# 视频工厂能力现状审计（2026-10-02）

> 回答「是不是缺东西」—— 逐项列出**能用 / 不能用 / 待接**，以及缺的具体是什么
> 基准：三端 `a2b367973`

---

## 一、能力层（25 个注册能力）

**状态**：✅ 可用 19 · 🟡 部分可用 3 · ⚪ 规划中 3

### 执行器已接入（8 个 —— 流程里能自动跑）

| 能力 | 用途 | 依赖 | 状态 |
|:--|:--|:--|:--|
| `storyboard_plan` 分镜规划 | 故事 → 分镜 | LLM（DeepSeek） | ✅ |
| `prompt_gen` 提示词生成 | 分镜 → 六模块提示词 | 无 | ✅ |
| `text_to_video` 视频生成 | 提示词 → 视频 | **可灵**（已配） | ✅ |
| `video_concat` 视频合成 | 片段 → 去AI化 → 拼接 → 混流 | FFmpeg | ✅ |
| `tts_generate` 语音合成 | 文本 → 音频 | **阿里百炼**（已配） | ✅ |
| `material_search` 素材搜索 | 关键词 → 素材 | **Pexels**（已配） | ✅ |
| `music_select` BGM 选择 | 风格 → BGM | 本地音乐库 | ✅ |
| `subtitle` 字幕生成 | 台词 → ASS 字幕 | FFmpeg | ✅ |

### 注册但执行器未接入（流程中**明确跳过并说明原因**，不会静默失败）

`script_generate`（映射已连但实现待补）· `image_to_video` 图生视频 · `text_to_image` 文生图 ·
`person_swap` 人物置换 · `lipsync` 对口型 · `vfx_apply` 特效 · `comfyui_workflow` · `character_3d`

---

## 二、模型与供应商（配置现状）

| 供应商 | 用途 | 配置 | 状态 |
|:--|:--|:--|:--|
| **可灵 Kling** | 视频生成 / 图片生成 | ✅ 已配 | **视频 ✅ 可用**；**图片 ⚠️ 额度不足**（需单独充值） |
| **阿里百炼** | TTS / 人物置换 | ✅ 已配（已充值） | ✅ 可用 |
| **DeepSeek** | 文本（剧本/分镜/评论） | ✅ 已配 | ✅ 可用 |
| **Pexels** | 素材搜索 | ✅ 已配 | ✅ 可用 |
| 火山方舟（即梦） | 图片/视频备选引擎 | ⚪ 未配 / 模型名待确认 | ⚪ 待接 |
| fal.ai | 对口型（Kling Lipsync） | ❌ 未配 | ⚪ 待接 |

---

## 三、资产库（11 类，全部可用）

角色 · 场景 · 真实场地 · 产品 · 道具 · 服装 · 音色 · BGM · 音效 · 特效预设 · 素材

**每类都具备**：搜索/筛选/排序 · 卡片/表格视图 · 编辑字段（**含下拉建议**）· 上传参考图 · **🎨 AI 生成参考图** · 删除

**角色生成器**（专门页面）：**10 层 61 字段**（44 个下拉）+ 5 视角 + 引擎选择

---

## 四、导演系统（已接 2 个）

| 导演 | 类型 | 状态 |
|:--|:--|:--|
| `legacy_scene_planner` | 本地分镜 | ✅ 可用 |
| `storyboard_v52`（AI Storyboard Director v5.2） | 技能型 | ✅ 可用（技能文档已入库） |
| ？用户提到的**另 2 种** | — | ⏳ **需名称 / 来源** |

---

## 五、缺什么（明确清单）

| # | 缺的东西 | 影响 | 补法 |
|:--|:--|:--|:--|
| 1 | **可灵「图片生成」额度** | 定妆照 / 资产参考图生成不可用（视频额度不通用） | 可灵开放平台**单独充值图片生成** |
| 2 | **`fal.api_key`** | 口型同步（`lipsync`）不可用 | 申请 fal.ai key → 🔑 API 配置 |
| 3 | **另 2 个导演系统** | 只能选 2 种分镜风格 | 提供名称/来源（接入约 3 步） |
| 4 | **人脸表情精细控制** | 目前只能靠提示词描述 | 接 **ComfyUI**（表情/风格精细）或等可灵支持 |
| 5 | `script_generate` 实现 | 流程里「剧本改编」节点会跳过 | 补实现（约 20 行，复用 LLM） |
| 6 | 火山方舟（即梦） | 少一个图片/视频备选引擎 | 控制台确认模型名后接入 |
| 7 | `person_swap` 参数接入 | 「人物置换」流程节点会跳过 | 补实现（API 与代码已存在） |

---

## 六、现在就能跑的（已验证）

### ✅ 完整可用 ①：口播视频（素材版，**零生成费用**）
```
脚本 → 素材(Pexels) → TTS(阿里) → 字幕 → 混流成片
```
**实测**：20 秒出片 · 3.21MB / 12.46 秒 / 1080x1920 · **含音轨 + 字幕烧录** ✓

### ✅ 完整可用 ②：分镜驱动视频（可灵版，**按镜头计费**）
```
脚本 → 分镜(v5.2) → 可灵逐镜头生成 → 去AI化 → 拼接 → 混流
```
**实测**：3 镜头 **1.9 分钟**（并发生成）· 成片 3.2MB ✓

### ✅ 可用：流程画布
6 个模板 + 节点状态徽章 + 产物预览（视频可播）+ 🔄 重做 + ▶️ 从此起跑 + ⏹ 停止 + **生成前费用确认**

### ✅ 可用：分镜透明化
「🎬 预览生成方案」→ 逐镜头看 **提示词 / 能力 / 引擎 / 参数**（**零费用**）

### ✅ 可用：通知与产物中心
任务完成右上角通知 + 「📋 生产记录」页可播全部产物

---

## 七、建议优先级（我的判断）

| 优先级 | 事项 | 理由 |
|:--|:--|:--|
| 🔴 高 | **可灵图片充值** | 角色/场景参考图是"资产先行"的前提，没有参考图流程就不完整 |
| 🟡 中 | 另 2 个导演系统接入 | 分镜质量多样性（你明确提过） |
| 🟡 中 | `script_generate` + `person_swap` 实现 | 两个流程节点目前会跳过（代码量小） |
| ⚪ 低 | fal.ai 口型 / ComfyUI 表情 | 精细控制，主流程跑顺后再做 |
| ⚪ 低 | 火山方舟即梦 | 备选引擎，可灵够用时不急 |