# 纪录片脚本生成 import os import json import time import asyncio import traceback import requests from app.utils import video_processor import streamlit as st from loguru import logger from requests.adapters import HTTPAdapter from app.config import config from app.utils.script_generator import ScriptProcessor from app.utils import utils, video_processor, qwenvl_analyzer from webui.tools.base import create_vision_analyzer, get_batch_files, get_batch_timestamps, chekc_video_config def generate_script_docu(params): """ 生成 纪录片 视频脚本 要求: 原视频无字幕无配音 适合场景: 纪录片、动物搞笑解说、荒野建造等 """ progress_bar = st.progress(0) status_text = st.empty() def update_progress(progress: float, message: str = ""): progress_bar.progress(progress) if message: status_text.text(f"{progress}% - {message}") else: status_text.text(f"进度: {progress}%") try: with st.spinner("正在生成脚本..."): if not params.video_origin_path: st.error("请先选择视频文件") return """ 1. 提取键帧 """ update_progress(10, "正在提取关键帧...") # 创建临时目录用于存储关键帧 keyframes_dir = os.path.join(utils.temp_dir(), "keyframes") video_hash = utils.md5(params.video_origin_path + str(os.path.getmtime(params.video_origin_path))) video_keyframes_dir = os.path.join(keyframes_dir, video_hash) # 检查是否已经提取过关键帧 keyframe_files = [] if os.path.exists(video_keyframes_dir): # 取已有的关键帧文件 for filename in sorted(os.listdir(video_keyframes_dir)): if filename.endswith('.jpg'): keyframe_files.append(os.path.join(video_keyframes_dir, filename)) if keyframe_files: logger.info(f"使用已缓存的关键帧: {video_keyframes_dir}") st.info(f"使用已缓存的关键帧，如需重新提取请删除目录: {video_keyframes_dir}") update_progress(20, f"使用已缓存关键帧，共 {len(keyframe_files)} 帧") # 如果没有缓存的关键帧，则进行提取 if not keyframe_files: try: # 确保目录存在 os.makedirs(video_keyframes_dir, exist_ok=True) # 初始化视频处理器 processor = video_processor.VideoProcessor(params.video_origin_path) # 处理视频并提取关键帧 processor.process_video_pipeline( output_dir=video_keyframes_dir, interval_seconds=st.session_state.get('frame_interval_input'), ) # 获取所有关键文件路径 for filename in sorted(os.listdir(video_keyframes_dir)): if filename.endswith('.jpg'): keyframe_files.append(os.path.join(video_keyframes_dir, filename)) if not keyframe_files: raise Exception("未提取到任何关键帧") update_progress(20, f"关键帧提取完成，共 {len(keyframe_files)} 帧") except Exception as e: # 如果提取失败，清理创建的目录 try: if os.path.exists(video_keyframes_dir): import shutil shutil.rmtree(video_keyframes_dir) except Exception as cleanup_err: logger.error(f"清理失败的关键帧目录时出错: {cleanup_err}") raise Exception(f"关键帧提取失败: {str(e)}") """ 2. 视觉分析 """ vision_llm_provider = st.session_state.get('vision_llm_providers').lower() logger.debug(f"VLM 视觉大模型提供商: {vision_llm_provider}") try: # ===================初始化视觉分析器=================== update_progress(30, "正在初始化视觉分析器...") # 从配置中获取相关配置 if vision_llm_provider == 'gemini': vision_api_key = st.session_state.get('vision_gemini_api_key') vision_model = st.session_state.get('vision_gemini_model_name') vision_base_url = st.session_state.get('vision_gemini_base_url') elif vision_llm_provider == 'qwenvl': vision_api_key = st.session_state.get('vision_qwenvl_api_key') vision_model = st.session_state.get('vision_qwenvl_model_name', 'qwen-vl-max-latest') vision_base_url = st.session_state.get('vision_qwenvl_base_url') else: raise ValueError(f"不支持的视觉分析提供商: {vision_llm_provider}") # 创建视觉分析器实例 analyzer = create_vision_analyzer( provider=vision_llm_provider, api_key=vision_api_key, model=vision_model, base_url=vision_base_url ) update_progress(40, "正在分析关键帧...") # ===================创建异步事件循环=================== loop = asyncio.new_event_loop() asyncio.set_event_loop(loop) # 执行异步分析 vision_batch_size = st.session_state.get('vision_batch_size') or config.frames.get("vision_batch_size") vision_analysis_prompt = """ 我提供了 %s 张视频帧，它们按时间顺序排列，代表一个连续的视频片段。请仔细分析每一帧的内容，并关注帧与帧之间的变化，以理解整个片段的活动。 首先，请详细描述每一帧的关键视觉信息（包含：主要内容、人物、动作和场景）。 然后，基于所有帧的分析，请用**简洁的语言**总结整个视频片段中发生的主要活动或事件流程。 请务必使用 JSON 格式输出你的结果。JSON 结构应如下： { "frame_observations": [ { "frame_number": 1, // 或其他标识帧的方式 "observation": "描述每张视频帧中的主要内容、人物、动作和场景。" }, // ... 更多帧的观察 ... ], "overall_activity_summary": "在这里填写你总结的整个片段的主要活动，保持简洁。" } 请务必不要遗漏视频帧，我提供了 %s 张视频帧，frame_observations 必须包含 %s 个元素 请只返回 JSON 字符串，不要包含任何其他解释性文字。 """ results = loop.run_until_complete( analyzer.analyze_images( images=keyframe_files, prompt=vision_analysis_prompt, batch_size=vision_batch_size ) ) loop.close() # ===================处理分析结果=================== update_progress(60, "正在整理分析结果...") # 合并所有批次的析结果 frame_analysis = "" prev_batch_files = None for result in results: if 'error' in result: logger.warning(f"批次 {result['batch_index']} 处理出现警告: {result['error']}") # 获取当前批次的文件列表 keyframe_001136_000045.jpg 将 000045 精度提升到 毫秒 batch_files = get_batch_files(keyframe_files, result, vision_batch_size) logger.debug(f"批次 {result['batch_index']} 处理完成，共 {len(batch_files)} 张图片") # logger.debug(batch_files) first_timestamp, last_timestamp, _ = get_batch_timestamps(batch_files, prev_batch_files) logger.debug(f"处理时间戳: {first_timestamp}-{last_timestamp}") # 添加带时间戳的分析结果 frame_analysis += f"\n=== {first_timestamp}-{last_timestamp} ===\n" frame_analysis += result['response'] frame_analysis += "\n" # 更新上一个批次的文件 prev_batch_files = batch_files if not frame_analysis.strip(): raise Exception("未能生成有效的帧分析结果") # 保存分析结果 analysis_path = os.path.join(utils.temp_dir(), "frame_analysis.txt") with open(analysis_path, 'w', encoding='utf-8') as f: f.write(frame_analysis) update_progress(70, "正在生成脚本...") # 从配置中获取文本生成相关配置 text_provider = config.app.get('text_llm_provider', 'gemini').lower() text_api_key = config.app.get(f'text_{text_provider}_api_key') text_model = config.app.get(f'text_{text_provider}_model_name') text_base_url = config.app.get(f'text_{text_provider}_base_url') # 构建帧内容列表 frame_content_list = [] prev_batch_files = None for i, result in enumerate(results): if 'error' in result: continue batch_files = get_batch_files(keyframe_files, result, vision_batch_size) _, _, timestamp_range = get_batch_timestamps(batch_files, prev_batch_files) frame_content = { "_id": i + 1, "timestamp": timestamp_range, "picture": result['response'], "narration": "", "OST": 2 } frame_content_list.append(frame_content) logger.debug(f"添加帧内容: 时间范围={timestamp_range}, 分析结果长度={len(result['response'])}") # 更新上一个批次的文件 prev_batch_files = batch_files if not frame_content_list: raise Exception("没有有效的帧内容可以处理") # ===================开始生成文案=================== update_progress(80, "正在生成文案...") # 校验配置 api_params = { "vision_api_key": vision_api_key, "vision_model_name": vision_model, "vision_base_url": vision_base_url or "", "text_api_key": text_api_key, "text_model_name": text_model, "text_base_url": text_base_url or "" } chekc_video_config(api_params) custom_prompt = st.session_state.get('custom_prompt', '') processor = ScriptProcessor( model_name=text_model, api_key=text_api_key, prompt=custom_prompt, base_url=text_base_url or "", video_theme=st.session_state.get('video_theme', '') ) # 处理帧内容生成脚本 script_result = processor.process_frames(frame_content_list) # 结果转换为JSON字符串 script = json.dumps(script_result, ensure_ascii=False, indent=2) except Exception as e: logger.exception(f"大模型处理过程中发生错误\n{traceback.format_exc()}") raise Exception(f"分析失败: {str(e)}") if script is None: st.error("生成脚本失败，请检查日志") st.stop() logger.info(f"脚本生成完成") if isinstance(script, list): st.session_state['video_clip_json'] = script elif isinstance(script, str): st.session_state['video_clip_json'] = json.loads(script) update_progress(80, "脚本生成完成") time.sleep(0.1) progress_bar.progress(100) status_text.text("脚本生成完成！") st.success("视频脚本生成成功！") except Exception as err: st.error(f"生成过程中发生错误: {str(err)}") logger.exception(f"生成脚本时发生错误\n{traceback.format_exc()}") finally: time.sleep(2) progress_bar.empty() status_text.empty()