Files
AI-cut/docs/ACCEPTANCE.md
T

7.9 KiB
Raw Blame History

0.1.0 实测与需求覆盖

日期:2026-10-18。环境:Windows 11(10.0.26200)、RTX 5080 16 GB、驱动 610.62、Node 24.18.0、Electron 42.11.15。此文件区分实现、实际执行和未验收项,不代表原始六阶段全部完成。

实际执行过的验证

验证 结果与边界
TypeScript / Vite 生产构建 通过
核心集成测试 4 组通过,包括真实 FFmpeg、SQLite、队列取消和四种 Provider 协议合约
真实 Electron 端到端 原生文件选择(测试中定向到实际文件)、媒体 Range 流、预览、编辑、撤销重做、保存重开、MP4 导出通过;无 renderer 异常
打包程序及安装 NSIS 安装器生成;在本机隔离安装目录安装退出码 0;已安装 EXE 的相同媒体链路通过。不是另一台无开发环境电脑的验收
中文 / 空格路径 真实读写、字幕、导出和工程保存通过
多媒体及 45 秒渲染 生成 30 个不同的合成视频,实际导入/缩略图/SQLite/渲染 45 秒 MP4 通过;不同文件名相同内容 SHA256 一致。不是 30 个现实场景的语义理解验收
本地文本模型 已有 qwen2.5:3b-instruct 的真实文本请求和时间轴操作输出通过
本地模型下载 / 视觉 通过官方 Ollama 下载 gemma3:4b(主权重约 2.50 GB、视觉投影约 0.85 GB);真实红色图视觉请求、三段颜色视频多帧分析、AI 修改已有片段并执行/撤销通过。模型输出存在描述和评分偏差;不能据此声称视觉准确率达标
GPU 推理观测 Ollama /api/ps 报告 gemma3:4b size = size_vram = 3,046,606,110 字节,全部模型内存位于 GPU;运行框架最终决定设备分配
GPU 编码验证 RTX 5080 的 h264_nvenc 实际试编码、真实源片段 GPU 解码与中间/最终编码通过
用户真实素材成片 初版已撤回:存在描述与画面不符、跨场景乱切及切点偏移。修订版使用第 21 集同一战斗,按源时间递增排列 23 个片段,144 BPM / 72 拍;是人工核选、相同核心引擎渲染,并非全自动 AI 成功验收
成品抽帧复核 修订版逐片段提取起帧 / 中帧 / 尾帧,共 69 张、4 页,全部实际查看;对照源片段,多处旧版误标被删除。每个边界的前后帧都包含在相邻行尾帧 / 起帧中
切点精度回归 36 个含音频的短片段合成 900 帧:旧实现 35 个切点均偏移一帧;采用无 AAC 预延迟的 PCM 中间音频及帧数量化后,900 帧颜色全部匹配
成品探测 修订版 1920×1080、60 FPS、1800 帧、30.000 秒、H.264 / AAC,CUDA 完整解码通过;NVENC 用于中间与最终视频编码

机器可读证据在 .test-output/:desktop-e2e-report.json、packaged-e2e-report.json、ai-e2e-report.json、batch-e2e-report.json、local-vision-result.json、local-plan-result.json。修订成片与证据在 output/无职转生_30秒_修订版/;初版目录只保留问题追溯,不作为交付。详见 FRAME_REVIEW.md。

当前真实可用的功能

  • Electron 桌面与简体中文工作台;缩放、侧栏宽度调整、时间轴高度/缩放调整。
  • 项目 SQLite 文件、最近项目、另存为、自动恢复、原子保存、上一版本备份;引用原素材与复制整理、缺失素材重定位。
  • 多文件/文件夹递归/拖放导入;流式 SHA256 去重;FFprobe 元数据、缩略图、兼容代理、搜索/收藏/移除。
  • 技术镜头切分、静音与响度、带时间戳采样、真实本地/远程视觉调用、分析缓存;基于分析的 AI 搜索,模型推荐分数及理由。相同采样帧去重并注明证据边界。
  • Ollama / OpenAI 兼容 / Anthropic / Gemini 四种真实协议;账户保存、DPAPI 密钥、手动模型/模型列表、文本及视觉测试、文字/帧独立授权、代理、超时与重试、请求元数据统计。
  • 视觉与规划分配不同账户;结构化 add/update/remove;确认后执行;已有时间轴修改、过期方案拒绝、错误校验与一次模型修正重试。
  • 顺序视频轨道、可混音的音频轨道、字幕轨道;拖动/边缘裁剪、分割、删除、复制粘贴、吸附、缩放、速度、倒放、音量、裁切/留边、调色、淡入淡出、缩放/平移关键帧、撤销重做。
  • 17 个风格预设,实际影响新片段的镜头时长、调色、淡入淡出等参数;无需模型的参数组接明确标记为规则操作。
  • 本地硬件信息、已有 Ollama 检测/启动、模型下载/取消/重试/删除、服务状态;官方安装器下载和签名校验代码。当前机器已有 Ollama,未执行卸载重装。
  • 导出后自动从最终视频抽取每个片段的起、中、尾帧,任务页可查看带时间码的抽帧页;不将抽帧成功自动标为语义通过。
  • 源片段预览与按需合成预览;MP4/MOV/MKV/WebM 编码路径;队列、取消、进度与错误。
  • 用户指定 CPU / GPU / CPU+GPU:GPU 模式使用硬件视频解码、NVENC 中间及最终编码,硬件失败报错;CPU+GPU 以 CPU 处理解码/滤镜、GPU 编码,并允许最终编码失败回退;CPU 软件编码。字幕、调色、音频和控制流程仍有 CPU 工作,不能宣称整条流水线零 CPU。

尚未完成或尚未取得验收证据

  • 原始验收测试一:30 段不同现实场景视频的准确语义/动作识别。当前是场景切分及稀疏多帧理解,没有专用动作网络、目标跟踪或光流;不满足完整动态理解要求。
  • 专用 Whisper 语音转写、字级对齐、中英字幕自动生成、说话人分离、OCR、目标检测及管理型独立分析服务。
  • 通用音频节拍自动检测及自动选歌。当前交付示例使用原创 144 BPM 器乐按明确拍网剪辑,不能把此示例当成通用卡点识别功能已经实现。
  • 专业视频层叠多轨、特效轨、完整关键帧系统、交叉溶解与高级转场;当前视频轨拒绝重叠,关键帧仅缩放/平移。
  • 绝大多数云服务商的专有认证协议、OAuth/SigV4、REST 自定义脚本适配器、账单费用估算、全能力元数据目录、自动模型路由/回退;现有云协议只有合约测试,没有用户 API Key 的真实云端联调。
  • 自动模式硬件/许可推荐目录、LM Studio / llama.cpp 的安装管理、下载容量提前核验、磁盘不足专项演练、暂停/重启下载的独立管理层。现支持连接其本机 OpenAI 兼容端点,Ollama 自行维护已下载层。
  • 无 GPU 机器、AMD / Intel 实机、Windows 10、干净 Windows、4K 海量素材、极长源视频、资源耗尽及代理故障等完整稳定性矩阵。不能用本机成功代替这些验收。
  • 应用代码签名、正式发布渠道、英语界面。

复现

基础:npm ci → npm test → npm run build → npm run test:desktop → npm run test:batch。

真实 AI:先启动 Ollama、安装实际视觉模型;默认 gemma3:4b,执行 npm run test:ai。也可设置 QY_TEST_MODEL。此测试不使用模拟 AI 返回。

打包:npm run dist。以 QY_PACKAGED_EXE 指向实际安装后的 EXE,再运行 npm run test:desktop。测试通过 QY_TEST_USERDATA 使用专属目录。

真实示例保留生成脚本:scripts/scan-user-media.mjs(接受用户目录参数)、scripts/refine-user-shots.mjs、scripts/compose-beat.mjs、scripts/rebuild-user-cut.mjs(修订版);旧版 scripts/render-user-cut.mjs 仅保留追溯,不用于交付。前两个为核看素材服务,后两个生成原创音乐和实际工程/成片,不更改原素材。

2026-11-14 开源 PR 验证

在待提交的源码目录中,复用本机已有依赖执行 npm run build、npm test、npm run test:desktop,分别通过生产构建、4 组集成测试及 9 项真实 Electron 桌面检查。GPU 导出与抽帧弹窗均实际执行;未进行干净机器安装或新的云端服务联调。