Video Workflow产品系统Vibe Coding

行业：短视频 / 内容创作 / 自媒体工具
目标用户：视频创作者、自媒体运营、内容出海从业者、AI 技术爱好者
解决的问题：
获取抖音视频 → 提取音频 → 转写文字 → 洗稿优化 → 翻译英文 → 生成英文配音
整个流程从一条抖音链接开始，到一段英文配音视频结束
解决内容创作者"不会剪辑/不懂外语/没时间手动处理"的痛点
典型用例：
国内博主将中文视频转为英文版，出海到 TikTok
知识类视频快速提取文案，二次创作
会议/访谈录音转写整理

1、功能模块：
1. 抖音视频下载 解析分享链接，下载 MP4，提取 WAV 音频
2. 语音识别：音频转文字，支持阿里云 ASR 或豆包 ASR（云端）
3. ASR 纠错：DeepSeek 修正错别字和同音字
4. 智能洗稿：DeepSeek 润色文本，三档强度（轻/中/重）
5. 中译英翻译：DeepSeek 将中文翻译为英文
6. 语音合成：Edge-TTS 朗读英文，生成 MP3 配音

2、用户交互流程
粘贴抖音链接 → 解析视频 ID、获取视频信息
勾选处理步骤 → 选择要执行的流水线环节
配置参数 → 选择模型/洗稿强度/配音声线
点击开始运行 → 后台线程执行，UI 实时显示进度
查看输出 → 自动打开输出文件夹，列出生成文件

本项目是纯 Python 桌面应用，前后端都是 Python：
1、所有业务逻辑：下载、Whisper、音视频分离、语音识别成文字、DeepSeek/阿里云/豆包 API 调用洗稿文字及文稿翻译、文字的语音合成、文件处理
架构：单机 C/S 混合架构
GUI 界面 本地（PyQt6 桌面窗口）
业务逻辑 本地（Python 进程内执行）
语音识别 云端（阿里云 NLS / 火山引擎 ASR API）或本地（Whisper 离线模型，已排除）
文本润色/翻译 云端（DeepSeek Chat API）
语音合成 云端（微软 Edge-TTS 在线服务）
视频/音频处理 本地（ffmpeg 进程调用）
文件存储 本地 + 阿里云 OSS（临时上传音频）

2、关键技术栈
GUI：PyQt6 + QSS（纯代码布局）
并发：QThread + ThreadPoolExecutor
音视频：ffmpeg（外部进程调用）
云端 ASR：阿里云 NLS REST API / 火山引擎 Seed ASR
文本处理：DeepSeek Chat API / OpenCC
TTS：Microsoft Edge-TTS
文件存储：阿里云 OSS (oss2 SDK)
配置：JSON
打包：PyInstaller + Inno Setup
语言：纯 Python，无其他语言