kang
3ed3f721eb
- run(): add timeout (download 600s via DOWNLOAD_TIMEOUT_SECONDS, else 300s); TimeoutExpired now kills the child and fails the job instead of hanging forever - create_job: validate_source_url() rejects file://, private/loopback/link-local IPs and off-allowlist hosts (SOURCE_URL_ALLOWED_HOSTS) — closes SSRF/local-read - per-job RLock guards save_state/update/update_generated_video and the retry check-and-set so concurrent video workers can't clobber state.json - db: psycopg_pool connection pool (graceful fallback if unavailable); write failures surfaced via logging.error instead of silent print - read-only media GET routes use job_path() (no mkdir) to stop empty-dir spam - wrap remaining Image.open() in with-blocks to avoid fd leaks Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>
SKG TK 二创 API
FastAPI 后端，跑 yt-dlp + ffmpeg + ASR/翻译/音频画像、抽帧、GPT 图像生成/修图、Azure OpenAI TTS 预留和视频候选预留管线。
启动
cd api
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
cp .env.example .env # 按需填 LLM_API_KEY / AZURE_OPENAI_API_KEY
uvicorn main:app --host 127.0.0.1 --port 4291
不要在长下载、抽帧、音频处理时带 --reload 跑后端；reload 会等待后台任务结束，表现为端口还在但新请求卡住。
路由
GET /health— 健康检查 + 配置状态POST /jobs{url}— 创建 job，后台下载源视频；前端“开始分析”会在视频就绪后自动启动音频解析和视觉抽帧POST /jobs/{id}/download/retry— TK 链接下载失败后重试下载；上传视频任务不能重下载GET /jobs/{id}— 当前状态 + 产物；若原始音轨已拆出，会返回source_audio_urlPOST /jobs/{id}/transcribe— 触发音频提取 + ASR + 中文翻译 + 讲话人 / 节奏 / 背景音分析；当前第一步不默认生成 SKG 新口播或 TTS 配音GET /jobs/{id}/video.mp4— 原视频GET /jobs/{id}/audio.wav— 拆轨后的原始音频，供前端音频波形和多模态音频分析使用GET /jobs/{id}/audio-script.mp3— 后续新配音阶段保留的 Azure OpenAI TTS 文件GET /jobs/{id}/frames/{i}.jpg— 第 i 张参考帧；当前主流程自动抽 12 张动作 / 节奏参考帧，也支持手动按当前播放点补帧
Mock 模式
未设 LLM_API_KEY 时，转录走本地 mock，便于 UI 联调；未设 AZURE_OPENAI_API_KEY 时，后续 TTS 文件不会生成，但不影响当前第一步音频解析。
依赖
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）；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）