灵境

01产品概览

面向口播视频创作者的本地化生产工具

产品定位	导入「模特视频 + 配音音频」，一键生成对口型成片
界面风格	浅色专业 · 悬浮胶囊版（底板 #DFE7F4，面板 #F6F8FC + 投影，主色靛蓝 #4F5BD5）
技术栈	PySide6（Qt 6）界面 + Cython 口型推理引擎 + onnxruntime / torch / OpenCV 推理栈
网络依赖	仅在检测更新等少数功能联网；素材与音频全程不出本机
启动方式	双击 启动灵境.vbs

02界面总览

无边框半透明主窗口 · 初始 1280×800，最小 1080×680，右下角可自由缩放

导航项	作用
首页	作品库总览 + 公告面板 + 快捷入口
视频制作	单条视频合成主工作台（素材 / 预览 / 参数三栏）
批量处理	多任务队列，全应用唯一的队列执行中心
批量随机	两堆素材按规则自动配对，配对后移交批量处理执行
参数设置	8 组全局参数 + 实时预览（全应用参数唯一入口）
检测更新	版本对比 + 更新日志 + 跳转下载
系统日志	引擎控制台（启动 / 停止 / 清理 / 端口检查）+ 分级日志

顶栏与外壳

• 引擎状态胶囊：● 已就绪 / ◐ 挂载中 / ○ 未启动，点击可一键启动引擎。
• 左侧导航：收起 76px ⇄ 展开 196px，动画 240ms，状态自动记忆。
• 切页动画：所有页面切换均带滑动缓动（280ms OutCubic），动画中连续点击可无缝续滑。

03首页 · 作品库

打开软件第一眼，就是你的作品台账

界面分区

区域	内容
问候区	按本地时间问候（凌晨 / 上午 / 中午 / 下午 / 晚上好）+「今天已合成 N 条视频 · 共 N 件作品」；右侧 ＋ 创建新视频
顶部两卡	左「账号卡」（定宽 320）｜ 右「公告卡」（弹性宽度），两卡严格等高
统计行	作品总数 / 今日合成 / 队列进行中 / 合成速度（实时倍率，基线 4.4×）
筛选行	胶囊标签「我的作品 / 已完成 / 制作中」（带实时计数）+ 搜索框 + 一键清除
作品网格	4 列卡片，卡片 224×196，封面 224×112
分页行	「共 N 条数据」+ 每页 10 / 20 / 50 条 + 上一页 / 下一页

功能点

• 作品卡：左上角状态角标（已完成 / 制作中）、右下角时长角标、悬停显示 ▶ 播放浮层；下方为作品名、创建时间与输出规格。
• 播放：双击或右键「播放」，使用内置软件渲染播放器（避免反复创建播放器导致卡死）。
• 右键菜单：播放 / 打开所在文件夹 / 从作品库删除（只删记录，不动成片文件）。
• 缩略图补全：缺少缩略图的成片后台自动抽首帧补齐（单批最多 8 个）。
• 公告卡：支持刷新、离线缓存标记、长公告折叠（默认 4 行 + 展开全文）。

业务规则

• 统计口径：作品总数 = 全部；今日合成 = 创建日期为今天的记录；队列进行中 = 状态非「完成」的记录。
• 状态筛选：我的作品 = 全部 / 已完成 = 成功 / 制作中 = 未成功。

04视频制作

拖两段素材，一键生成对口型视频

三栏布局

栏位	宽度	内容
左 · 素材导入	312px	模特视频卡（缩略图 + 时长角标）、配音音频卡（波形图 + 时长角标）、最近合成 3 条
中 · 实时预览	弹性	9:16 比例框钉比例居中；参数态显示首帧 + 字幕样式实时预览，成片态切换为播放器
右 · 参数侧栏	238px	输出规格 / 画面增强 / 输出信息 三组

素材导入

• 素材卡支持点击选择与拖放替换两种方式；缩略图与波形图由后台线程生成，不阻塞界面。
• 视频格式：mp4 / mov / avi / mkv；音频格式：wav / mp3 / m4a / aac / flac。

参数侧栏

分组	参数	可选值	默认值
输出规格	分辨率	1080P / 720P / 480P / 原始	1080P
	画面比例	9:16 / 16:9 / 1:1 / 4:3	9:16
	推理批次	1 / 2 / 4 / 8 / 16	4
画面增强	GFPGAN 超分	开 / 关（逐帧人脸增强，画质更好但慢约 8 倍）	关
	原始分辨率	开 / 关（输出保持素材原始尺寸）	开
	快速模式	开 / 关（降低推理精度换取速度）	开
输出信息	预计耗时	按 音频时长 ÷ 4.4 实时估算	—
	推理设备	自动 · 智能混合 / 独立显卡 / CPU 模式	自动
	输出规格	{分辨率} · {画面比例}	1080P · 9:16
	输出位置	默认输出目录，可「更改」	—

合成与反馈

• 底部为蓝色大按钮 生成对口型视频（固定高 48），右侧为渲染进度徽章： 状态行（等待开始 → 准备中… → 阶段文案 → 口型合成 186 / 300 帧 → 完成（用时））+ 百分比 + 进度条。
• 完成后自动切换到成片态播放器，并把结果写入首页作品库；合成中按钮置灰，重复点击会提示「当前已有任务在跑」。
• 分辨率自动降级：若当前账号不支持 1080P，进入页面时自动切换为 720P，并在参数提示中说明原因。

05批量处理

全应用唯一的队列执行中心

工具条与设置

• 工具条：添加任务 / 添加文件夹任务 / 删除任务 / 批量删除 / 打开所在位置。
• 任务设置：任务间隔 0–600 秒（默认 3 秒）、输出目录（可更改）。

任务表

列	说明
上传视频	行内按钮，选择视频后显示截断文件名
上传音频	行内按钮，选择音频后显示截断文件名
视频地址 / 音频地址	完整路径
状态	阶段 + 帧进度 + 百分比（如 音频特征提取完成 312/900帧 46%）
结果	完成时写入成片文件名；失败时写入错误末行

底部状态行：任务 N 条 · 待处理 N · 已完成 N，运行中为 队列运行中 · 共 N 条，结束为 队列结束 · 成功 x · 失败 y；主按钮 开始批量任务 ⇄ 停止队列 同按钮切换。

业务规则

• 添加任务只追加空行，素材由用户自己在行内选择 —— 不做替用户做决定的操作。
• 添加文件夹任务：扫描文件夹，同名（不含扩展名）的视频与音频自动配对成任务。
• 起跑逐行校验：视频与音频都存在才入队，只有一半标记「缺素材」，全空跳过。
• 单队列独占：同一时刻只跑一条队列，新批次启动会先停止旧队列。
• 每条成片自动入库，完成后直接出现在首页作品库。
• 停止无门控：队列运行中，「停止队列」无视引擎掉线 / 版本闸口等一切限制。

06批量随机

两堆素材，按规则自动配对成片

项目	可选值 / 说明	默认
视频选择逻辑	以视频为主 / 以音频为主（二选一，互斥常亮）	以音频为主
生成逻辑选择	随机合成 / 顺序合成（二选一，互斥常亮）	顺序合成
视频文件夹 / 音频文件夹	配对素材来源目录	—
输出目录	成片输出位置	默认输出目录

统计行：视频 N · 音频 N · 主：视频/音频 · 模式：随机/顺序 · 命名：视频/音频/序号 · 进度：0/N， 移交后进度显示为 x/y（批量处理），实时跟随批量处理页的队列进度。

业务规则

• 主素材为驱动：任务数 = 主素材数量；副素材按模式配对 —— 随机模式随机抽取，顺序模式按索引循环取用。
• 配对完成后移交「批量处理」页统一排队执行，并自动切换到该页。
• 若上一个队列仍在跑，会先弹出确认框，确认后停止旧队列并从新批次重新开始。
• 本页不承担"停止"职责，停止请到批量处理页操作。

07参数设置

8 组全局参数 + 右侧 9:16 实时预览，改完即生效、自动保存

① 画面调整

参数	可选值	默认
分辨率	1080P / 720P / 480P / 原始	1080P
画面比例	9:16 / 16:9 / 1:1 / 4:3	9:16
推理批次	1 / 2 / 4 / 8 / 16	4
运行设备	自动 · 智能混合 / 显卡优先 · CUDA / 仅 CPU	自动
原始分辨率	开关	开
GFPGAN 1.4 人脸增强	开关（慢约 8 倍）	关
快速模式	开关	开

② 软件选项

参数	可选值	默认
命名方式	视频命名 / 音频命名 / 序号命名	视频命名
起始序号	1 / 10 / 100	1

③ 字体样式（字幕样式）

参数	类型 / 范围	默认
字体	系统字体库	Microsoft YaHei
大小	0–100 %	80
字体透明 / 背景透明 / 描边透明	0–100 %	85 / 66 / 100
字幕色 / 背景色 / 描边色	取色器	#EF9F27 / #000000 / #FFFFFF
描边大小	0–5	0
阴影效果 / 阴影透明	开关 / 0–100 %	关 / 43

④ 背景配乐

参数	类型	默认
启用背景音乐	开关	关
随机抽取音乐	开关	开
音乐目录	目录选择	—
音量	0–100 %	25

音乐短于成片自动循环，长于成片自动截断，合成时混入。

⑤ 字幕选项

参数	可选值 / 范围	默认
开启音频转字幕	开关	开
字幕烧录	开关	开
生成 SRT	开关	开
识别线路	本地 Whisper（离线）	本地 Whisper
识别模型	标准 · small / 高精度 · medium（较慢）	small
每行字数	8–28	22
字幕偏移	−5.0 ~ +5.0 秒（负 = 提前，正 = 延后）	0.0
重试次数	1 / 2 / 3 / 5	3

⑥ 图片素材（贴纸）

参数	可选值 / 范围	默认
开启素材组	开关	关
抽取方式	默认第一张 / 随机抽取 / 顺序抽取	顺序抽取
换图间隔	0–600 秒	0
图片位置随机	开关	关
缩放	50–800	100
X / Y	−100 ~ 200（步 0.5）	0 / 0
贴纸关键词	开关 + 逗号分隔关键词	关
起算方式	以字幕出现起算 / 自定义	以字幕出现起算
显示时长	1–60 秒	3
起算时间	0–600 秒（步 0.5）	0.0

支持 png / jpg / webp / bmp / svg / gif；最多 12 个素材组、互相独立，同一时刻只显示 1 张； 换图间隔 > 0 时每 N 秒换一张；开启关键词后只显示文件名含关键词的贴纸。

⑦ 标题字体

三段独立样式，每段可设：启用 / 文字 / 字体 / 大小（50–300）/ 透明度 / 颜色 / 描边 + 描边色 / 阴影 / X·Y 位置（可「重置位置」）。 三段全部留空时自动使用文件名作为标题。

⑧ 背景替换

参数	可选值 / 范围	默认
启用背景替换	开关（合成前逐帧抠像换背景）	关
素材列表	添加素材 / 移除选中	空
素材选取	随机抽取 / 顺序抽取	随机抽取
抠像力度	0–100	28
边缘过渡	0–100	12

抠像力度越大背景残留越少（边缘可能缺损）；边缘过渡越大越柔和；支持图片与视频背景。

08检测更新 · 系统日志

引擎状态与版本，全部透明可见

检测更新

• 版本对比卡：当前版本 → 最新版本，立即检测 / 前往更新 ↗（未配置更新地址时保持禁用）。
• 更新日志卡：标题旁标注来源（后台应用常量（实时）/ 本地内置），支持多条滚动展示。
• 进入页面自动检测一次；是否需更新走本地严格版本比较；更新地址取自后台配置，未配置时按钮禁用。

系统日志

• 控制条：启动引擎 / 停止引擎 / 清理临时缓存 / 清空所有视频 / 暂停所有处理 / 端口占用检查，右侧显示引擎状态。
• 日志台：只读、最多保留 5000 行、按级别着色（debug 灰 / info 蓝 / success 绿 / warning 黄 / error 红），每行带时间戳。
• 清理动作回报「N 个文件，释放 XX MB」；端口检查逐端口显示占用 / 空闲。

09核心能力 · 合成链路

四段式流水线，进度精确到帧

阶段	进度区间	内容
背景替换	5–8%	BiSeNet 人脸解析抠像，逐帧合成新背景（在引擎合成之前执行）
口型合成	8–70%	引擎推理口型 + 可选 GFPGAN 人脸增强，进度精确到帧
字幕识别	70–82%	本地 faster-whisper 识别（字幕库命中则跳过），词级时间戳 + 重分段
参数渲染	82–97%	一条 ffmpeg 滤镜链完成字幕烧录、标题、贴纸、配乐、分辨率与比例归一

10运行环境与文件约定

项目	说明
系统	Windows 10 / 11 64 位
运行环境	内置 Python 运行时与全部推理依赖，免安装
显卡	支持 CUDA 加速（自动 / 显卡优先 / 仅 CPU 三种模式）；无显卡可纯 CPU 运行
启动	双击 启动灵境.vbs

输出与文件约定

• 命名规则：视频命名（按原视频文件名）/ 音频命名（按语音文件名）/ 序号命名（0001–9999），可设起始序号；同名文件自动追加序号防覆盖。
• 作品库：每条成片记录名称、模特视频、配音音频、成片路径、时长、状态、创建时间与缩略图。
• 目录：输出目录（批量页与制作页分别可设）、素材目录、字幕库目录、缓存目录均可在界面内打开。

素材格式支持

类型	支持格式
模特视频	mp4movavimkv
配音音频	wavmp3m4aaacflac
贴纸 / 背景素材	pngjpgwebpbmpsvggif
成片输出	mp4（H.264，支持 NVENC 硬件编码）