# 智能 AI 视频生成平台 - 产品需求文档 (PRD)

---

## 1. 产品概述与定位

### 1.1 产品愿景
面向零基础小白、宝妈及家庭记录者的极简 AI 视频自动化生成工具。用户仅需提供一段文本想法或生活故事，系统即可自动完成“剧本解析 $\rightarrow$ 角色匹配 $\rightarrow$ 分镜生成 $\rightarrow$ 智能质检修复 $\rightarrow$ 自动拼接输出”全流程，实现零剪辑门槛、角色高度一致的自动化视频创作。

### 1.2 目标用户画像 (Persona)
* **核心群体**：宝妈群体、生活记录博主、零基础短视频创作者。
* **用户特征**：
  * 无专业剪辑经验，对 Prompt、Seed、分辨率、码率等技术术语无认知。
  * 核心诉求为记录孩子与家庭日常、制作温馨短剧或社交平台分享。
  * 深度依赖移动设备，主要使用场景为微信生态（朋友圈、群聊、小程序/H5）。

### 1.3 核心差异化壁垒
1. **多模态家庭角色资产库**：一键绑定家庭成员，规避多镜头生成中的“换脸/变装”问题。
2. **AI 转场自检闭环**：多模态大模型在分镜拼接处自动抽帧巡检，发现断层自动拦截重生成，保障成片流畅度。
3. **影音一体原生生成**：借助支持原生视听同步的视频模型，直接输出包含环境音与对白的视频片段，无需复杂二次音频合成。

---

## 2. 终端范围与兼容性规范

| 终端形态 | 优先级 | 核心体验与兼容要求 |
| :--- | :---: | :--- |
| **移动端 (Mobile / H5)** | **P0 (核心)** | 极简交互流；深度适配微信内置浏览器；优化移动端相册读写与视频流畅播放；保障息屏/切换后台时不丢单。 |
| **PC 端 (Web)** | **P1 (基础)** | 保持与移动端数据和流程互通；利用宽屏展示“左侧剧本流、右侧大屏预览”的双栏布局。 |

---

## 3. 业务架构与端到端生成流

```
[用户输入文字/故事] 
        │
        ▼
[剧本语义解析] ────── 智能提取对白、场景、识别角色并关联资产库
        │
        ▼
[分镜脚本生成] ────── 自动构建分镜头描述与时序指令
        │
        ▼
[原生影音渲染] ────── 并行渲染含环境音/对白的分镜视频片段
        │
        ▼
[智能转场质检] ◄────► [瑕疵分镜自动拦截与重生成 (最多3次)]
   (视觉/动作巡检)
        │ (质检通过)
        ▼
[无缝拼接导出] ────── 多镜头直接组轨，导出最终标准 MP4 视频
```

---

## 4. 核心功能需求

### 4.1 模块一：多模态数字人物资产管理库 (Asset Library)
解决 AI 视频生成中人物面孔与外貌特征跨分镜不连贯的行业痛点。

* **资产创建与上传**：
  * 用户可为家庭成员上传 1~5 张清晰日常照片。
  * 系统后台提取特征并生成唯一专属的“数字角色 ID (Actor ID)”。
* **多角色卡片化管理**：
  * 支持单个账号下建立多名角色（如：“妈妈”、“宝宝”、“爸爸”），支持自定义昵称与角色标签。
* **一键调用与智能关联**：
  * 用户撰写剧本时，系统支持主动勾选角色；若文本中出现“宝宝在草地上奔跑”，系统自动匹配并绑定“宝宝”数字资产。

### 4.2 模块二：剧本解析与原生影音分镜生成
用户单次提交后，系统全自动化推进流程，屏蔽所有中间参数。

* **剧本智能解析**：
  * 提取剧情梗概、分镜头时序、角色分配、场景氛围及字幕对白。
* **分镜脚本拆解**：
  * 将长文本切分为 2~5 个连贯的短分镜（每镜通常 3~5 秒）。
* **原生影音视频渲染**：
  * 调用原生支持视音频同步的视频生成能力，输出自带对应场景音效、角色对话和环境声的独立分镜短片。

### 4.3 模块三：智能转场质检与闭环修复 (AI Quality Control)
保障多镜头拼接的自然过渡，拦截跳帧、角色变异与背景突变。

* **质检触发时机**：
  * 在各分镜片段渲染完成、执行最终总剪辑拼接前触发。
* **质检判定机制**：
  * 锁定“分镜 A 结尾区间”与“分镜 B 开头区间”交界处。
  * **抽帧策略**：以固定步长（如每 3~4 帧）抽取关键帧序列。
  * **多模态检测维度**：
    1. **角色特征一致性**：人脸、发型、衣物颜色是否产生突变。
    2. **空间与光影连贯性**：背景环境、光线色温是否发生非逻辑跳变。
    3. **动作与位移合理性**：主体动作是否有瞬间瞬移或严重肢体畸变。
* **闭环修复机制**：
  * **Pass（通过）**：判定前后衔接自然，直接流转至拼接轨道。
  * **Fail（拒绝）**：判定存在视觉断层，系统拦截有瑕疵的分镜，自动调整生成参数重新渲染，单镜头重试上限为 3 次。超出上限则降级采用柔和过渡策略放行。

### 4.4 模块四：成片拼接与导出
* **轨道拼接**：将通过质检的分镜视频无缝按时序合并，由于视频自身自带原生音画，直接合成总轨道。
* **成片规格**：统一封装为移动端与社交媒体高度兼容的 MP4 格式，兼顾画质与加载速度。

---

## 5. 前端交互与界面设计规范 (UI/UX)

针对小白用户的“无压设计”，界面保持极度通俗易懂：

### 5.1 工作台首页（极简创作主页）
* **顶部展区**：轮播温馨范例，向用户直观展示“一句话生成的家庭大片”。
* **核心输入区**：醒目的大文本框，内置温和提示语（例如：“写下一段想记录的故事，或者宝宝今天发生的一件趣事…”）。
* **角色选择托盘**：横向滚动的家庭成员头像列表，点击头像即可为本次生成关联该角色。
* **主操作区**：通栏大按钮“一键生成温馨短片”，点击即触发后台流程。

### 5.2 数字资产管理页
* **网格化卡片布局**：
  * **新增入口**：“+ 添加家人形象”，直接调起系统相册。
  * **角色卡片**：展示头像、角色名称、创建时间及“已参与 X 部作品”。
  * **基础维护**：支持角色重命名、更新参考照片、删除角色。

### 5.3 队列与生成等待页
* **情绪抚慰机制**：生成需要一定排队与质检时间，严禁使用单一空白 Loading 圈。
* **具象化进度状态机**：
  * “AI 正在细读您的故事…”
  * “正在构想分镜头画面…”
  * “正在为您生成视频与自然原声…”
  * “AI 质检员正在检查画面连贯度…”
* **后台保活提示**：“您可以锁屏或稍后再来，生成完成后将自动保存在您的作品库”。

### 5.4 播放与交付页
* **全屏播放器**：支持双击暂停、手势快进及清晰度自适应播放。
* **动作按钮**：
  * “保存到手机相册”（高亮核心主按钮）。
  * “一键分享”（生成适合微信好友、朋友圈的分享卡片）。

---

## 6. 非功能性需求与性能指标

1. **零门槛容错设计**：
   * 界面不暴露任何技术性参数配置。
   * 用户输入过短或不明确时，系统自动补全细节与情绪描写，确保生成成功率。
2. **异步队列与会话保持**：
   * 后端通过任务队列解耦长耗时生成流程。
   * 微信环境下若遭遇页面刷新、浏览器关闭或切后台，用户重新进入后直接通过作品列表或会话状态恢复查看进度。
3. **数据隐私与安全**：
   * 用户上传的家庭及儿童照片仅用于本次及后续绑定的视频特征计算，严格隔离用户间资产数据，保障家庭隐私。