@oh-story/dsh 0.1.14 → 0.1.16

package/lib/video-recap/skills/video-recap/references/config-playbook.md

@@ -1,11 +1,9 @@
 # Config playbook (override-only)
 
-The bundle runs **zero-config** with sensible defaults. To change behavior, set the
-environment variables below (or pass the noted CLI flags) — they **override** the defaults.
-Nothing here is required; this is documentation only. The only config file any tool reads is an
-optional `recap_project.json` passed with `--project` (see `resource-library.md`): it resolves to the same
-variables below, and a variable you set that disagrees with the project stops the run. The bundle ships no
-root `CLAUDE.md` (so it never collides with your project/global instructions).
+Use the defaults after configuring the required credentials and local tools. The environment
+variables and CLI flags below override those defaults. An optional `recap_project.json` passed
+with `--project` binds resources and templates to the same settings (see `resource-library.md`).
+A conflict between a project binding and an explicit setting stops the run.
 Defaults below are bundle-level defaults unless a note scopes them to a specific stage.
 
 | Concern | Env var / flag | Default | Notes |
@@ -31,7 +29,7 @@ Defaults below are bundle-level defaults unless a note scopes them to a specific
 | Source sentence boundary detector | `SOURCE_BOUNDARY_NOISE_THRESHOLD` / `SOURCE_BOUNDARY_MIN_PAUSE` / `SOURCE_BOUNDARY_MAX_ALIGNMENT_ERROR` | `-18dB` / `0.12` / `2.1` | aligns ASR terminal punctuation to short acoustic pauses and writes `speech_boundary_anchors.json`; unsafe narration entries and cut in/out points are blocked. There is no intentional-interrupt override |
 | Cut sentence snapping | `SNAP_CLIP_LINE_END` / `CLIP_START_SNAP_MAX_PREPEND` / `CLIP_START_SNAP_MAX_TRIM` / `CLIP_SNAP_MAX_EXTEND` | on / `1.8` / `0.35` / `2.0` | scene-cut cleanup runs first, then reliable sentence/quiet snapping, then a sub-frame frame-grid alignment that keeps the edge in its pause. An ASR-owned edge still inside speech produces `unsafe_clip_sentence_boundary` instead of a half sentence, with `nearest_safe` before/after times within 5 s, already on the source frame grid |
 | Mask source subs | `MASK_SOURCE_SUBTITLES` / `SOURCE_SUBTITLE_MASK_POLICY` / `SOURCE_SUBTITLE_MASK_RATIO` | off / `off` / `0.14` | masking requires an explicit policy (`opt_in`, `safe`, or `forced`) and burned recap subtitles. Passing measured `--subtitle-y-top/--subtitle-y-bot` opts in automatically. With `--no-burn-subtitles`, or when a default burn degrades because ffmpeg lacks libass, the MP4 stays unmasked |
-| Measured subtitle band | `SUBTITLE_Y_TOP` / `SUBTITLE_Y_BOT`; `--subtitle-y-top/--subtitle-y-bot` | off | half-open `[top, bot)` rows of the auto-rotated display canvas (the stored width is scaled by the SAR; a rotated non-square stream's rows are scaled by it too, and the mask converts them back to decoded-frame rows); square or near-square pixels (SAR within 2% of 1:1; unspecified `0:1` counts as square) and bottom ASS alignment (1/2/3) only; use `tools/measure_subtitle.py` to generate source-identified previews and suggestions |
+| Measured subtitle band | `SUBTITLE_Y_TOP` / `SUBTITLE_Y_BOT`; `--subtitle-y-top/--subtitle-y-bot` | off | half-open `[top, bot)` rows of the auto-rotated display canvas (the stored width is scaled by the SAR; a rotated non-square stream's rows are scaled by it too, and the mask converts them back to decoded-frame rows); square or near-square pixels (SAR within 2% of 1:1; unspecified `0:1` counts as square) and bottom ASS alignment (1/2/3) only; a full source checkout includes `tools/measure_subtitle.py` for source-identified previews and suggestions |
 | Subtitle mask look | `SUBTITLE_MASK_OPACITY` / `SOURCE_SUBTITLE_MASK_TIMING` / `SUBTITLE_MASK_PADDING` | `0.6` / `narration` / `4` | generic ratio masks stay translucent by default; an explicitly measured `--subtitle-y-top/--subtitle-y-bot` band defaults to opaque so source glyphs cannot show through. Set `SUBTITLE_MASK_OPACITY` to override; timing `all` restores full-time masking |
 | Original ducking | `IDLE_ORIG_VOLUME` / `SPEECH_DUCKING_VOLUME` | `1.0` / `0.2` | the original returns to full-volume `IDLE` in deliberate gaps/original blocks, and ducks to `SPEECH` under narration. Inter-beat gaps shorter than `DUCK_BRIDGE_SECONDS` stay ducked so a single narration block does not swell between sentences. A fixed `0.3` is only the fallback when beats carry no placement info |
 | Foreign source audio | `FOREIGN_SOURCE_AUDIO` | off | set when the original audio is in a language the narration is **not** (e.g. a Japanese drama recapped in Chinese). The under-narration original (`SPEECH_DUCKING_VOLUME` / `ZONE_DUCKING_VOLUME`) drops from `0.2`/`0.12` to `0.05` so the foreign speech doesn't bleed under the narration as 怪音; original-audio gap blocks still play full-volume (`IDLE_ORIG_VOLUME`). Explicit `SPEECH_DUCKING_VOLUME`/`ZONE_DUCKING_VOLUME` still override. Pairs with bring-your-own `user_subtitles.*` for the foreign dialogue |

package/lib/video-recap/skills/video-recap/references/data-schema.md

@@ -1,6 +1,6 @@
 # 数据格式（中间 JSON）
 
-所有中间文件均在 pipeline 工作目录（work_dir/）下。
+中间产物保存在本次运行的工作目录 `work_dir/` 下。
 
 ## vlm_analysis.json
 
@@ -165,7 +165,7 @@ cut 第二轮（已有 `edited_source.mp4`）时本文件与 `asr_writing_chunks
 
 ## narration.json
 
-Agent 撰写的解说词。full 模式下使用原视频时间；**orchestrated cut 模式（`video-recap --edit-mode cut`）下，第二次暂停时已经先剪出 `edited_source.mp4`，因此 `narration.json` 必须直接使用剪后成片的 OUTPUT 时间轴（0..成片总时长）；不存在原视频时间→输出时间的旁白映射产物：
+Agent 撰写的解说词。full 模式下使用原视频时间；**编排 cut 模式（`video-recap --edit-mode cut`）下**，第二次暂停时已经先剪出 `edited_source.mp4`，因此 `narration.json` 必须直接使用剪后成片的 OUTPUT 时间轴（0..成片总时长）；不存在原视频时间→输出时间的旁白映射产物：
 
 ```json
 [
@@ -180,7 +180,7 @@ Agent 撰写的解说词。full 模式下使用原视频时间；**orchestrated
 ```json
 {
   "ok": false,
-  "error_count": 1,
+  "error_count": 2,
   "warning_count": 1,
   "metrics": {
     "segment_count": 12,
@@ -245,7 +245,7 @@ CLI 不以它们作为渲染硬门禁，也不新增解析服务；建议型解
 
 ## narration_lint.json 的 deslop_qc（CLI 生成，报告型 QC）
 
-`narration_lint.json` 的 `deslop_qc` 字段由本地 deterministic scanner 生成，Agent 不手写；不再单独写 `deslop_qc.json`。它只是 report-only QC：不是 AIGC detector，不判断文本是不是 AI 写的，不会自动改写。修改仍由 Agent/人工根据报告回到 `narration.json`、`style_card.json` 或字幕源里处理。
+`narration_lint.json` 的 `deslop_qc` 字段由本地 deterministic scanner 生成，Agent 不手写；不再单独写 `deslop_qc.json`。它输出可读性报告，区分下面两类结果；不判断文本是否由 AI 生成，也不自动改写。修改仍由 Agent/人工根据报告回到 `narration.json`、`style_card.json` 或字幕源里处理。
 
 报告分两层：
 
@@ -417,14 +417,14 @@ CLI 校验 `clip_plan.json` 后写出，额外包含输出时间轴：
 
 ## original_subtitles.json / user_subtitles.{json,srt,ass}（可选，原声留白字幕）
 
-解说块之间的原声留白会把【原声台词】烧成字幕（assemble 阶段用 `「」` 包裹以区分解说）。来源优先级（高→低）：
+遮罩覆盖原声留白或用户字幕明确要求替换时，assemble 才为留白生成原声对白字幕，并用 `「」` 与旁白区分。来源优先级（高→低）：
 
-1. **`work_dir/user_subtitles.json`**（用户自带，最准）— 数组 `[{start,end,text}]` 默认按**成片 OUTPUT** 时间轴直接使用；也可写成 `{"timeline": "source"|"output", "lines": [...]}`，`source` 表示按**原片**时间轴给出，由 assemble 依 `clip_plan_validated.json` 映射到成片。
+1. **`work_dir/user_subtitles.json`**（用户自带，优先使用）— 数组 `[{start,end,text}]` 默认按**成片 OUTPUT** 时间轴直接使用；也可写成 `{"timeline": "source"|"output", "lines": [...]}`，`source` 表示按**原片**时间轴给出，由 assemble 依 `clip_plan_validated.json` 映射到成片。
 2. **`work_dir/user_subtitles.srt` / `.ass`**（用户自带）— 默认按**原片**时间轴解析后映射到成片。
 3. **`work_dir/original_subtitles.json`**（Agent 校对，cut pass2 写）— OUTPUT 时间轴 `[{start,end,text}]`，订正 ASR 错字/人名、只写留白里真正出声的句子。
 4. **ASR 兜底** — 无上述文件时，用 `asr_result.json` 按留白粗略映射（中点估时，可能偏多偏乱）。
 
-来源 1–3 为「精确来源」：每条按句**区间裁剪**落到所覆盖的留白边界（跨边界会拆分），不走 ASR 兜底的中点估时；over-dense 行截断显示而非丢弃。
+来源 1–3 直接采用声明的时间区间：每条按句**区间裁剪**落到所覆盖的留白边界（跨边界会拆分），不走 ASR 兜底的中点估时；过密行截断显示而非丢弃。时间声明仍需对照实际声音核准，不能仅凭文件来源认定已精确对齐。
 
 ```json
 [
@@ -599,4 +599,4 @@ Dub 模式下，`dub_script.json` 在 voiceclone **之前**先经过 determinist
  "mask_dropped": false, "message": "…", "next_action": "…"}
 ```
 
-这时成片里没有字幕，字幕在成片旁的同名 `.srt`（路径见 `assembly_manifest.json` 的 `subtitle_sidecar`）；`mask_dropped` 为 `true` 表示原本会画的原字幕遮罩也一并关掉了。`final_qc.py` 打印的摘要 `final_qc.warnings` 列出这些 code，`recap.py` 完成时打印一行警告和外挂字幕路径。
+这时新字幕保存在成片旁的同名 `.srt`，路径见 `assembly_manifest.json` 的 `subtitle_sidecar`；原片已有硬字幕仍保留。`mask_dropped` 为 `true` 表示原本会画的原字幕遮罩也一并关掉了。`final_qc.py` 打印的摘要 `final_qc.warnings` 列出这些 code，`recap.py` 完成时打印一行警告和外挂字幕路径。

package/lib/video-recap/skills/video-recap/references/resource-library.md

@@ -22,7 +22,7 @@ python3 scripts/library.py --library-dir <library> show <id|id@vN>
 
 浏览资源、模板与样片（含图片、音频与样片预览）可用只读 dashboard：`python3 scripts/dashboard_server.py --root <library 或其上层目录>`。
 
-工具从不写库。新增或修改记录时直接编辑 JSON，再跑 `check`。**错误**表示该条目不能用；**警告**表示能用但需要人看一眼
+这三个查询命令不写库。新增或修改记录时直接编辑 JSON，再跑 `check`。**错误**表示该条目不能用；**警告**表示能用但需要人看一眼
 （授权未确认、声音授权未确认、样片不在本机、模板采用后资源文件已变化）。
 
 ## 通用规则
@@ -114,7 +114,7 @@ python3 scripts/library.py --library-dir <library> show <id|id@vN>
    任何层级出现 `source_facts`、`labels`、`evidence`、`entities`、`statement`、`from`、`path` 键都报错（与参考技能导出时的复扫同一组键）。
 5. 用户确认后把 `status` 改为 `adopted` 并用用户原话写 `adoption`。之后要改内容就出 `v2`，不改已采纳的版本。
 
-库仍然只读，登记与采纳都是手工编辑。
+上述库查询命令只读，登记与采纳由操作者编辑 JSON。
 
 ## 样片 `sample.json`
 

package/lib/video-recap/skills/video-reference/SKILL.md

@@ -1,16 +1,12 @@
 ---
 name: video-reference
 user-invocable: true
-description: >
- 按需把一部成片拆成可复用的制作参考：测镜头节奏与响度，标注段落与音轨分工，把原片事实与可迁移方法分开，
- 导出不含原片人名台词的 production_reference.json 供下次制作参考。不在默认生产路径上。
- 触发词：拆片、拆解成片、制作参考、参考模板、production reference。
+description: 按需把一部成片拆成可复用的制作参考：测镜头节奏与响度，标注段落与音轨分工，把原片事实与可迁移方法分开， 导出不含原片人名台词的 production_reference.json 供下次制作参考。不在默认生产路径上。 触发词：拆片、拆解成片、制作参考、参考模板、production reference。
 ---
 
 ## 1. 定位
 
-本技能把一部**已完成的成片**拆成下一次制作能直接参考的方法与数值。它是按需的参考分析，不是生产阶段，也不是质检：
-不调用 MiMo，不改其他产物，不给任何运行打分或拦截。
+本技能把一部**已完成的成片**拆成下一次制作可参考的方法与数值，按需在本地运行。它只写自己的测量、标注与导出物，不调用 MiMo，也不对生产流程评分或拦截。
 
 Agent 的角色是**拆片编辑**：先如实记录"这部片子怎么做的"（事实），再提炼"换一部素材还能怎么用"（方法）。
 两者必须分开：事实只留在本地工作目录，导出物只含方法和测得的数值。
@@ -24,7 +20,7 @@ Agent 的角色是**拆片编辑**：先如实记录"这部片子怎么做的"
   标注时 Agent 还应看故事板 / contact sheet 与 `vlm_analysis.json`。
 
 没有理解产物也能跑，但旁白语速为空，泄漏扫描只剩 Agent 自己写的 `entities`，check 会给出警告；
-看画面改用 `frames --span 0,<时长> --step 2` 的接触表。
+看画面可用 `frames --span 0,<时长> --step 2` 生成的抽帧拼图。
 
 下面的 `scripts/...` 均相对于本技能目录。
 
@@ -94,7 +90,7 @@ R6 只能拦住字面泄漏，拦不住改写过的剧情；写方法时要写"
 
 使用方式：把它复制进下一次制作的 `work_dir`。写稿阶段只在文件存在时阅读它，
 并可在 `recap_story_plan.json` 的可选字段 `reference_methods` 记录每条方法的 adopt / adapt / skip。
-它是参考，不是配额：与新素材的证据冲突时以素材为准。没有任何脚本读取它，也不会因为它的存在改变任何阶段的通过与否。
+采用时以新素材证据为准，不把参考数值当作配额。没有任何脚本读取它，也不会因为它的存在改变任何阶段的通过与否。
 
 `U/` 里的 breakdown 与 `reference_frames/` 含原片事实和画面，只留在本地，不要复制或提交。
 

package/lib/video-recap/skills/video-reference/references/reference-schema.md

@@ -1,6 +1,6 @@
 # 制作参考：字段、枚举与示例
 
-本文件只列字段与枚举；剧作与剪辑手法的具体规则以后续写稿阶段自己的手册为准，这里不复述。
+按本文件填写测量标注、事实与可迁移方法。后续写稿阶段自行决定是否采用方法。
 
 ## 标注词表
 

package/lib/video-recap/skills/video-script/SKILL.md

@@ -1,15 +1,6 @@
 ---
 name: video-script
-description: >
- 对已完成分析的视频进行导演与剪辑策划，再写带时间戳的中文解说并校验；也处理已有短片的
- 宣发标题、花字修订和外部文案回填。普通策划输入 work_dir 的 agent_narration_brief.md 与
- vlm_analysis.json；文案返修输入当前成片的工程与内容证据。策划输出 recap_story_plan.json、visual_audio_board.json、
- 可选 style_card.json、cut 模式需要的 clip_plan.json，以及通过校验的 narration.json；仅宣发文案任务交付提案或回填既有包装计划。
- 外发说明：只有建议型评审 review.py 联网，它把旁白稿全文与理解证据、策划文件的文字摘录发到 MiMo chat 接口
- （MIMO_API_KEY / MIMO_API_URL，不发视频、图片或音频）；单独使用时只在显式执行时运行，端到端编排默认在 TTS 前运行一次，
- 可用 --no-review-narration / REVIEW_NARRATION=0 关闭（严格评审开启时除外）；validate.py 与 lint 仅在本地运行。
- 触发词：解说词、写解说、视频旁白、宣发标题、花字修订、文案回填、
- narration script、写稿、解说文案、剪辑思路、导演思路。
+description: 对已完成分析的视频进行导演与剪辑策划，再写带时间戳的中文解说并校验；也处理已有短片的 宣发标题、花字修订和外部文案回填。普通策划输入 work_dir 的 agent_narration_brief.md 与 vlm_analysis.json；文案返修输入当前成片的工程与内容证据。策划输出 recap_story_plan.json、visual_audio_board.json、 可选 style_card.json、cut 模式需要的 clip_plan.json，以及通过校验的 narration.json；仅宣发文案任务交付提案或回填既有包装计划。 外发说明：只有建议型评审 review.py 联网，它把旁白稿全文与理解证据、策划文件的文字摘录发到 MiMo chat 接口 （MIMO_API_KEY / MIMO_API_URL，不发视频、图片或音频）；单独使用时只在显式执行时运行，端到端编排默认在 TTS 前运行一次， 可用 --no-review-narration / REVIEW_NARRATION=0 关闭（严格评审开启时除外）；validate.py 与 lint 仅在本地运行。 触发词：解说词、写解说、视频旁白、宣发标题、花字修订、文案回填、 narration script、写稿、解说文案、剪辑思路、导演思路。
 ---
 
 ## 1. 定位
@@ -18,7 +9,7 @@ description: >
 按当前短片的观看理由和兑现位置处理指定文字层，不重做下述策划/旁白链。
 普通解说写作不因此增加平台调研或包装任务。
 
-本技能负责：创作方向、画面/声音计划、旁白写作与校验。Agent 不是 JSON 填写器，而要依次扮演：
+本技能负责创作方向、画面与声音计划、旁白写作及校验。Agent 依次从以下五个角度作出决定：
 
 1. 导演
 2. 故事编辑
@@ -32,7 +23,7 @@ Agent 先记录简洁决定，再写时间线产物。`validate.py` 负责对理
 
 ### 1.1 创作控制模式
 
-先根据用户要求和 `work_dir` 判断本轮模式；它不是 `full|cut|dub` 渲染模式：
+先根据用户要求和 `work_dir` 判断本轮创作控制模式。它与 `full|cut|dub` 渲染模式分别选择：
 
 - **CREATE**：首次创作。比较至少两个真正可行的故事/剪辑假设后再选择。
 - **DIRECTED**：用户已指定结构、镜头、台词或表达。忠实落实，不为满足“创作流程”虚构替代方案。
@@ -217,7 +208,7 @@ full 模式直接按原片时间写；cut 第二阶段先查看 `edited_source.m
 [{"start": 15.0, "end": 17.0, "text": "原声台词"}]
 ```
 
-只写留白中实际听得到的台词，订正 ASR 错字与人名，每条尽量控制在一行；被旁白盖住或已经剪掉的句子不要写。省略时，合成阶段会使用保守的 ASR 映射兜底，并在成片中用 `「」` 区分原声对白与旁白。
+只写留白中实际听得到的台词，订正 ASR 错字与人名，每条尽量控制在一行；被旁白盖住或已经剪掉的句子不要写。省略时，合成阶段可用保守的 ASR 映射兜底。原声对白字幕只在遮罩覆盖留白或用户字幕明确要求替换时生成，并用 `「」` 与旁白区分。
 
 ## 6. 创作自审
 

package/lib/video-recap/skills/video-script/references/creative-editing-playbook.md

@@ -1,6 +1,6 @@
 # 创作剪辑工作法
 
-本参考只规定 Agent 的创作判断，不增加渲染模块。进入剪辑或写稿前，先完成这里的决策，再写 `clip_plan.json` 或 `narration.json`。
+进入剪辑或写稿前，Agent 先确认故事、画面与声音决定，再写 `clip_plan.json` 或 `narration.json`。
 
 ## 先判断创作控制模式
 
@@ -216,7 +216,7 @@ cut 第一阶段先用原片时间写；`edited_source.mp4` 产生后，在第
 
 ## 内容质量基线
 
-进入 TTS 前，以下问题都必须能用具体 beat 回答；否则先改计划或脚本：
+前六项在进入 TTS 前用具体 beat 复核，未成立时先改计划或稿件；第七项在成片渲染后、交付前执行：
 
 1. **承诺**：开头提出的真实问题，结尾是否兑现？
 2. **主线**：是否有一个明确 POV 和一条主导因果/关系线？

package/lib/video-recap/skills/video-understanding/SKILL.md

@@ -1,16 +1,12 @@
 ---
 name: video-understanding
 user-invocable: false
-description: >
- 把视频分析为结构化理解索引：场景检测、ASR 转写、逐场景 VLM 观察、静音窗口、融合时间线和写作 brief。
- 用于理解、索引或总结视频，也作为后续创作前的分析阶段。输入视频文件；输出 scenes.json、
- asr_result.json、vlm_analysis.json、silence_periods.json、timeline_fusion.json、agent_narration_brief.md。
- 触发词：视频理解、视频分析、视频索引、video understanding、analyze video、看懂视频。
+description: 把视频分析为结构化理解索引：场景检测、ASR 转写、逐场景 VLM 观察、静音窗口、融合时间线和写作 brief。 用于理解、索引或总结视频，也作为后续创作前的分析阶段。输入视频文件；输出 scenes.json、 asr_result.json、vlm_analysis.json、silence_periods.json、timeline_fusion.json、agent_narration_brief.md。 触发词：视频理解、视频分析、视频索引、video understanding、analyze video、看懂视频。
 ---
 
 ## 1. 定位
 
-本技能把源视频转成 Agent 与下游阶段可读取的理解索引。它的创作角色是**素材观察员 / 场记**，不是导演：
+本技能把源视频转成 Agent 与下游阶段可读取的理解索引，以**素材观察员 / 场记**的角色记录证据：
 
 - 先观察，再解释；事实与推断分开。
 - 除了“发生了什么”，还要让下游看见知识、权力、目标、关系或情绪在哪一刻变化。
@@ -40,6 +36,14 @@ ASR 使用 `mimo-v2.5-asr`；VLM 使用 `mimo-v2.5`。`--skip-asr` 可跳过对
 
 若 `work_dir/background_research.json` 存在，本技能会把剧情梗概和角色名折入 VLM 上下文；`--context` 可补充一条简短提示。
 
+### 远程调用与本地读取
+
+ASR 把分窗音频发给 MiMo ASR；逐场景 VLM 把代表帧、帧时间和分析提示发给 MiMo；启用 `--mimo-video-overview` 时，还会把按场景截取的视频片段发给 MiMo 视频模型。故事索引汇总和可选 ASR 清洗发送的是画面描述、转写与背景资料文字。
+
+请求使用 MiMo 的 chat 接口。`MIMO_API_URL` 可指定地址；ASR 与视频概览可分别用 `MIMO_ASR_API_URL`、`MIMO_VIDEO_API_URL` 覆盖，凭据同样支持各自的 key。未覆盖时，按量 key 使用 `https://api.xiaomimimo.com/v1`，Token Plan key 使用 `MIMO_TOKEN_PLAN_CLUSTER` 选择的集群。逐场景帧分析与汇总使用 `MIMO_API_KEY`。
+
+`--skip-asr` 只关闭音频转写，`--no-consolidate` 只关闭索引汇总；它们不会关闭 VLM。需要只在本地处理已有产物时，使用 `--brief-only` 或 `--edited-storyboard-only`，这两条路径不调用 API。
+
 下面的 `scripts/...` 均相对于本技能目录。若执行器从仓库根目录启动，请给脚本路径加上本技能的绝对目录。
 
 ## 4. 运行命令

package/lib/video-recap/skills/video-understanding/references/data-schema.md

@@ -1,6 +1,6 @@
 # 数据格式（中间 JSON）
 
-所有中间文件均在 pipeline 工作目录（work_dir/）下。
+中间产物保存在本次运行的工作目录 `work_dir/` 下。
 
 ## vlm_analysis.json
 
@@ -41,7 +41,7 @@
 ]
 ```
 
-`start/end` 仅表示送入 MiMo ASR 的固定粗分片窗口。该列表为兼容产物，不能据此声称词级
+`start/end` 仅表示送入 MiMo ASR 的固定粗分片窗口。该列表记录粗分窗结果，不能据此声称词级
 时间、准确对白边界或静音证明；空 `text` 的原因未知。
 
 ## asr_timing_evidence.json

package/lib/video-recap/skills/video-voiceover/SKILL.md

@@ -1,15 +1,7 @@
 ---
 name: video-voiceover
 user-invocable: false
-description: >
- 把带时间戳的 narration.json 合成为中文解说音频。使用 MiMo TTS（mimo-v2.5-tts）或
- Fish Audio（s2.1-pro-free）或显式配置的通用 IndexTTS HTTP 服务逐段生成语音，
- 按时间窗动态适配语速并处理响度；输入输出时间线上的旁白，产出 tts_segments 与 tts_meta.json。
- 外发说明：每段旁白文字会发给所选 TTS 服务（MiMo / Fish Audio / 用户自托管的 IndexTTS），--voice-ref 的参考音频会发给 MiMo。
- 另含实验性的英译中 dub 路径：只在显式选择 dub 模式并传 --confirm-voice-rights 时运行，会把源视频音频发到 MiMo ASR，
- 并以原说话人的声音为参考经 MiMo voiceclone 克隆配音；只可用于用户有权使用、且说话人同意被克隆声音的内容。
- 触发词：配音、语音合成、TTS、解说配音、
- voiceover、text to speech、旁白配音。
+description: 把带时间戳的 narration.json 合成为中文解说音频。使用 MiMo TTS（mimo-v2.5-tts）或 Fish Audio（s2.1-pro-free）或显式配置的通用 IndexTTS HTTP 服务逐段生成语音， 按时间窗动态适配语速并处理响度；输入输出时间线上的旁白，产出 tts_segments 与 tts_meta.json。 外发说明：每段旁白文字会发给所选 TTS 服务（MiMo / Fish Audio / 用户自托管的 IndexTTS），--voice-ref 的参考音频会发给 MiMo。 另含实验性的英译中 dub 路径：只在显式选择 dub 模式并传 --confirm-voice-rights 时运行，会把源视频音频发到 MiMo ASR， 并以原说话人的声音为参考经 MiMo voiceclone 克隆配音；只可用于用户有权使用、且说话人同意被克隆声音的内容。 触发词：配音、语音合成、TTS、解说配音、 voiceover、text to speech、旁白配音。
 ---
 
 ## 1. 定位
@@ -19,7 +11,7 @@ description: >
 
 ## 2. 远程服务与数据外发
 
-本技能只在下表中被选中的路径上联网，每条路径发出的内容如下。实读文本指 `narration.json` 段落去掉格式与舞台提示后的文字。
+本技能按所选 TTS 或 dub 路径联网。表中的实读文本指 `narration.json` 段落去掉格式与舞台提示后的文字。
 
 | 路径 | 服务与凭据 | 发送内容 |
 |------|------------|----------|
@@ -107,7 +99,7 @@ python3 scripts/voiceover.py --work-dir <work_dir> --narration <narration.json>
 
 ## 8. 实验性 dub 配音（英译中、克隆原声）
 
-`dub.py` 是实验功能：把英文原声翻译成中文，并用原说话人的克隆音色整轨替换人声。它与上面的解说配音是两条独立路径，`voiceover.py` 从不调用它。
+`dub.py` 是实验功能：把英文原声翻译成中文，并用原说话人的克隆音色整轨替换人声。它与解说配音分别执行，`voiceover.py` 不调用它。
 
 - **触发**：只在用户明确要求英译中配音时，由编排入口以 `--edit-mode dub --confirm-voice-rights` 运行；编排入口把确认参数原样转给 `dub.py` 的准备和渲染两个阶段。没有单独的手动阶段。
 - **确认门禁**：`dub.py` 的两个阶段都必须带 `--confirm-voice-rights`，缺少时在抽取音频和发出任何请求之前退出，并说明会外发什么。编排入口在 dub 模式下同样拒绝缺少该参数的运行，在其他模式下拒绝该参数。

package/lib/video-recap/skills/video-voiceover/references/index-tts.md

@@ -23,8 +23,7 @@ export INDEX_TTS_VOICE=<authorized-voice-name>
 
 ## Receipt 与缓存
 
-每段的 `provider_receipt` 只记录 `provider` 与“请求的 voice”（`requested_voice`）。它说明请求参数，
-不是该声线的声学验证，也不代表已做人耳听审或音色身份验证。endpoint 不写入任何文件。
+每段的 `provider_receipt` 只记录 `provider` 与请求的 voice（`requested_voice`）。声学身份验证与人耳听审仍需另做；endpoint 不写入任何文件。
 
 缓存复用条件：`tts_segments/cache/` 中按文本与设置（含 `index_tts_voice`）寻址的条目存在、缓存 WAV 的
 `size`/`mtime_ns` 未变，且 sidecar 的 receipt 对应当前 voice；缓存命中复用 sidecar 中的 receipt，不能现场补造。

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "@oh-story/dsh",
-  "version": "0.1.14",
+  "version": "0.1.16",
   "description": "A DSH plugin for fiction, short-drama, interactive-game, and video-recap production",
   "keywords": [
     "deepseek-harness",
@@ -31,7 +31,8 @@
     "provenance": true
   },
   "engines": {
-    "node": ">=24.0.0"
+    "node": ">=24.0.0",
+    "dsh": ">=0.2.0-rc.2 <0.2.1-0 || >=0.2.1-alpha.1 <0.2.2-0"
   },
   "type": "module",
   "main": "./lib/index.js",
@@ -96,28 +97,28 @@
     "zod": "^4.4.3"
   },
   "devDependencies": {
-    "@deepseek-ai/cordis": "4.0.5-alpha.1",
-    "@deepseek-ai/dsh-agent": "0.2.1-alpha.1",
-    "@deepseek-ai/dsh-api-session-controller": "0.2.1-alpha.1",
-    "@deepseek-ai/dsh-client-store": "0.2.1-alpha.1",
-    "@deepseek-ai/dsh-client-ui-chat": "0.2.1-alpha.1",
-    "@deepseek-ai/dsh-client-ui-conversation": "0.2.1-alpha.1",
-    "@deepseek-ai/dsh-client-ui-layout": "0.2.1-alpha.1",
-    "@deepseek-ai/dsh-client-ui-renderer": "0.2.1-alpha.1",
-    "@deepseek-ai/dsh-client-ui-session": "0.2.1-alpha.1",
-    "@deepseek-ai/dsh-client-ui-slots": "0.2.1-alpha.1",
-    "@deepseek-ai/dsh-client-ui-tool": "0.2.1-alpha.1",
-    "@deepseek-ai/dsh-fs": "0.2.1-alpha.1",
-    "@deepseek-ai/dsh-host-webserver": "0.2.1-alpha.1",
-    "@deepseek-ai/dsh-llm": "0.2.1-alpha.1",
-    "@deepseek-ai/dsh-session": "0.2.1-alpha.1",
-    "@deepseek-ai/dsh-sandbox-policy": "0.2.1-alpha.1",
-    "@deepseek-ai/dsh-skill": "0.2.1-alpha.1",
-    "@deepseek-ai/dsh-subagent": "0.2.1-alpha.1",
-    "@deepseek-ai/dsh-tools": "0.2.1-alpha.1",
-    "@deepseek-ai/dsh-typert-registry": "0.2.1-alpha.1",
-    "@deepseek-ai/dsh-util-values": "0.2.1-alpha.1",
-    "@deepseek-ai/schemastery": "3.18.5-alpha.1",
+    "@deepseek-ai/cordis": "4.0.5-alpha.2",
+    "@deepseek-ai/dsh-agent": "0.2.1-alpha.4",
+    "@deepseek-ai/dsh-api-session-controller": "0.2.1-alpha.4",
+    "@deepseek-ai/dsh-client-store": "0.2.1-alpha.4",
+    "@deepseek-ai/dsh-client-ui-chat": "0.2.1-alpha.4",
+    "@deepseek-ai/dsh-client-ui-conversation": "0.2.1-alpha.4",
+    "@deepseek-ai/dsh-client-ui-layout": "0.2.1-alpha.4",
+    "@deepseek-ai/dsh-client-ui-renderer": "0.2.1-alpha.4",
+    "@deepseek-ai/dsh-client-ui-session": "0.2.1-alpha.4",
+    "@deepseek-ai/dsh-client-ui-slots": "0.2.1-alpha.4",
+    "@deepseek-ai/dsh-client-ui-tool": "0.2.1-alpha.4",
+    "@deepseek-ai/dsh-fs": "0.2.1-alpha.4",
+    "@deepseek-ai/dsh-host-webserver": "0.2.1-alpha.4",
+    "@deepseek-ai/dsh-llm": "0.2.1-alpha.4",
+    "@deepseek-ai/dsh-session": "0.2.1-alpha.4",
+    "@deepseek-ai/dsh-sandbox-policy": "0.2.1-alpha.4",
+    "@deepseek-ai/dsh-skill": "0.2.1-alpha.4",
+    "@deepseek-ai/dsh-subagent": "0.2.1-alpha.4",
+    "@deepseek-ai/dsh-tools": "0.2.1-alpha.4",
+    "@deepseek-ai/dsh-typert-registry": "0.2.1-alpha.4",
+    "@deepseek-ai/dsh-util-values": "0.2.1-alpha.4",
+    "@deepseek-ai/schemastery": "3.18.5-alpha.2",
     "@types/react": "18.3.28",
     "@types/react-dom": "18.3.7",
     "react": "18.3.1",

package/lib/drama/skills/short-drama-image-prompts/assets/image-prompt-spec.jsonl.md

@@ -1,187 +0,0 @@
-# `image-prompt-specs.jsonl` 填写模板
-
-首行是 `sources` 声明记录，之后每行一个候选规格对象，用于接受前预览；示例值不是默认答案。删除不适用字段，不要添加
-媒体任务、供应商或接口字段。上游引用默认绑定准确的已接受快照；只有与本对象同次发布的目标才写
-`authority:candidate`。对象接受状态由事务生命周期记录，不能靠改状态字样伪造。
-
-## 首行：`sources` 声明
-
-本文件用到的每个上游快照在这里声明一次，键取产物文件名（`characters`、`looks`、`props`），
-在本文件内唯一且稳定：
-
-```json
-{
-  "record_type": "sources",
-  "schema_version": "1.0.0",
-  "sources": {
-    "<identity-owner>": {
-      "owner": "short-drama-assets",
-      "artifact": "设定集/<identity-owner-file>.jsonl"
-    },
-    "<variant-owner>": {
-      "owner": "short-drama-assets",
-      "artifact": "设定集/<variant-owner-file>.jsonl"
-    },
-    "props": {
-      "owner": "short-drama-assets",
-      "artifact": "设定集/props.jsonl"
-    },
-    "<reference>": {
-      "owner": "<reference-owner>",
-      "artifact": "<project-relative-reference-record>"
-    },
-    "<edit-target>": {
-      "owner": "short-drama-image-prompts",
-      "artifact": "<精确目标>"
-    }
-  }
-}
-```
-
-引用用 `src` 指向声明键，再写本条引用自己的 `record_id` 和 `field`：
-`{"src": "<identity-owner>", "record_id": "CHAR-<id>"}`。
-
-## 规格行
-
-```json
-{
-  "spec_id": "IMG-<stable-id>",
-  "status": "candidate",
-  "purpose": "character_sheet | location_plate | prop_plate | look_state_variant | edit_delta",
-  "asset_binding": {
-    "identity_ref": {
-      "src": "<identity-owner>",
-      "record_id": "CHAR/LOC/PROP-<id>"
-    },
-    "variant_ref": {
-      "src": "<variant-owner>",
-      "record_id": "LOOK/VIEW/PSTATE-<id>"
-    }
-  },
-  "source_refs": [
-    {
-      "src": "<identity-owner>",
-      "record_id": "<record>",
-      "field": "/<field>",
-      "role": "identity_anchor | variant_delta | geography | scale | text_policy"
-    }
-  ],
-  "reference_bindings": [
-    {
-      "slot_id": "REF-<stable-slot>",
-      "order": 1,
-      "artifact_ref": {
-        "src": "<reference>",
-        "record_id": "<accepted-reference-record>"
-      },
-      "role": "composition",
-      "may_control": [
-        "<本次允许借用的构图事实>"
-      ],
-      "must_not_control": [
-        "<身份/内容/文字/状态等禁入事实>"
-      ],
-      "admission_status": "unverified | creator_described | visually_inspected",
-      "reference_observation_ref": null,
-      "unresolved_risks": [
-        "<没有观察证据时保留的文字/水印/裁切风险>"
-      ]
-    }
-  ],
-  "recipe": {
-    "name": "<type-recipe>",
-    "version": "<suite recipe version>"
-  },
-  "intent": {
-    "reuse_job": "<这张参考图后续保持什么>",
-    "audience": "<使用者/阶段>"
-  },
-  "identity_or_form_anchors": [
-    "<稳定、可见、可比较的锚点>"
-  ],
-  "variant_deltas": [
-    {
-      "field": "<变化对象>",
-      "observable_change": "<位置/范围/结果>",
-      "valid_range": "<接受的有效范围>"
-    }
-  ],
-  "composition": {
-    "view": "<观察方向/视图>",
-    "framing": "<主体占比或板式>",
-    "orientation": "<方向定义>",
-    "scale_relation": "<尺度参照>",
-    "spatial_relations": [
-      "<锚点之间的关系>"
-    ]
-  },
-  "appearance": {
-    "materials": [
-      "<识别所需材质>"
-    ],
-    "palette": "<主次色关系>",
-    "lighting": "<光源、方向、用途>",
-    "atmosphere": "<有事实依据的气氛>"
-  },
-  "background": {
-    "policy": "clean | contextual | empty_stage",
-    "details": "<背景与允许出现内容>"
-  },
-  "text_handling": {
-    "source_policy_ref": {
-      "src": "props",
-      "record_id": "PROP-<id>",
-      "field": "/text_policy"
-    },
-    "source_mode": "exact_readable | graphic_only | no_readable_text | pending_creator_text",
-    "render_treatment": {
-      "mode": "readable | symbolic | blank | postproduction",
-      "surface": "<承载面>",
-      "exact_text": "<仅 readable 且来自接受源时填写>",
-      "layout_or_reserved_area": "<方向/区域/行数>"
-    },
-    "mapping_rationale": "<为何本次呈现保持 source policy>"
-  },
-  "constraints": [
-    "<必须出现/保持>"
-  ],
-  "negative_constraints": [
-    "<仅当前高风险且不矛盾的排除>"
-  ],
-  "edit": {
-    "changes": [
-      "<有边界变化>"
-    ],
-    "preserve": [
-      "<身份/构图/光线/未影响区域>"
-    ],
-    "continuity_impact": "<影响的 accepted variant/binding 或 none>",
-    "target_ref": {
-      "src": "<edit-target>",
-      "record_id": "IMG-<target-id>",
-      "field": "/generic_prompt"
-    },
-    "entity_or_region": "<区域>"
-  },
-  "creator_overrides": [
-    {
-      "rule_id": "<IMG-*>",
-      "choice": "<覆盖选择>",
-      "rationale": "<原因>"
-    }
-  ],
-  "generic_prompt": "<从本规格渲染的可复制通用提示词>",
-  "derivation": {
-    "renderer": "generic-markdown"
-  },
-  "provenance": "creator_project"
-}
-```
-
-
-复制后按 `purpose` 删除不适用字段和悬空引用，`sources` 只保留仍被引用的键。Look Development 不使用本超集模板，改读
-[`lookdev-frame-spec.jsonl.md`](lookdev-frame-spec.jsonl.md)，避免普通人物、地点和道具规格加载
-风格帧专属字段。
-每条参考只声明一个用途，多参考的 `slot_id` 稳定且 `order` 显式。类型取舍、文字政策与
-参考准入由技能按 `references/common-recipe.md` 判断。候选与已接受对象分开发布；自然语言修改先形成
-候选和内容差异，不直接覆盖原记录。

package/lib/drama/skills/short-drama-image-prompts/assets/image-prompts.md

@@ -1,42 +0,0 @@
-# `image-prompts.md` 可复制输出模板
-
-此文件由已接受规格生成。元信息用于核对来源；只复制引用块内的通用提示词。不要手写供应商参数。
-
-**这份模板属于结构化管线**（`image-prompt-specs.jsonl` 一路）。creator-first 项目的《图片提示词.md》骨架以 `SKILL.md` 为准：`## IMG-... · 中文名`，字段写成不加粗的
-`- 参考：`（取「无外部参考」或完整 `REF-...` 语法），正文标题是 `### 可复制提示词`。
-不要把这里的加粗字段名、`参考图用途`、`本次呈现` 或 `### 可复制通用提示词` 搬进 creator-first 文档——
-`creator_markdown_check.py` 按 `SKILL.md` 的骨架校验，照本模板写会被判「缺少参考字段」。
-
-```markdown
-# EP<编号> · 资产图片提示词
-
-> 来源：`image-prompt-specs.jsonl` 的已接受记录
-> 配方：`<recipe>@<version>`
-> 范围：本文件仅提供提示词，不触发媒体服务；实际图片生产交 `$short-drama-produce`
-
-## `<display name>` · `<purpose>`
-
-- **规格**：`IMG-<id>`
-- **绑定**：`<asset-id>` + `<variant-id>`
-- **用途**：<后续复用目标>
-- **参考图用途**：`<slot_id / order / reference>` 只决定 `<role / may_control>`；不得导入 `<must_not_control>`；检查状态 `<observation ref | unverified + risks>`；无参考则写“无”
-- **文字来源政策**：`exact_readable | graphic_only | no_readable_text | pending_creator_text`
-- **本次呈现**：`readable | symbolic | blank | postproduction`（附 source → treatment 映射）
-- **注意**：<未阻断的警告 / 创作者明确调整；无则写“无”>
-
-### 可复制通用提示词
-
-> <正文语言按 `short-drama.json#/format/prompt_language`（独立运行时由用户指定，未指定为 `en`）——这一格不预设中文。用途/主体与区分性锚点在前，状态、构图、空间/尺度、材质/光线、背景、文字政策、保持/排除依次展开。不要出现字段名、hash、审查话术或生成历史。>
-
-### 变体/编辑说明
-
-- **相对基准**：<基础版本；非变体可省略>
-- **变化**：<看得见的变化；无则省略>
-- **必须保持**：<`preserve_set`；非局部修改可简写或省略>
-- **连续性影响**：<已接受的绑定 / 无；非局部修改可省略>
-
----
-```
-
-每个资产或版本独立一节；不要把多个互相冲突的造型、观察方向或状态合成一个可复制段落。
-该文件被手改过时，先按 `restore | adopt` 流程预览将要恢复或采用的内容。