音视频多媒体

AIVideoFactoryPro是一个面向自动化视频生产的AI视频工厂项目。它以统一的Director调度器为核心，把剧本解析、角色与台词管理、镜头提示词生成、图片一致性、视频生成、桥接片段、语音合成、口型同步、质量检查和最终合成都串在同一条生产流水线中。项目支持从剧本文件和项目配置出发，自动管理

1.48kHz录音室级音色克隆：利用本地4090算力，实现对特定人声的超高还原度建模，彻底跨越“恐怖谷效应”，支持多语言身份对齐。2.VLM视觉自愈RPA：引入视觉语言模型导航，AI像人眼一样识别UI界面，彻底摆脱脆弱的CSS/DOM选择器，网页改版逻辑自动适配。3.HITL人机协同安全锁：通过3D

1.实时音频响应矩阵：基于WebGL实现毫秒级的音画同步，AI的每一声回应都会在视觉场中产生物理级精确的波动反馈。2.电影级视觉氛围：通过定制Shader营造crystalline（晶体感）交互场，利用魔术心理学线索引导用户注意力，彻底消除视觉违和感。3.动态感知架构：模拟生物律动，赋予AI智能体“

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

基于Node.js与ffmpeg的B站视频解析与下载工具，支持提取多清晰度视频音频流并一键合成MP4，界面简洁易用。fluent-ffmpeg：用fluent-ffmpeg来调用ffmpeg，把DASH的视频流和音频流合并成一个MP4文件。

功能简介（精简版）智能切片与剪辑：基于语音识别、语义分析和规则引擎，从长视频中自动识别金句、高光片段，一键生成多个剪辑方案。剪辑工作室（ClipStudio）：提供多轨时间线、滤镜、字幕、转场等完整剪辑能力，支持WebGPU加速预览与导出。AI辅助编辑：支持用自然语言下指令，由Agent自动完成剪辑