音视频多媒体

项目围绕AI短剧制作全链路设计，包含项目、章节和镜头管理，AI剧本处理可将长剧本自动拆分为分镜并落地到画布；资产库统一管理角色、场景、道具、服装和演员，通过参考图及语义检索为生成任务提供上下文；可视化画布支持剧本、图片、视频等节点编排与连线，多节点可批量触发生成并回写结果；模型管理支持配置多家Ope

1、实时音频接入：采集用户选择的系统音频或麦克风音频，接入云端语音识别与翻译服务，持续生成字幕。2、多语言双语字幕：支持多语言语音识别、自动检测与双语字幕，展示原文与译文；浮动字幕窗口便于边看会议或视频边阅读。3、记录与导出：Pro支持会议历史与文本导出，方便会后回顾、检索和整理；支持字幕样式设置。

菜单栏入口支持快速截图、滚动长截图、OCR/二维码识别、录制区域或屏幕、查看历史记录及打开图片/视频。此次改进聚焦可靠性：异常或中断情况下保留录制会话中的相机、轨迹等副文件；长截图会话结束前封存终态，避免重复结束回调、并发启动和取消后继续安装监听器；对原子保存流程增加回归检查。项目基于上游开源软件并

1.AI短剧素材智能生产系统对接正规短剧版权分销平台，获取已授权的短剧素材库。利用AI工具完成二次剪辑：自动识别每集的高潮片段（如扇巴掌、反转、悬念揭晓），截取2分钟左右的精华切片，生成适合FacebookReels的竖版短视频。支持AI配音翻译与画面优化，适配英语、西语等目标市场语言习惯，让中国式

AI音乐创作商业化产品，覆盖Quick/Master双创作工作台、歌词优化与翻译、风格模板、参考音视频、作品资产库、会员订阅与支付。Agent层负责创作意图澄清、参数补全、任务推荐与生成过程解释。

DreamStudio是面向短剧与短视频制作的AI创作平台，覆盖以下功能：1.创意与剧本：根据创意生成分集大纲及多集剧本，支持将小说、文学文本改编为剧本。2.分镜拆解：将场景拆解为包含景别、机位和动作描述的分镜表，为后续素材制作提供依据。3.多模型与Agent协作：接入不同模型，结合多Agent协作

多轨波形编辑：拖拽、剪切、对齐、音量调节、撤销AI音频分析：自动识别BPM、调性、节拍变速变调：RubberBand引擎，变调不变速/变速不变调人声分离：AI一键提取人声/伴奏AI语音指令：自然语言直接指挥剪辑操作一键导出WAV/MP3（多码率）

本项目是一款功能完备的多轨音频调音软件，支持WAV与MP3音频导入、0.5x–2.0x变速播放、Loop独立循环及高保真混音导出，同时集成了单轨音量与声像控制、10段图形EQ均衡器、可在波形图上交互绘制的音量自动化包络线以及压缩器。此外，系统还提供60FPS平滑波形图、带削波指示的VU电平表、16m

写词/管词：用配置好的歌词大模型（如DeepSeek）生成歌词，曲库里维护「仅歌词→生成音乐→去痕/转码」等状态；歌名会与曲库去重、两阶段起名+写词等逻辑。生成音乐：对接Suno/TTAPI等云端或本机流程，排队生成、下载、入库。后期与物料：FFmpeg去痕、转码、整理发布用物料（音频、歌词、封面等

系统主要功能模块如下：1.视频摄入与规范化：支持本地文件上传或远程URL输入，使用ffmpeg自动提取音频、标准化视频格式2.自动语音识别（ASR）：对音频进行语音转文字，生成带时间戳的逐字稿3.智能分段：通过LLM对转录文本进行语义分析，自动切分为30-120秒的知识片段4.AI元数据生成：为每个

项目采用画布节点化设计，核心功能模块包括：1.**智能画布系统**：支持图片上传、拖拽编排、节点连线，提供缩放、平移、多选等丰富交互能力2.**AI图像生成**：集成多种主流AI图像模型（如Midjourney、DALL-E等），支持文本生成图像、图像编辑、风格迁移等能力3.**工具处理链**：内置

VDD的设计哲学是：**简单、快速、不打扰。***极简主义设计：没有乱七八糟的广告，没有复杂的弹窗。侧边栏导航，逻辑清晰，打开就能用。*原生性能怪兽：基于Go+Fyne开发，编译为原生二进制文件。内存占用低，启动速度快，不像Electron应用那样吃内存。*订阅自动下载：(v1.4.0重磅功能)支持