 @@ def health() -> dict:
         "voice_base_url": AZURE_OPENAI_BASE_URL,
         "models": {
             "asr": ASR_MODEL,
-            "asr_language": ASR_LANGUAGE,
+            "asr_language": _asr_language_label(),
             "asr_base_url": ASR_BASE_URL or LLM_BASE_URL or "openai-default",
             "asr_remote_enabled": ASR_REMOTE_ENABLED,
             "asr_local_fallback_enabled": ASR_LOCAL_FALLBACK_ENABLED,

web/components/ad-recreation-board.tsx

@@ -3,7 +3,7 @@
 import { type DragEvent as ReactDragEvent, type MouseEvent as ReactMouseEvent, type ReactNode, type RefObject, useEffect, useMemo, useRef, useState } from "react"
 import { createPortal } from "react-dom"
 import {
-  AlertTriangle, BookOpen, Check, ChevronDown, Circle, Film, FileText, Image as ImageIcon, Info, Link2, Loader2, Minus,
+  AlertTriangle, BookOpen, Check, ChevronDown, Circle, Download, Film, FileText, Image as ImageIcon, Info, Link2, Loader2, Minus,
   MessageSquare, Mic, Moon, Package, PanelRight, Play, Plus, RefreshCw, Scissors, Send, Sparkles, Sun, Trash2, Upload, Wand2,
 } from "lucide-react"
 import { toast } from "sonner"
@@ -863,6 +863,17 @@ function videoSrc(video: GeneratedVideo) {
   return apiAssetUrl(video.url)
 }
 
+function downloadMedia(url: string, filename: string) {
+  if (!url || typeof document === "undefined") return
+  const link = document.createElement("a")
+  link.href = url
+  link.download = filename
+  link.rel = "noreferrer"
+  document.body.appendChild(link)
+  link.click()
+  link.remove()
+}
+
 function audioPreview(job: Job | null) {
   if (!job) return "粘贴 TK 链接或上传视频后，系统会先下载视频；下载完成后自动提取音频文案。"
   const source = job.audio_script?.source_text?.trim() || job.audio_script?.source_zh?.trim()
@@ -1324,8 +1335,8 @@ function audioModelTrace(models?: RuntimeModels): ModelTraceSpec {
     title: "音频解析",
     model: modelList([models?.asr, models?.translate, models?.asr_fallback]),
     chain: [
-      `ASR 转写：远端 ${remoteState}，模型 ${modelValue(models?.asr)}${models?.asr_language ? `，语言 ${models.asr_language}` : ""}；本机转写 ${localState}，使用 ${localModel}；多模态兜底${models?.asr_audio_fallback_enabled === false ? "关闭" : `为 ${modelValue(models?.asr_fallback)}`}，并拒绝假字幕/重复时间轴`,
-      `字幕翻译：${modelValue(models?.translate)} 按 ASR 段落输出中文；失败时保留原文时间轴，中文可为空`,
+      `ASR 转写：远端 ${remoteState}，模型 ${modelValue(models?.asr)}，语言 ${models?.asr_language || "auto"}；本机转写 ${localState}，使用 ${localModel} 自动识别中文/多语言；多模态兜底${models?.asr_audio_fallback_enabled === false ? "关闭" : `为 ${modelValue(models?.asr_fallback)}`}，并拒绝假字幕/重复时间轴`,
+      `字幕翻译：${modelValue(models?.translate)} 按原语言 ASR 段落输出中文；原文已是中文时保留为中文镜像，失败时保留原文时间轴`,
       `讲话人 / 节奏 / 背景音：${modelValue(models?.asr_fallback)} 读取 audio.wav + 转写时间轴做多模态分析；失败时用本地时长/段落估算兜底`,
     ],
     note: "点击“解析音频”后触发；开始任务下载完成后也会自动走这条链路。",
@@ -1373,7 +1384,7 @@ function scriptRewriteModelTrace(models?: RuntimeModels): ModelTraceSpec {
     chain: [
       `主改写：${modelValue(models?.audio_rewrite)} 根据原文案、当前分镜、作者想法生成新口播`,
       `模型回退：依次尝试 ${modelValue(models?.asr_fallback)} 和 ${modelValue(models?.translate)}；全部失败时用本地模板保留分镜可编辑`,
-      "返回结果只写入当前分镜文案编辑框；点击保存规划后才写入 frame.storyboard.action",
+      "返回结果会先写入当前分镜文案编辑框；生成候选前会自动同步到分镜数据，无需单独保存视频",
     ],
   }
 }
@@ -1388,7 +1399,7 @@ function videoModelTrace(models: RuntimeModels | undefined, model: string): Mode
       `服务商：${modelValue(models?.video_provider)} · ${modelValue(models?.video_base_url)}`,
       "当前主工作台暂停直接提交视频；旧入口误触也会被页面层保护",
       "开放后输入会包含已确认首尾帧、当前分镜文案、产品素材、相似主体资产和画面规划",
-      "输出为异步候选视频，完成后回填到对应分镜行；Sora 已停用",
+      "输出为异步候选视频，提交后立即写入当前任务，完成后自动回填 mp4 到对应分镜行；Sora 已停用",
     ],
   }
 }
@@ -5584,23 +5595,6 @@ function AudioStoryboardPlanPanel({
     }
   }
 
-  const selectVideoForRow = async (row: AudioStoryboardRow, frame: KeyFrame | null, videoId: string) => {
-    if (!job || !frame) return
-    const plannedRow = { ...planForRow(row, frame), skgCopy: copyForRow(row), skgCopyZh: copyZhForRow(row) }
-    try {
-      const legacyRowIndex = legacyRowIndexForFrame(frame.index)
-      const savedSceneForRow = storyboardSceneBelongsToRow(frame.storyboard, row.index, legacyRowIndex)
-        ? frame.storyboard
-        : null
-      const scene = buildSceneForPlannedRow(plannedRow, frame, savedSceneForRow, videoId)
-      const updated = await updateStoryboard(job.id, frame.index, scene)
-      onJobUpdate?.(updated)
-      toast.success(`分镜 ${row.index + 1} 已选用该视频`)
-    } catch (e) {
-      toast.error("选用视频失败：" + (e instanceof Error ? e.message : String(e)))
-    }
-  }
-
   const clearVideosForRow = (videos: GeneratedVideo[]) => {
     if (!videos.length) return
     for (const video of videos) onDeleteVideo?.(video.id)
@@ -5904,9 +5898,9 @@ function AudioStoryboardPlanPanel({
     setStoryboardSaveBusyRow(row.index)
     try {
       await saveRowStoryboardDraft(row, frame)
-      toast.success("已保存本条三字段规划")
+      toast.success("本条三字段规划已同步")
     } catch (e) {
-      toast.error("保存本条规划失败：" + (e instanceof Error ? e.message : String(e)))
+      toast.error("同步本条规划失败：" + (e instanceof Error ? e.message : String(e)))
     } finally {
       setStoryboardSaveBusyRow(null)
     }
@@ -5918,7 +5912,7 @@ function AudioStoryboardPlanPanel({
       .map((row) => ({ row: planForRow(row, referenceFrameForRow(row)), frame: referenceFrameForRow(row) }))
       .filter((item): item is { row: AudioStoryboardRow; frame: KeyFrame } => !!item.frame)
     if (!jobsToSubmit.length) {
-      if (!quiet) toast.warning("先完成前置抽帧，让每条分镜有可保存的承载位置")
+      if (!quiet) toast.warning("先完成前置抽帧，让每条分镜有可同步的承载位置")
       return { ok: 0, failed: rows.length }
     }
     setBatchStoryboardSaveBusy(true)
@@ -5932,12 +5926,12 @@ function AudioStoryboardPlanPanel({
           ok += 1
         } catch (e) {
           failed += 1
-          console.warn("批量保存分镜规划失败", item.row.index, e)
+          console.warn("批量同步分镜规划失败", item.row.index, e)
         }
       }
       if (!quiet) {
-        if (failed) toast.warning(`已保存 ${ok} 条规划，${failed} 条失败`)
-        else toast.success(`已保存全部 ${ok} 条分镜规划`)
+        if (failed) toast.warning(`已同步 ${ok} 条规划，${failed} 条失败`)
+        else toast.success(`已同步全部 ${ok} 条分镜规划`)
       }
     } finally {
       setStoryboardSaveBusyRow(null)
@@ -6307,10 +6301,11 @@ function AudioStoryboardPlanPanel({
                   type="button"
                   onClick={() => void saveAllStoryboardDrafts()}
                   disabled={batchStoryboardSaveBusy || !rows.length || !orderedFrames.length}
-                  className="skg-primary-action inline-flex h-9 items-center justify-center gap-1 px-2.5 text-[11px] font-semibold transition disabled:cursor-not-allowed disabled:opacity-40"
+                  title="只同步三字段规划；生成的视频会自动保存到当前任务"
+                  className="skg-secondary-action inline-flex h-9 items-center justify-center gap-1 px-2.5 text-[11px] font-semibold transition disabled:cursor-not-allowed disabled:opacity-40"
                 >
                   {batchStoryboardSaveBusy ? <Loader2 className="h-3.5 w-3.5 animate-spin" /> : <Check className="h-3.5 w-3.5" />}
-                  保存全部
+                  同步规划
                 </button>
               </div>
             </div>
@@ -6468,7 +6463,6 @@ function AudioStoryboardPlanPanel({
                       job={job}
                       videos={rowVideos}
                       enabled={!!referenceFrame}
-                      selectedVideoId={selectedVideoIdForRow(row, referenceFrame)}
                       busy={quickVideoBusyRow === row.index}
                       count={rowVideoCount}
                       onCountChange={(count) => patchRowVideoCount(row.index, count)}
@@ -6476,7 +6470,6 @@ function AudioStoryboardPlanPanel({
                       onReroll={() => void drawVideosForRow(plannedRow, referenceFrame, rowVideoCount)}
                       onRegenerate={() => void drawVideosForRow(plannedRow, referenceFrame, 1)}
                       onClear={() => clearVideosForRow(rowVideos)}
-                      onSelect={(videoId) => void selectVideoForRow(plannedRow, referenceFrame, videoId)}
                       onDeleteVideo={onDeleteVideo}
                     />
                   </div>
@@ -6697,7 +6690,6 @@ function AudioStoryboardPlanPanel({
                     videos={rowVideos}
                     enabled={!!referenceFrame}
                     expanded={videosOpen}
-                    selectedVideoId={selectedVideoIdForRow(row, referenceFrame)}
                     busy={quickVideoBusyRow === row.index}
                     count={rowVideoCount}
                     onCountChange={(count) => patchRowVideoCount(row.index, count)}
@@ -6706,7 +6698,6 @@ function AudioStoryboardPlanPanel({
                     onReroll={() => void drawVideosForRow(plannedRow, referenceFrame, rowVideoCount)}
                     onRegenerate={() => void drawVideosForRow(plannedRow, referenceFrame, 1)}
                     onClear={() => clearVideosForRow(rowVideos)}
-                    onSelect={(videoId) => void selectVideoForRow(plannedRow, referenceFrame, videoId)}
                     onDeleteVideo={onDeleteVideo}
                   />
                   <div className="mt-1 flex items-center justify-between gap-2">
@@ -6720,10 +6711,11 @@ function AudioStoryboardPlanPanel({
                     type="button"
                     onClick={() => void saveSingleRowStoryboardDraft(plannedRow, referenceFrame)}
                     disabled={!referenceFrame || savingStoryboard}
-                    className="skg-primary-action mt-1.5 inline-flex h-8 w-full items-center justify-center gap-1 px-2 text-[11px] font-semibold transition disabled:cursor-not-allowed disabled:opacity-40"
+                    title="只同步本条三字段规划；生成的视频会自动保存到当前任务"
+                    className="mt-1.5 inline-flex h-8 w-full items-center justify-center gap-1 rounded-md border border-white/10 bg-white/[0.04] px-2 text-[11px] font-semibold text-white/58 transition hover:border-cyan-300/35 hover:text-cyan-100 disabled:cursor-not-allowed disabled:opacity-40"
                   >
                     {savingStoryboard ? <Loader2 className="h-3.5 w-3.5 animate-spin" /> : <Check className="h-3.5 w-3.5" />}
-                    保存本条规划
+                    同步本条规划
                   </button>
                 </StoryboardPlanCell>
                 </div>
@@ -7062,7 +7054,6 @@ function StoryboardVideoSlots({
   job,
   videos,
   enabled,
-  selectedVideoId = "",
   busy = false,
   count = 4,
   onCountChange,
@@ -7070,14 +7061,12 @@ function StoryboardVideoSlots({
   onReroll,
   onRegenerate,
   onClear,
-  onSelect,
   onDeleteVideo,
 }: {
   job: Job
   videos: GeneratedVideo[]
   enabled: boolean
   expanded?: boolean
-  selectedVideoId?: string
   busy?: boolean
   count?: number
   onCountChange?: (count: number) => void
@@ -7086,12 +7075,10 @@ function StoryboardVideoSlots({
   onReroll?: () => void
   onRegenerate?: () => void
   onClear?: () => void
-  onSelect?: (videoId: string) => void
   onDeleteVideo?: (videoId: string) => void
 }) {
   const visible = videos
   const runningCount = videos.filter((video) => video.status === "queued" || video.status === "in_progress").length
-  const selectedVideo = selectedVideoId ? videos.find((video) => video.id === selectedVideoId) : null
   const targetCount = clampVideoCount(count)
   const emptyCount = visible.length ? 0 : Math.max(1, targetCount)
   return (
@@ -7103,7 +7090,9 @@ function StoryboardVideoSlots({
           <span className="shrink-0 text-[10px] text-white/34">
             {videos.length ? `${videos.length} 条${runningCount ? ` · ${runningCount} 生成中` : ""}` : enabled ? "待生成" : "待抽帧"}
           </span>
-          {selectedVideo ? <span className="rounded border border-emerald-300/20 bg-emerald-300/[0.08] px-1.5 py-0.5 text-[10px] text-emerald-100/72">已选 {shortId(selectedVideo.id)}</span> : null}
+          {videos.length ? (
+            <span className="rounded border border-emerald-300/18 bg-emerald-300/[0.07] px-1.5 py-0.5 text-[10px] text-emerald-100/70">自动保存</span>
+          ) : null}
         </div>
         <div className="flex flex-wrap items-center gap-1.5">
           <label className="inline-flex h-7 items-center gap-1 rounded-md border border-white/10 bg-black/36 px-1.5 text-[10px] font-semibold text-white/48">
@@ -7146,9 +7135,7 @@ function StoryboardVideoSlots({
             key={video.id}
             job={job}
             video={video}
-            selected={selectedVideoId === video.id}
             className="h-[168px] w-[94px]"
-            onSelect={onSelect ? () => onSelect(video.id) : undefined}
             onRegenerate={onRegenerate}
             onDelete={onDeleteVideo ? () => onDeleteVideo(video.id) : undefined}
           />
@@ -7265,40 +7252,50 @@ function StoryboardVideoPreview({
   job,
   video,
   className = "h-20 w-12",
-  selected = false,
-  onSelect,
   onRegenerate,
   onDelete,
 }: {
   job: Job
   video: GeneratedVideo
   className?: string
-  selected?: boolean
-  onSelect?: () => void
   onRegenerate?: () => void
   onDelete?: () => void
 }) {
   const src = videoSrc(video)
+  const playableSrc = src && video.status === "completed" ? src : ""
   const poster = videoPoster(job, video)
   const running = video.status === "queued" || video.status === "in_progress"
   return (
     <MediaAssetTile
       kind="video"
-      src={src && video.status === "completed" ? src : undefined}
+      src={playableSrc || undefined}
       poster={poster}
-      href={onSelect ? undefined : src || undefined}
+      href={playableSrc || undefined}
       alt={`片段 ${shortId(video.id)}`}
       label={`${shortId(video.id)} · ${video.model}`}
       meta={video.status}
       className={`shrink-0 bg-black/45 ${className}`}
       objectFit="cover"
-      selected={selected}
-      onClick={onSelect}
-      title={`${video.model} · ${video.status}`}
+      title={playableSrc ? "点击打开视频预览" : `${video.model} · ${video.status}`}
       bottom={<span className="block truncate rounded bg-black/70 px-1 py-0.5 text-center font-mono text-[9px] text-white/62">{running ? "生成中" : video.status === "failed" ? "失败" : shortId(video.id)}</span>}
-      topLeft={selected ? <span className="inline-flex h-5 w-5 items-center justify-center rounded-full bg-emerald-400 text-black"><Check className="h-3 w-3" /></span> : undefined}
       topRight={running ? <Loader2 className="h-3 w-3 animate-spin text-cyan-100" /> : undefined}
-      actions={onRegenerate ? [{ key: "regen", label: "重生一个候选", icon: <RefreshCw className="h-3 w-3" />, onClick: onRegenerate, tone: "cyan" }] : []}
+      actions={[
+        ...(playableSrc ? [{
+          key: "download",
+          label: "下载视频",
+          icon: <Download className="h-3 w-3" />,
+          onClick: () => downloadMedia(playableSrc, `skg-storyboard-${shortId(video.id)}.mp4`),
+          tone: "cyan" as const,
+        }] : []),
+        ...(onRegenerate ? [{
+          key: "regen",
+          label: "重生一个候选",
+          icon: <RefreshCw className="h-3 w-3" />,
+          onClick: onRegenerate,
+          tone: "neutral" as const,
+        }] : []),
+      ]}
+      actionsAlwaysVisible={!!playableSrc}
       onDelete={onDelete}
       deleteLabel="删除这个视频候选"
     />
@@ -7921,13 +7918,13 @@ function ComposeSummary({
         <PanelRight className="h-4 w-4 text-rose-200" />
         <div>
           <div className="text-[13px] font-semibold text-white">完整视频合成</div>
-          <div className="text-[11px] text-white/40">音频和已选分镜视频将合成完整广告，接口待接入。</div>
+          <div className="text-[11px] text-white/40">音频和已生成候选视频将合成完整广告，接口待接入。</div>
         </div>
       </div>
       <div className="flex items-center gap-2 text-[11px] text-white/52">
         <Requirement label="音频" ready={audioReady} detail={audioReady ? "已生成" : "待解析"} />
         <Requirement label="候选" ready={generatedVideoCount > 0} detail={`${generatedVideoCount}`} />
-        <Requirement label="已选" ready={selectedVideoCount > 0} detail={`${selectedVideoCount}`} />
+        <Requirement label="自动存" ready={generatedVideoCount > 0} detail={generatedVideoCount > 0 ? "已保存" : "待候选"} />
         <button type="button" disabled className="inline-flex h-10 cursor-not-allowed items-center justify-center gap-2 rounded-md border border-white/10 bg-white/[0.04] px-3 text-[12px] font-semibold text-white/34">
           <Film className="h-4 w-4" />
           合成完整视频
@@ -8177,19 +8174,31 @@ function VideoCandidate({
   const src = videoSrc(video)
   const poster = videoPoster(job, video)
   const running = video.status === "queued" || video.status === "in_progress"
+  const playableSrc = src && video.status === "completed" ? src : ""
+  const thumb = (
+    <>
+      {playableSrc ? (
+        <video src={playableSrc} poster={poster} muted playsInline className="h-full w-full object-cover" />
+      ) : poster ? (
+        <img src={poster} alt={`片段 ${shortId(video.id)}`} className="h-full w-full object-cover opacity-80" />
+      ) : (
+        <div className="flex h-full w-full items-center justify-center text-white/30"><Film className="h-4 w-4" /></div>
+      )}
+      <div className="absolute right-1 top-1 rounded-full bg-black/70 p-0.5">{selected ? <Check className="h-3 w-3 text-rose-200" /> : <Circle className="h-3 w-3 text-white/55" />}</div>
+    </>
+  )
   return (
     <div className={`rounded-lg border p-2 transition ${selected ? "border-rose-400/70 bg-rose-500/10" : "border-white/10 bg-black/30"}`}>
       <div className="flex gap-2">
-        <button type="button" onClick={onToggle} className="relative h-24 w-14 shrink-0 overflow-hidden rounded-md border border-white/10 bg-black">
-          {src && video.status === "completed" ? (
-            <video src={src} poster={poster} muted playsInline className="h-full w-full object-cover" />
-          ) : poster ? (
-            <img src={poster} alt={`片段 ${shortId(video.id)}`} className="h-full w-full object-cover opacity-80" />
-          ) : (
-            <div className="flex h-full w-full items-center justify-center text-white/30"><Film className="h-4 w-4" /></div>
-          )}
-          <div className="absolute right-1 top-1 rounded-full bg-black/70 p-0.5">{selected ? <Check className="h-3 w-3 text-rose-200" /> : <Circle className="h-3 w-3 text-white/55" />}</div>
-        </button>
+        {playableSrc ? (
+          <a href={playableSrc} target="_blank" rel="noreferrer" className="relative h-24 w-14 shrink-0 overflow-hidden rounded-md border border-white/10 bg-black" title="打开视频预览">
+            {thumb}
+          </a>
+        ) : (
+          <div className="relative h-24 w-14 shrink-0 overflow-hidden rounded-md border border-white/10 bg-black">
+            {thumb}
+          </div>
+        )}
         <div className="min-w-0 flex-1">
           <div className="flex items-center justify-between gap-2">
             <div className="truncate font-mono text-[12px] text-white/80">{shortId(video.id)} · {video.model}</div>
@@ -8204,11 +8213,17 @@ function VideoCandidate({
             <span>{video.progress}%</span>
           </div>
           {video.error && <div className="mt-1 line-clamp-2 text-[11px] text-rose-200/80">{video.error}</div>}
-          {src && video.status === "completed" && (
-            <a href={src} target="_blank" rel="noreferrer" className="mt-2 inline-flex items-center gap-1 text-[11px] font-medium text-cyan-200 hover:text-cyan-100">
-              <Play className="h-3 w-3" />
-              预览片段
-            </a>
+          {playableSrc && (
+            <div className="mt-2 flex flex-wrap items-center gap-2">
+              <a href={playableSrc} target="_blank" rel="noreferrer" className="inline-flex items-center gap-1 text-[11px] font-medium text-cyan-200 hover:text-cyan-100">
+                <Play className="h-3 w-3" />
+                预览片段
+              </a>
+              <a href={playableSrc} download={`skg-storyboard-${shortId(video.id)}.mp4`} className="inline-flex items-center gap-1 text-[11px] font-medium text-emerald-200 hover:text-emerald-100">
+                <Download className="h-3 w-3" />
+                下载
+              </a>
+            </div>
           )}
         </div>
       </div>

web/components/audio-strip.tsx

@@ -319,7 +319,7 @@ export function AudioStrip({ job, open, onClose }: { job: Job | null; open: bool
                 </div>
             ) : (
               <div className="flex h-full items-center justify-center rounded-lg border border-dashed border-white/12 text-[12px] text-white/45">
-                点击音频卡片后开始解析；完成后这里会按时间显示英文、中文翻译和对应波形。
+                点击音频卡片后开始解析；完成后这里会按时间显示原语言文案、中文镜像和对应波形。
               </div>
             )}
             </div>

web/components/media-asset-tile.tsx

@@ -46,6 +46,7 @@ type MediaAssetTileProps = {
   deleting?: boolean
   deleteDisabled?: boolean
   actions?: MediaAssetAction[]
+  actionsAlwaysVisible?: boolean
   disablePreview?: boolean
 }
 
@@ -106,6 +107,7 @@ export function MediaAssetTile({
   deleting = false,
   deleteDisabled = false,
   actions = [],
+  actionsAlwaysVisible = false,
   disablePreview = false,
 }: MediaAssetTileProps) {
   const [position, setPosition] = useState<{ left: number; top: number; width: number } | null>(null)
@@ -200,7 +202,7 @@ export function MediaAssetTile({
       {topRight ? <div className="pointer-events-none absolute right-1 top-1 z-10">{topRight}</div> : null}
       {bottom ? <div className="pointer-events-none absolute bottom-1 left-1 right-1 z-10">{bottom}</div> : null}
       {(actions.length || onDelete) ? (
-        <div className="absolute right-1 top-1 z-20 flex flex-col gap-0.5 opacity-0 transition group-hover:opacity-100 group-focus-within:opacity-100">
+        <div className={`absolute right-1 top-1 z-20 flex flex-col gap-0.5 transition ${actionsAlwaysVisible ? "opacity-100" : "opacity-0 group-hover:opacity-100 group-focus-within:opacity-100"}`}>
           {actions.map((action) => (
             <button
               key={action.key}

web/components/nodes/index.tsx

@@ -2017,7 +2017,7 @@ export function ASRNode({ data, selected }: any) {
       onTogglePin={() => d.onToggleNodePin?.("asr")}
     >
       <div className="text-[11.5px] text-[var(--text-soft)]">
-        OpenAI-compatible ASR · 英文带时间戳分段
+        OpenAI-compatible ASR · 原语言带时间戳分段
       </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)]">