butubb
2112c1a870
移植自 mac-agent-os 的 mediacrawler_adapter：不起子进程、不开页面，用浏览器里那份
登录态直接调抖音 Web 接口。产物键名照抄 store/douyin，所以 ingest 那条链路一个字不用改。
**目前能用的（真环境实测，非推断）**：
profile/other : 200, 7075 字节 —— 博主主页指标（粉丝/获赞/作品数/昵称）
aweme/detail : 200, 45425 字节 —— 单条作品详情（含点赞/评论/收藏/分享）
**目前不能用的：作品列表 `aweme/post`。** 两个互相独立的原因：
1. 这个接口被抖音单独升级成了真校验：不带 x-tt-argus 回 403「Uifid Not Found」，
带上 dummy 值回 200 + **空 body**。也就是说「头在不在」骗得过，「真校验」过不了。
同一套头打 profile/other 和 aweme/detail 都是通的 —— 抖音是挑着接口加保护的，
挑中的恰好是「批量拉作品列表」这个最敏感的动作。
2. 改走页面截获也不行：CDP 浏览器打开博主主页会落到「验证码中间页」（当天大量探测的
代价，过几小时要重测）。
所以现在的边界是：**已知作品的指标刷新能做，自动发现新作品做不了**。
**排查中控住变量后得到的两条事实**（都写进注释了）：
· `Accept` / `Accept-Language` / `Referer` 才是主页接口能返回真数据的原因 —— 只有
UA+client hints+Cookie 时是 200 但仅 121 字节的空壳，补上这三个头变 7074 字节。
（我先前猜的 sec-ch-ua 不是关键。）
· 因此 UA 与 client hints 必须**成套地取自同一个浏览器**，所以 BrowserIdentity 一次
从 CDP 取齐 cookie + UA + hints，而不是各自写死。
「200 + 空 body 必须当场报错」也是刻意写死的：放过去它会在下游变成「这个博主没作品」，
把一次失败伪装成一条正常结果 —— 爬虫那条路正是这么栽的，还被翻译成「账号被封」。
测试 +11：cookie 解析、请求头成套性（含 uifid 缺失/回退）、产物键名与 store 对齐、
以及 _get 的三条失败路径（空 body / 403 带网关原话 / 正常返回）。
75 lines
3.2 KiB
Markdown
75 lines
3.2 KiB
Markdown
# 20 秒测试片剧本（音频先行 + 对口型 验证用）
|
||
|
||
> 目的：验证 P1（音频先行）+ P3（对口型）链路
|
||
> 结构：**2 个空镜（不说话）+ 2 个角色说话镜头**（口型同步）
|
||
> 成本：画面约 ¥5~10（可灵）· 对口型 ¥0（走 1800 秒免费额度）· TTS 几分钱
|
||
|
||
---
|
||
|
||
## 分镜表
|
||
|
||
| # | 类型 | 时长（音频先行后会调整） | 画面 | 台词 | 出场人物 |
|
||
|---|---|---|---|---|---|
|
||
| shot_01 | 空镜 | 5s | 病房窗外，晨光透过百叶窗在地面投出条纹，窗帘轻微飘动，**画面里没有人** | — | — |
|
||
| shot_02 | 角色说话 | 5s（按音频调） | 病人半躺在病床上，正面近景，对着镜头说话，表情轻松 | 我住院第三天了，前两天刚做完手术。 | 主角 |
|
||
| shot_03 | 角色说话 | 5s（按音频调） | 病人微笑看着镜头，稍微侧了一下头 | 说实话，真没想象中那么可怕。 | 主角 |
|
||
| shot_04 | 空镜 | 5s | 病房走廊尽头，护士推着车经过，画面虚焦 | — | — |
|
||
|
||
预计成片：**约 18~20 秒**
|
||
|
||
---
|
||
|
||
## 演员表配置
|
||
|
||
| 代号 | 角色资产 | 音色（voice_id） | 说明 |
|
||
|---|---|---|---|
|
||
| 主角 | （选你已建的角色，如「害羞美女患者」或新建） | `longanyang`（阳光大男孩）或按角色性别选 | 音色决定口型用的声音 |
|
||
|
||
> 💡 音色建议：`longanyang`（年轻男主）· `longxing_v3`（温婉邻家女）· `longqiang_v3`（御姐）
|
||
> 完整清单见 `09_ave/docs/cosyvoice_voices.md`
|
||
|
||
---
|
||
|
||
## 关键要求（对口型的硬条件）
|
||
|
||
VideoRetalk 对输入有要求，**我们的参数都能满足**：
|
||
|
||
| 要求 | 我们的情况 |
|
||
|---|---|
|
||
| 视频：正面近景、人脸清晰 | ✅ 分镜写"正面近景对镜头说话" |
|
||
| 视频：2~120 秒 | ✅ 单镜头 5s |
|
||
| 视频：15~60fps、边长 640~2048 | ✅ 我们生成 1080×1920@30fps |
|
||
| 音频：干净人声（无 BGM/噪音） | ✅ TTS 产物天然纯净 |
|
||
|
||
⚠️ **注意**：说话镜头必须是**正面/近景**——大角度侧脸或人脸太小会影响对口型效果。
|
||
|
||
---
|
||
|
||
## 操作步骤
|
||
|
||
```
|
||
1. 导演台 → 粘贴上面的"分镜表"作为故事/文案（或按它写一段文案）
|
||
2. 🎭 AI 分析这场戏需要什么 → 演员表绑定角色 + 指定音色
|
||
3. 生成分镜 → 在卡片里逐镜确认：
|
||
· shot_02/03 填台词 + 勾「出场人物: 主角」
|
||
· shot_01/04 台词留空、出场人物不勾（= 空镜）
|
||
4. 勾选 [✓] 🎙 音频先行 [✓] 🎭 对口型 → 点「🎥 生成成片」
|
||
5. 完成后 → 「📋 生产记录」→ 🎙 加配音 → 听口型效果
|
||
```
|
||
|
||
## 验证要点（跑完检查这几项）
|
||
|
||
- [ ] **音频先行生效**：日志里 shot_02/03 的时长被按台词音频调整过（≠ 原 5s）
|
||
- [ ] **镜头时长各不相同**：跟台词长短走
|
||
- [ ] **对口型只作用在 shot_02/03**：日志显示 2 个镜头做了，shot_01/04 跳过
|
||
- [ ] **口型对上**：播放时人在说那句话，嘴型明显匹配
|
||
- [ ] **失败兜底**：若对口型失败，日志提示"保留原片段"，成片仍完整
|
||
|
||
## 成本记录（跑完填这里，用于校准后续估算）
|
||
|
||
| 项 | 预估 | 实际 |
|
||
|---|---|---|
|
||
| 画面生成（可灵 4 镜头） | ¥5~10 | |
|
||
| 对口型（约 10 秒） | ¥0（免费额度） | |
|
||
| TTS | 几分钱 | |
|