@remixmate/cli 0.9.72 → 0.9.73

package/skills/template-registry/video_dsl/runtime/narration_budget.py

@@ -1,25 +1,25 @@
-"""
-旁白时长预算 —— 规划期（写脚本时）估算「这段旁白念完、这一场实际会有多长」。
 
-为什么单独成模块：以前这个数有三份且互不一致 —— gen_script 的 ``CHARS_PER_SECOND = 5.0``
-（从没参与计算，只出现在注释里）、gen-script SKILL.md 的「3–4 字/秒」、timeline_compiler
-的 5.0（那份是没有 TTS 时间戳时估字幕时长的兜底，语义不同，不归这里管）。没有任何一环
-真的拿旁白字数去核对场景时长，于是 2026-09-27 线上一条会话：确认稿写 75s、每场 8–9s，
-每场却写了 45–58 字，成片 116.9s（+56%），用户确认的时长从一开始就不可能兑现。
 
-模型 = 语速 + 行间停顿 + 场景尾巴，三项都按那条会话的 9 条 TTS 实测标定：
 
-* 语速：纯整段旁白的场景 1.1× 下 ≈ 4.8–5.2 计数字/秒（汉字 + 英文词×2）→ 1.0× 取
-  ``PLAN_CHARS_PER_SEC_1X = 4.5``（略偏保守）；
-* 行间停顿：分行旁白（``narration.items`` / intro / outro）每多一行，TTS 按段合成，
-  段间约 0.9s 的静音 —— 逐项高亮版式同样字数要慢出 30–60%，主要就是它；
-* 场景尾巴：``render_video.adjust_timeline_to_audio`` 在每场音频后补的留白
-  （模板 ``capabilities.defaultTailPadSec``，缺省 1.5s）。9 场就是 13.5s，写脚本时
-  从没人算进去。
 
-样本只有一条会话，所以这些是**规划用**的估计，不是承诺；估不准的方向应当是偏保守
-（宁可让模型少写几个字）。英文语速未标定，先按常见 TTS 语速给。
-"""
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
 
 from __future__ import annotations
 
@@ -27,27 +27,27 @@ import math
 import re
 from typing import Optional
 
-# 语速（1.0× 下）。中文按「计数字」（见 count_speech_units），英文按词。
+
 PLAN_CHARS_PER_SEC_1X = 4.5
-PLAN_WORDS_PER_SEC_1X = 2.5  # 未标定
+PLAN_WORDS_PER_SEC_1X = 2.5
+
 
-# 分行旁白每一处换行带来的静音。
 LINE_PAUSE_SEC = 0.9
 
-# 必须与 render_video.adjust_timeline_to_audio 的缺省尾巴一致（int(fps * 1.5)）。
+
 DEFAULT_TAIL_PAD_SEC = 1.5
 
-# 估算总时长超出目标多少才告警。低于这个幅度属于估算误差本身的量级。
+
 OVERRUN_WARN_RATIO = 0.3
 
 _CJK = re.compile(r"[\u3400-\u9fff\uf900-\ufaff]")
-# 中文旁白里夹的英文词 / 数字组（"AI Agent"、"2026"）。一个英文词 TTS 念出来大约
-# 占两个汉字的时长。
+
+
 _LATIN_WORD = re.compile(r"[A-Za-z0-9]+(?:['’.-][A-Za-z0-9]+)*")
 
 
 def count_speech_units(text: str) -> tuple[float, str]:
-    """返回 (计数, 语言)。有汉字按中文计（汉字 + 英文词×2），否则按英文词计。"""
+
     if not isinstance(text, str) or not text.strip():
         return 0.0, "zh"
     cjk = len(_CJK.findall(text))
@@ -58,10 +58,10 @@ def count_speech_units(text: str) -> tuple[float, str]:
 
 
 def narration_lines(narration: object) -> list[str]:
-    """旁白按 TTS 实际合成的段拆开：分行形态 = intro + items + outro，否则整段 text。
 
-    与 render_video.extract_narration_lines 同口径：有 items 时 text 被整个忽略。
-    """
+
+
+
     if not isinstance(narration, dict):
         return []
     items = narration.get("items")
@@ -90,7 +90,7 @@ def speech_rate(language: str, speed: float) -> float:
 
 
 def estimate_speech_sec(narration: object, speed: float = 1.0) -> float:
-    """念完这段旁白要多少秒（含分行停顿，不含场景尾巴）。"""
+
     lines = narration_lines(narration)
     if not lines:
         return 0.0
@@ -99,7 +99,7 @@ def estimate_speech_sec(narration: object, speed: float = 1.0) -> float:
 
 
 def template_tail_pad_sec(template_config: Optional[dict]) -> float:
-    """场景尾巴：模板声明的 capabilities.defaultTailPadSec，缺省 1.5s。"""
+
     caps = (template_config or {}).get("capabilities") or {}
     v = caps.get("defaultTailPadSec") if isinstance(caps, dict) else None
     if isinstance(v, bool) or not isinstance(v, (int, float)) or v < 0:
@@ -108,7 +108,7 @@ def template_tail_pad_sec(template_config: Optional[dict]) -> float:
 
 
 def estimate_scene_sec(narration: object, speed: float = 1.0, tail_pad_sec: float = DEFAULT_TAIL_PAD_SEC) -> float:
-    """这一场按旁白估出来的时长。没有旁白返回 0（由调用方退回场景自己的 duration）。"""
+
     speech = estimate_speech_sec(narration, speed)
     return speech + tail_pad_sec if speech > 0 else 0.0
 
@@ -120,10 +120,10 @@ def speech_budget(
     lines: int = 1,
     tail_pad_sec: float = DEFAULT_TAIL_PAD_SEC,
 ) -> int:
-    """一场 ``duration_sec`` 秒的场景，旁白最多写多少字（中文）/ 词（英文）。
 
-    ``lines`` > 1 时扣掉分行停顿 —— 逐项高亮的版式同样秒数能写的字明显更少。
-    至少返回 1：预算为 0 的场景说明秒数本身就不够，调用方应当提示加时长而不是写空旁白。
-    """
+
+
+
+
     available = duration_sec - tail_pad_sec - LINE_PAUSE_SEC * max(lines - 1, 0)
     return max(1, int(math.floor(available * speech_rate(language, speed))))

package/skills/template-registry/video_dsl/runtime/payload_contract.py

@@ -1,12 +1,12 @@
-"""Template-declared content requirements and recursive asset references.
 
-Shared by DSL preparation and saved RenderPlan validation. Requirements use a
-small JSON Schema subset; values never appear in diagnostic messages.
-"""
+
+
+
+
 
 
 def payload_values(props: dict) -> dict:
-    """Flatten templateData wrappers, with non-null outer props taking precedence."""
+
     layers, seen = [], set()
     while isinstance(props, dict) and id(props) not in seen and len(layers) < 10:
         layers.append(props)
@@ -19,7 +19,7 @@ def payload_values(props: dict) -> dict:
 
 
 def requirement_errors(value, schema: dict, path: str = "customPayload") -> list[str]:
-    """Enforce type/const/enum/required/properties/items/minItems/anyOf."""
+
     errors = []
     kind = schema.get("type")
     matches = {"object": isinstance(value, dict), "array": isinstance(value, list),
@@ -58,7 +58,7 @@ def required_payload_errors(template: dict, props: dict) -> list[str]:
 
 
 def asset_references(value, path: str = "", *, bound_props: bool = False):
-    """Walk nested assetRef fields; bound props also use *AssetId names."""
+
     if isinstance(value, list):
         for index, item in enumerate(value):
             yield from asset_references(item, f"{path}[{index}]", bound_props=bound_props)

package/skills/template-registry/video_dsl/runtime/prompt_enhancer.py

@@ -1,32 +1,32 @@
-"""
-图片 Prompt 增强模块 — 利用旁白语义 + 模版视觉指南生成高质量图片提示词。
 
-纯函数模块，无外部依赖。主要入口:
-  - build_enhanced_prompt()  : 根据 purpose/topic/style/narration/styleGuide 构建增强 prompt
-  - enrich_asset_payload()   : 一站式入口，自动判断并增强 asset payload
-  - compose_image_payload()  : imageStyleGuide.mode == "compose" 的模板专用 —— agent 只写
-                               画面主体，这里在旁白定稿后确定地、只一次地套上模板画风
-                               （见 docs/picture-book-image-prompt-design.md）
-"""
+
+
+
+
+
+
+
+
+
 
 import re
 from typing import Optional
 
-# ---------------------------------------------------------------------------
-# 常量
-# ---------------------------------------------------------------------------
 
-# 口语化填充词 / 无视觉意义的片段
+
+
+
+
 _FILLER_PATTERNS = re.compile(
     r"(那么|其实|所以说|然后呢|接下来|大家好|你好|对吧|对不对|是不是|"
     r"嗯|啊|呢|吧|哦|哈|了|的话|来说|而言|就是说|换句话说|"
     r"如果觉得有用就|点个关注|下期见|别忘了)"
 )
 
-# 标点符号归一化
+
 _PUNCT = re.compile("[，。！？、；：\u201c\u201d\u2018\u2019《》【】（）\\s]+")
 
-# 默认按 purpose 的 prompt 模板（无模版 styleGuide 时的兜底）
+
 DEFAULT_PURPOSE_PATTERNS: dict[str, str] = {
     "opening": "{narration_summary}，{topic}主题概念图，视觉冲击力强，{style_suffix}，高清大图",
     "intro": "{narration_summary}，{topic}主题引入场景，{style_suffix}，清晰直观",
@@ -39,30 +39,30 @@ DEFAULT_PURPOSE_PATTERNS: dict[str, str] = {
     "ending": "感谢观看结尾画面，{style_suffix}，温馨大气",
 }
 
-# prompt 长度阈值：超过此字符数的 prompt 视为已精心编写
+
 WELL_CRAFTED_THRESHOLD = 80
 
-# gen_script 骨架占位的前缀。旁白与 compose 模式的图片主体共用这一组：以它开头说明
-# agent 还没把内容填进来。gen_script 从这里导入，两边不各写一份。
+
+
 SKELETON_PREFIXES = ("[骨架待填充]", "[skeleton placeholder]")
 
-# compose 模式下 gen_script 写进 payload.prompt 的占位：告诉 agent 这里只填「画什么」。
+
 COMPOSE_SUBJECT_PLACEHOLDER = (
     f"{SKELETON_PREFIXES[0]} 本页画面主体：谁、在哪、在做什么、什么表情、什么光线"
 )
 
-# compose 模式下，模板没给本 purpose 写 promptTemplate 时的兜底
+
 COMPOSE_DEFAULT_TEMPLATE = "{subject}。{character_sheet}"
 
 _CJK_CHAR = re.compile(r"[\u4e00-\u9fff\u3400-\u4dbf]")
 
-# ---------------------------------------------------------------------------
-# 工具函数
-# ---------------------------------------------------------------------------
+
+
+
 
 
 def _is_mostly_latin(text: str) -> bool:
-    """CJK 字符占非空白字符不足 10% —— 按英文等拼音文字处理。"""
+
     chars = [c for c in text if not c.isspace()]
     if not chars:
         return False
@@ -70,16 +70,16 @@ def _is_mostly_latin(text: str) -> bool:
 
 
 def summarize_narration(text: str, max_chars: int = 60) -> str:
-    """从旁白文本提取视觉关键信息，去除口语化填充词。
 
-    英文旁白不套中文填充词正则（"了""的话"之类对英文无意义，反而可能误删），
-    按单词边界截断，上限放宽到 200 字符 —— 60 字符的英文常常只剩半句。
 
-    >>> summarize_narration("那么接下来我们来看一下AI如何帮你高效背单词")
-    'AI如何帮你高效背单词'
-    >>> summarize_narration("A tiny seed slept in the warm, dark soil.")
-    'A tiny seed slept in the warm, dark soil'
-    """
+
+
+
+
+
+
+
+
     if not text:
         return ""
     if _is_mostly_latin(text):
@@ -90,25 +90,25 @@ def summarize_narration(text: str, max_chars: int = 60) -> str:
             space = cut.rfind(" ")
             cleaned = (cut[:space] if space > 0 else cut).rstrip(".!?;:,")
         return cleaned or text[:limit]
-    # 去除填充词
+
     cleaned = _FILLER_PATTERNS.sub("", text)
-    # 归一化标点 → 空格
+
     cleaned = _PUNCT.sub(" ", cleaned).strip()
-    # 去除开头尾部空白
+
     if not cleaned:
         return text[:max_chars]
-    # 截断到 max_chars
+
     if len(cleaned) > max_chars:
         cleaned = cleaned[:max_chars]
     return cleaned
 
 
 def extract_scene_context(scene: dict) -> dict:
-    """从 DSL scene 提取视觉相关上下文。
 
-    Returns:
-        dict with keys: narration_text, title, badge, headline, subheadline, purpose
-    """
+
+
+
+
     purpose = scene.get("purpose", "default")
     narration_text = ""
     audio = scene.get("audio", {})
@@ -134,10 +134,10 @@ def extract_scene_context(scene: dict) -> dict:
 
 
 def resolve_style_guide(template: Optional[dict], variant_id: str = "") -> dict:
-    """合并模版根级 + 变体级的 imageStyleGuide。
 
-    变体级字段覆盖根级同名字段，purposeOverrides 做 merge。
-    """
+
+
+
     if not template:
         return {}
 
@@ -150,7 +150,7 @@ def resolve_style_guide(template: Optional[dict], variant_id: str = "") -> dict:
     if not variant_guide:
         return base
 
-    # 合并 purposeOverrides
+
     base_overrides = dict(base.get("purposeOverrides", {}) or {})
     variant_overrides = dict(variant_guide.get("purposeOverrides", {}) or {})
 
@@ -162,9 +162,9 @@ def resolve_style_guide(template: Optional[dict], variant_id: str = "") -> dict:
     return merged
 
 
-# ---------------------------------------------------------------------------
-# 核心构建函数
-# ---------------------------------------------------------------------------
+
+
+
 
 
 def build_enhanced_prompt(
@@ -175,21 +175,21 @@ def build_enhanced_prompt(
     scene_title: str = "",
     style_guide: Optional[dict] = None,
 ) -> dict:
-    """构建增强 prompt，返回 {prompt, negative_prompt, guidance_scale}。
 
-    优先使用 style_guide 中的模板和修饰符；无 style_guide 时使用内置默认模板。
-    """
+
+
+
     style_guide = style_guide or {}
     style_suffix = f"{style}风格" if style else ""
 
-    # 提取旁白摘要
+
     narration_summary = summarize_narration(narration_text)
     if not narration_summary and scene_title:
         narration_summary = scene_title
     if not narration_summary:
         narration_summary = topic or ""
 
-    # 基础变量
+
     vars_ = {
         "narration_summary": narration_summary,
         "topic": topic or "",
@@ -197,7 +197,7 @@ def build_enhanced_prompt(
         "scene_title": scene_title or "",
     }
 
-    # 决定 prompt 模板
+
     purpose_overrides = style_guide.get("purposeOverrides", {}) or {}
     override = purpose_overrides.get(purpose, {})
 
@@ -207,28 +207,28 @@ def build_enhanced_prompt(
             purpose, DEFAULT_PURPOSE_PATTERNS.get("point", "")
         )
 
-    # 格式化模板（安全替换）
+
     prompt = _tidy_punctuation(_safe_format(prompt_template, vars_))
 
-    # 追加 styleModifier
+
     style_modifier = override.get("styleModifier", "")
     if style_modifier:
         prompt = f"{prompt}，{style_modifier}"
 
-    # 追加 baseStyle
+
     base_style = style_guide.get("baseStyle", "")
     if base_style:
         prompt = f"{prompt}，{base_style}"
 
-    # 追加 colorDirective
+
     color_directive = style_guide.get("colorDirective", "")
     if color_directive:
         prompt = f"{prompt}，{color_directive}"
 
-    # negative prompt
+
     negative_prompt = override.get("negativePrompt", "") or style_guide.get("negativePrompt", "")
 
-    # guidance scale
+
     guidance_scale = style_guide.get("guidanceScale")
 
     result = {"prompt": prompt}
@@ -241,7 +241,7 @@ def build_enhanced_prompt(
 
 
 def _safe_format(template: str, vars_: dict) -> str:
-    """安全的字符串格式化，缺失变量保留占位符原文。"""
+
     try:
         return template.format(**vars_)
     except (KeyError, IndexError):
@@ -253,7 +253,7 @@ def _safe_format(template: str, vars_: dict) -> str:
 
 _EMPTY_BRACKETS = re.compile(r"[（(]\s*[）)]")
 _PUNCT_BEFORE_CLOSE = re.compile(r"[，。、；,;.\s]+(?=[）)])")
-# 两个及以上相邻的分隔标点（中间可夹空白）：空变量替换后留下的「，，」「。，」「, 。」等
+
 _PUNCT_RUN = re.compile(r"[，。、；,;.]\s*(?:[，。、；,;.]\s*)+")
 _LEADING_PUNCT = re.compile(r"^[\s，。、；,;.]+")
 _TRAILING_SOFT_PUNCT = re.compile(r"[\s，、；,;]+$")
@@ -266,12 +266,12 @@ def _collapse_punct_run(match: "re.Match[str]") -> str:
 
 
 def _tidy_punctuation(text: str) -> str:
-    """清理模板变量为空时留下的标点噪声。
 
-    ``{style_suffix}`` / ``{character_sheet}`` 这类变量常为空，替换后会留下
-    「，，」「。。」「（）」和行首孤立的逗号。连续分隔符合并成一个（含句号就留句号），
-    去掉空括号、行首标点、行尾逗号，多余空格压成一个。单词间的单个空格不动。
-    """
+
+
+
+
+
     if not text:
         return ""
     out = _PUNCT_BEFORE_CLOSE.sub("", text)
@@ -283,9 +283,9 @@ def _tidy_punctuation(text: str) -> str:
     return out.strip()
 
 
-# ---------------------------------------------------------------------------
-# 一站式入口
-# ---------------------------------------------------------------------------
+
+
+
 
 
 def enrich_asset_payload(
@@ -295,14 +295,14 @@ def enrich_asset_payload(
     dsl_meta: Optional[dict] = None,
     variant_id: str = "",
 ) -> dict:
-    """增强 asset payload 中的图片 prompt。
 
-    - prompt 已超过 WELL_CRAFTED_THRESHOLD 字符的，仅补充 negativePrompt（如缺失）
-    - 否则用 build_enhanced_prompt 重新构建
 
-    Returns:
-        新的 payload dict（不修改原始对象）
-    """
+
+
+
+
+
+
     payload = dict(payload)
     current_prompt = payload.get("prompt", "")
 
@@ -312,7 +312,7 @@ def enrich_asset_payload(
 
     style_guide = resolve_style_guide(template, variant_id)
 
-    # 已精心编写的 prompt → 仅补充 negativePrompt
+
     if len(current_prompt) > WELL_CRAFTED_THRESHOLD:
         if "negativePrompt" not in payload and style_guide.get("negativePrompt"):
             payload["negativePrompt"] = style_guide["negativePrompt"]
@@ -320,7 +320,7 @@ def enrich_asset_payload(
             payload["guidanceScale"] = style_guide["guidanceScale"]
         return payload
 
-    # 从 scene 提取上下文
+
     scene_ctx = extract_scene_context(scene) if scene else {}
     purpose = scene_ctx.get("purpose", "point")
     narration_text = scene_ctx.get("narration_text", "")
@@ -344,9 +344,9 @@ def enrich_asset_payload(
     return payload
 
 
-# ---------------------------------------------------------------------------
-# compose 模式：agent 写「画什么」，模板管「怎么画」
-# ---------------------------------------------------------------------------
+
+
+
 
 
 def is_compose_mode(style_guide: Optional[dict]) -> bool:
@@ -368,19 +368,19 @@ def compose_image_payload(
     dsl_meta: Optional[dict] = None,
     variant_id: str = "",
 ) -> dict:
-    """把模板的 imageStyleGuide 套到一个 gen-image 素材的 payload 上（compose 模式专用）。
 
-    ``payload.prompt`` 在 compose 模式下的语义是**画面主体**（这一页画什么），不含画风。
-    这里拼出最终 prompt = promptTemplate(主体 / 角色设定 / 文字层…) + styleModifier +
-    baseStyle + colorDirective，并补上 negativePrompt / ratio / guidanceScale / seed。
 
-    - 非 compose 模板：原样返回（不改变 legacy 模板的行为）。
-    - 幂等：``styleGuideApplied`` 等于当前模板版本时原样返回；版本变了则从
-      ``promptSubject``（上次 compose 前的主体）重新拼，画风不会叠两遍。
-    - 主体为空或仍是骨架占位时退回本场景的旁白全文 / 文字层。
 
-    返回新 dict，不修改入参。
-    """
+
+
+
+
+
+
+
+
+
+
     guide = resolve_style_guide(template, variant_id)
     if not is_compose_mode(guide):
         return payload
@@ -392,7 +392,7 @@ def compose_image_payload(
     ctx = extract_scene_context(scene) if scene else {}
     purpose = ctx.get("purpose") or "point"
 
-    # 上次 compose 过（模板升版后重跑）→ 主体在 promptSubject 里，prompt 已是成品
+
     subject = str(payload.get("promptSubject") or payload.get("prompt") or "").strip()
     if _is_placeholder_subject(subject):
         subject = (
@@ -413,15 +413,15 @@ def compose_image_payload(
         "character_sheet": str(meta.get("characterSheet") or "").strip(),
         "topic": str(meta.get("topic") or meta.get("title") or ""),
         "style_suffix": f"{style}风格" if style else "",
-        # 旧变量名兼容：legacy promptTemplate 里写的 {narration_summary} 在这里就是主体
+
         "narration_summary": subject,
     }
 
     overrides = guide.get("purposeOverrides", {}) or {}
     override = overrides.get(purpose) or {}
     parts = [
-        # 没有针对本 purpose 的模板（如 cta / ending）时角色设定照样注入 —— 否则恰好
-        # 这一页的主角会换个样子。
+
+
         _safe_format(override.get("promptTemplate") or COMPOSE_DEFAULT_TEMPLATE, vars_),
         override.get("styleModifier", ""),
         guide.get("baseStyle", ""),
@@ -456,11 +456,11 @@ def _scene_refs(node, asset_id: str) -> bool:
 
 
 def compose_dsl_image_prompts(dsl: dict, template: Optional[dict]) -> list[str]:
-    """对整份 DSL 里待生成的图片素材逐个 compose（就地改 dsl），返回日志行。
 
-    只处理 ``type=image, source=gen-image, status∈{planned, missing}``；已生成 / 自带的图
-    不动。非 compose 模板是零成本 no-op（返回空列表）。
-    """
+
+
+
+
     meta = dsl.get("meta") or {}
     variant_id = str(meta.get("variantId") or "")
     if not is_compose_mode(resolve_style_guide(template, variant_id)):