Appearance
🤖 Multi-Agent 智能体协作体系详解
splicr 采用 Rust Native 多智能体协作架构，彻底打破传统单一线性流水线的局限。通过 Director(总控导演)、VisualCritic(画面分析)、Screenwriter(金牌编剧)、VoiceArtist(声乐调音)、SoundEngineer(混音剪辑) 与 QualityReviewer(质量验收) 6 大专家智能体协同与自反思回路，实现短剧影视解说的高完播率成片输出。
🎭 6 大智能体团队职责矩阵
mermaid
graph TD
User["人类创作者 (Human-in-the-Loop)"] -->|输入视频素材 + 风格偏好| Director["🎬 总控导演 Agent (DirectorAgent)"]
subgraph MultiAgentTeam ["splicr 智能体工作群 (crates/agent)"]
Director -->|分配拆条与关键帧分析| VisualCritic["👁️ 画面视觉分析师 (VisualCriticAgent)"]
VisualCritic -->|输出镜头切片 + 画面情绪特征| Screenwriter["✍️ 第一人称金牌编剧 (ScreenwriterAgent)"]
Screenwriter -->|自反思评估: 0~3s 黄金Hook完播率评分| Screenwriter
Screenwriter -->|输出分段第一人称台词剧本| VoiceArtist["🎙️ 声乐调音师 (VoiceArtistAgent)"]
VoiceArtist -->|音色选型 + 情绪克隆 + 语速控制| SoundEngineer["🎛️ 混音剪辑师 (SoundEngineerAgent)"]
SoundEngineer -->|FFmpeg毫秒级声画吸附 + BGM智能闪避| QC["🔍 质量验收员 (QualityReviewerAgent)"]
QC -->|打回修正 / 评分合格| Director
end
Director -->|断点审核/最终产物交付| User
Director -->|导出| CapCut[".draft 原生剪映工程草稿"]1. 🎬 总控导演 (DirectorAgent)
- 核心职能：会话状态机管理、任务 DAG 分发、实时协调专家智能体交互。
- 人机协同 (HITL)：在编剧剧本生成、配音音色选型等核心节点设置 Breakpoints，向人类创作者呈送审批选项（批准继续 / 打回重写）。
2. 👁️ 画面视觉分析师 (VisualCriticAgent)
- 多模态抽帧：自动通过 FFmpeg 提取 1080P 高清关键帧。
- 视觉张力感知：通过多模态视觉模型感知角色面部情绪、动作冲突与转场节奏，自动标记高能切片。
3. ✍️ 第一人称金牌编剧 (ScreenwriterAgent)
- 第一人称沉浸独白：将视觉关键帧直接编码灌入 Qwen 3.8 / DeepSeek V4 / GPT-5.6 等多模态大模型。
- 自反思完播率评分 (Reflection Loop)：针对 0~3s 黄金前置 Hook 进行完播率自评与多轮推演迭代，保证解说抓人眼球。
4. 🎙️ 声乐调音师 (VoiceArtistAgent)
- 高保真语音合成：支持 Edge-TTS 与 OpenAI-TTS。
- 零样本声音克隆：直连本地 GPT-SoVITS 服务，仅需 5 秒样本音频即可完成角色音色克隆。
5. 🎛️ 混音剪辑师 (SoundEngineerAgent)
- 5 轨多轨编排：视频切片轨、0~3s Hook 轨、第一人称配音轨、逐字字幕轨、BGM 混流轨。
- 智能闪避混音：配音响起时自动降低 BGM 音量 (-18%)，声画同步公差控制在 18ms 以内。
6. 🔍 质量验收员 (QualityReviewerAgent)
- 双重验收：执行违禁词扫描、对齐公差校验与工程草稿完整性核验，达标后交付剪映工程草稿。
🎙️ Web Audio Canvas 实时频域波形图 (Spectrum Visualizer)
工作台中内置了基于 HTML5 Web Audio API (AudioContext + AnalyserNode) 的 2D Canvas 实时波形渲染器：
- 实时频域分析：在试听与合成配音播放时，实时采集 48 频段 FFT 频谱与时域信号。
- 黑曜石金黄美学：呈现琥珀发光柱 (
#F5C842) 与动态跳动粒子，带有待机呼吸微动画。