给一段参考视频（抖音 / B 站 / 快手 / TikTok……），产出一条同结构、同台词、同节奏的新片。
画面由 MiniMax H3 生成、参考帧由 火山方舟 Seedream 输出，配一套花钱前拦截 + 出片后回读的校验脚本，目标是把「AI 生视频」从抽卡变成有验收标准的流水线。
-FF6B35){kind=icon}
- 生视频：MiniMax H3（AutoDL.Art ComfyUI 工作流，多工作流自动择优）
- 生图：火山方舟 Seedream（人物 / 场景参考帧）
- 本地校验：WhisperX 回读转写 + ffmpeg（抽帧、拼接、语速归一化、并排对比）
本仓库是通用工具链：不含任何产品素材、不含密钥。参考帧由你从源视频抽帧或自己提供，放在
references/（已 gitignore）或assets/下即可。
# 0) 本机实际部署见 docs/SETUP-LOCAL.md（路径、凭据、踩坑、自检）；本机目录为
# D:\@佳康顺矩阵\AutoMN（项目） + D:\@佳康顺矩阵\hypit（运行时）
# 1) Hypit 发行版（工具本体，第三方开源项目 hypit-ai/hypit）
git clone --depth 1 https://ghfast.top/https://github.com/hypit-ai/hypit D:/@佳康顺矩阵/hypit
cd D:/@佳康顺矩阵/hypit
env -u NODE_ENV npm i -g pnpm@10.33.0 # 必须 unset NODE_ENV，否则 devDeps 被静默 omit
env -u NODE_ENV pnpm install --frozen-lockfile
env -u NODE_ENV node scripts/build-public-types.mjs # 生成 dist/public/*.d.ts
# 2) 本项目
git clone https://github.com/DaBaoAgent/AutoMN D:/@佳康顺矩阵/AutoMN
cd D:/@佳康顺矩阵/AutoMN
env -u NODE_ENV npm install --include=dev
env -u NODE_ENV npm install --save-dev @types/node@^22 # 仓库缺这个，否则 tsc 报 TS2688
node node_modules/typescript/bin/tsc -p packages/provider-autodl-h3/tsconfig.json
node node_modules/typescript/bin/tsc -p packages/provider-ark-seedream/tsconfig.json
# 3) 绑定 Runtime Profile + 凭据（密钥只进 Windows 凭据库，不落盘）
H="node D:/@佳康顺矩阵/hypit/bin/hypit.mjs"; P="D:/@佳康顺矩阵/AutoMN"
$H runtime use "$P/hypit.runtime.json" --workspace "$P"
$H auth login autodl.h3 --workspace "$P" --from <AutoDL Token 文件>
$H auth login ark.seedream --workspace "$P" --from <火山方舟 API Key 文件>
# 4) 自检（全免费）
$H doctor --workspace "$P"
node scripts/check-dialogue.mjs sources/*.svml
$H plan "$P/sources/mn-portrait-voiceover.svrun" --workspace "$P"外部依赖：Node ≥ 22.15、pnpm 10.x、ffmpeg/ffprobe（BtbN win64 包解压后把 bin 加进 PATH）。
本机注意：系统代理
127.0.0.1:15715会让 huggingface_hub / NLTK 连不上， 跑 Hypit 与 WhisperX 时请用bin\hypit.cmd（已内置NO_PROXY=*、HF_ENDPOINT等）， 详见docs/SETUP-LOCAL.md。
hypit doctor会报hyperframes.local不可用（缺一个 Chrome headless shell）——不影响生视频/生图/转写， 只有做本地 MG 合成渲染才需要，装法见hypit runtime up --runtime "$P/hypit.runtime.json"。
可选但强烈建议——本地 ASR 回读（出片后逐字校验台词）：
hypit programs prepare --endpoint whisperx.local # 国内先 setx HF_ENDPOINT https://hf-mirror.com
hypit programs up --endpoint whisperx.local # 并 setx HF_HUB_DISABLE_XET 1
whisperx.local只能配cpu + int8：uv 同步的 venv 装的是 CPU-only torch，写cuda会启动即崩。
AutoMN/
├── hypit.runtime.json # Runtime Profile：选服务 + 绑能力 + 凭据引用 + 工作流菜单
├── docs/
│ ├── replication-playbook.md # ★ 复刻作业书：拆片方法、口令模板、验收标准
│ ├── rules-dialogue.md # ★ H3 对白准确性规则
│ └── autodl-workflows.md # ★ 全部 H3 工作流清单、能力边界与并发实测
├── scripts/
│ ├── check-dialogue.mjs # 花钱前：提示词对白检查（0 ERROR 才允许 build）
│ ├── check-take.mjs # 出片后：ASR 逐字/同音比对 + 净语速（字/秒）
│ ├── retime.mjs # 语速归一化：按实测倍数音视频同步提速
│ └── compare_side_by_side.py # 原片 / 复刻并排对比片
├── templates/portrait-dialogue.svml # 单人出镜对白镜头模板（合规写法）
├── sources/ # 用例（*.svml 源码 + *.svrun 运行单）
├── packages/
│ ├── provider-autodl-h3/ # Provider：AutoDL.Art ComfyUI 工作流
│ └── provider-ark-seedream/ # Provider：火山方舟 Seedream 生图
├── assets/ # 你自己的人物/场景参考图（可选）
└── references/ # 抓下来的源视频与抽帧（gitignore）
| Hypit 能力（Model 包） | Endpoint | 实际服务 |
|---|---|---|
@hypit/minimax-h3@1#minimax-h3 |
autodl.h3 |
AutoDL.Art 的 H3 工作流（7 条已启用，按类型/时长/画幅/参考图数择优） |
@hypit/seedream@1#seedream-5-lite |
ark.seedream |
火山方舟 Seedream（doubao-seedream-5-0-pro 系） |
@hypit/whisperx@1#whisperx-alignment |
whisperx.local |
本地 WhisperX（转写/回读校验） |
| 用例 | 场景 | 关键点 |
|---|---|---|
mn-portrait-voiceover |
单人出镜 + 画外音（抒情/文案类） | 画外音必须写「旁白 + 嘴唇闭合」，否则会变成她张嘴说话 |
mn-portrait-talking |
单人出镜对白（口播） | 台词量 ≤ 可用时长 × 4.5 字/秒；中近景、嘴眼不遮挡 |
mn-scene-motion |
无对白动态镜头（走路/回头/回眸） | 只写画面与运镜；适合做素材拼接 |
mn-haixian-chuguo |
1:1 复刻抖音美食片「海鲜大咖出锅」（无对白/单条手持长镜） | 无损片段：无 <d>；单镜头横跨 13.8s 时按 5s×3 切分，后期按源片时长精确裁回，音轨用原片 BGM |
mn-mengmeng-tianmei |
1:1 复刻抖音甜妹短片（人物出镜摆拍 + 歌曲原声，9.15s / 5 个硬切） | 音频是歌曲不是对白 → 按无对白写（正文禁 "dialogue" 字样，会触发检查器 R1）；5 镜各 1.4-2.2s → 3 条 4s 素材后期按切点裁回 |
mn-yijianzhongqing |
1:1 复刻抖音横屏人物摆拍（3 镜硬切 + 片尾 2 帧纯黑） | 横屏务必写 aspect-ratio="16:9"（768P→768p横，输出 1344x768）；片尾黑帧用 tpad 补回；-t 会向上取整多 1 帧，要加 -frames:v 总时长×帧率 |
mn-image-ref |
用参考帧生成人物/场景图（Seedream） | 为后续视频锁人物外形；size=宽x高，面积 ≤ ~4.3M px |
给我这几样就能开工：参考链接（或本地文件）＋ 要改什么（人物/文案/时长/画幅）＋ 预算（可选）。
复刻这条：<抖音/B站链接>
人物保持原片长相，文案照抄，9:16 竖屏，10 秒，预算 3 元内
一次说清即可；中间我会先给分镜表 + 选定工作流 + 预估花费，你点头再花钱生成。
- 抓源片：
hypit media fetch "<链接>"（抖音需要 fresh cookie） - 拆片：
ffprobe量规格 → 抽帧看景别/运镜 → 有声音就hypit transcribe出逐字稿 - 写提示词：一个镜头一条 →
node scripts/check-dialogue.mjs sources/xxx.svml（0 ERROR 才允许花钱） - 生图（需要锁人物时）：Seedream 用参考帧生场景图/定妆图
- 生视频：
hypit build sources/xxx.svrun --workspace "$P" --follow（可并发） - 回读校验：
hipit transcribe out/xxx.mp4 --language zh --to out/xxx.json→node scripts/check-take.mjs ... - 修正：语速不达标 →
node scripts/retime.mjs；台词错 → 按 R22 重跑该条 - 交付：ffmpeg 拼接/字幕 → 出片 + 分镜表 + 实测规格 + 并排对比
| 项 | 单价 | 耗时 |
|---|---|---|
| H3 视频 480p / 768p / 1080p | ¥0.04 / ¥0.06 / ¥0.10 每秒输出 | 5 秒档 ≈ 2 分钟；10–12 秒档 5–15 分钟 |
| Seedream 生图 | 按输出 token | 30–60 秒 |
| 本地转写/校验 | 免费 | 5 秒音频约 14 秒（CPU large-v3） |
| 失败任务 | 不计费（按输出秒数计费） | 长提示词/被抢占会失败，重试即可 |
并发：同账号可并发（实测 3 条 5s 并行、2 条 15s 并行全部成功）。
- 台词写进
<d>[Chinese] 原文</d>，一字不改；正文写英文，画外音必须声明「嘴唇闭合」。 - 提示词体量 ≤ 400 单位、参考图 ≤ 3 张（12 秒档），超出会出片失败或推理阶段 FAILED。
- 出片后必须回读校验：字面 100%（白话稿）或拼音 ≥97%（古诗/生僻词用
--pinyin），语速 4.5–5.5 字/秒。
复刻他人视频涉及画面版权、肖像权、音乐版权。本工具只提供技术手段，商用前请自行取得授权；默认建议：画面重生成、人物用你自有的素材或已获授权的人物形象，不要直接搬运原片素材。