音视频多媒体

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