Narrafiilm

Appearance

AI 模型配置 ​

Narrafiilm 的 AI 模型分三层：视频理解、解说生成、配音合成。

视频理解模型（抽帧分析） ​

负责逐帧分析视频画面，识别主角、地点、动作、氛围。

模型说明推荐度
Qwen2.5-VL (7B)阿里 2024.12 开源，视频理解 SOTA，推理速度快⭐⭐⭐⭐⭐
Qwen3-VL (8B/32B)Qwen 2025 开源，Qwen3-VL 比 2.5 推理更慢，准确度差异不大⭐⭐⭐
GPT-5.4OpenAI 多模态，能力强但费用高⭐⭐⭐
Gemini 2.5 FlashGoogle 最新主力，性价比高⭐⭐⭐⭐

Narrafiilm 默认使用 Qwen2.5-VL (7B)，平衡了精度与速度。

解说生成模型（文稿撰写） ​

负责将画面分析结果转化为第一人称解说稿。

模型说明推荐度
DeepSeek-V3.2性价比最高，中文理解强，API 成本极低⭐⭐⭐⭐⭐
DeepSeek-V3V3.2 的前身，API 兼容⭐⭐⭐⭐
GPT-5.4OpenAI 最强通用能力⭐⭐⭐⭐
Claude Opus 4.6Anthropic 最新旗舰（2026.02），超长上下文⭐⭐⭐⭐
Qwen2.5-Max阿里中文优化，API 稳定⭐⭐⭐

Narrafiilm 默认使用 DeepSeek-V3.2，成本约为 GPT-5.4 的 1/50。

语音识别模型（ASR） ​

负责将原片音频转文字，辅助场景理解。

模型说明部署方式
SenseVoice阿里 FunAudioLLM，中文 ASR + 说话人分离本地
WhisperOpenAI 开源，多语言识别本地
云端 ASRAPI 调用第三方服务云端

Narrafiilm 默认使用 SenseVoice，完全本地运行，视频不上传。

配音合成模型（TTS） ​

负责将解说稿转化为自然语音。

模型版本质量费用特点
Edge-TTS7.2.8（2026.03）⭐⭐⭐⭐⭐免费低延迟，多音色，Narrafiilm 默认
F5-TTSlatest⭐⭐⭐⭐免费零样本音色克隆，需 15–30s 参考音频
OpenAI TTSlatest⭐⭐⭐⭐⭐付费超自然，但需付费

快速配置 ​

DeepSeek（默认，推荐） ​

bash
# 获取 Key：https://platform.deepseek.com
export DEEPSEEK_API_KEY=sk-xxxxxxxxxxxxxxxx

# 应用内设置：设置 → AI 配置 → DeepSeek

OpenAI GPT-5.4 ​

bash
export OPENAI_API_KEY=sk-xxxxxxxxxxxxxxxx

# 应用内设置：设置 → AI 配置 → OpenAI → GPT-5.4

Claude Opus 4.6 ​

bash
export ANTHROPIC_API_KEY=sk-ant-xxxxxxxxxxxxxxxx

# 应用内设置：设置 → AI 配置 → Anthropic → Claude Opus 4.6

阿里云百炼（Qwen2.5-VL） ​

bash
# https://bailian.console.aliyun.com
export DASHSCOPE_API_KEY=sk-xxxxxxxxxxxxxxxx

# 应用内设置：设置 → AI 配置 → 阿里云百炼

模型选择建议 ​

预算视频理解解说生成配音
免费Qwen2.5-VL（本地）DeepSeek-V3.2Edge-TTS
低预算 <$5/月Qwen2.5-VL（API）DeepSeek-V3.2Edge-TTS
中预算 $5-50/月Qwen2.5-VL（API）GPT-5.4Edge-TTS
高预算 >$50/月GPT-5.4Claude Opus 4.6OpenAI TTS

API Key 安全 ​

安全提示

  • 不要 将 API Key 提交到代码仓库
  • 使用 .env 文件（已加入 .gitignore）或系统 Keychain 存储
  • 定期检查用量异常

更新日志 ​

  • 2026.04: Edge-TTS 更新至 7.2.8（2026.03 最新）
  • 2026.02: Claude Opus 更新至 4.6，Gemini 3 Pro Preview 已停用
  • 2026.01: Qwen3-VL 开源（但 Qwen2.5-VL 仍为推荐选择）

MIT License

Copyright © 2025-2026 Agions.