产品与总体架构设计

状态：初稿
更新时间：2026-08-28
产品名称：叙镜 NarraCine

1. 产品定义

面向内容团队、IP 公司和创作者的多租户 AIGC 视频生产平台。平台以可复用 IP 资产为中心，通过结构化剧本、分镜、模型编排、素材生成、声音生产和非线性剪辑，完成从内容输入到成片交付的完整闭环。

平台的核心价值不是“接入多个生成模型”，而是：

把一次性生成变成可持续、可复用、可审计的工业化生产；
让人物、场景、服装、道具和声音在跨镜头、跨集内容中保持一致；
让不同模型根据能力、质量、成本和时效自动或手动选择；
让每一步 AI 结果都可以人工编辑、审核、重试和回滚；
让 Agent 在严格权限和预算约束下参与生产。

2. DramaClaw 已识别问题与改进方向

问题	改进方案
视频、图片、音频模型缺少统一管理	建立模型目录、能力矩阵、统一任务生命周期与 Provider Adapter
不同视频模型的参考方式差异没有被正确建模	建立 GenerationMode、MediaReference 与兼容规则
生成视频时参考物约束弱，提示词与资产脱节	使用 ShotSpec、AssetBinding、Prompt Compiler 和生成前检查
上传内容分析后，生成剧本无法充分手工编辑	使用结构化剧本编辑器、版本、差异、锁定区和 AI Patch
场景与生产流程展示混乱	分离业务生产视图和 Conductor 技术执行视图
缺少完整 BGM 生产与管理	建立音乐资产库、AI 生成、版权、情绪曲线和多轨混音
剪辑环节偏黑盒	AI 生成可编辑 TimelineSpec，再由 Remotion/FFmpeg 渲染
团队与租户能力不足	支持飞书商店应用、多企业 OAuth、租户隔离与权限体系
Agent 难以安全操作业务	建立独立 MCP Server，复用 NestJS Application Service

3. 用户与核心场景

3.1 用户角色

企业管理员：安装飞书应用、配置企业、模型密钥、OSS 和预算；
制片人：创建项目、规划集数、控制进度、质量与成本；
编剧：编辑故事圣经、人物、分集大纲和剧本；
导演/分镜师：设计镜头、参考素材、构图、运镜和节奏；
资产设计师：维护角色、场景、道具、服装、风格和音色；
剪辑师：选择候选镜头、调整时间线、声音、字幕和成片；
Agent：在用户授权范围内查询、分析、生成、修改和渲染。

3.2 主生产链路

text

内容上传
  → 原文解析
  → 故事圣经
  → 人物/关系/场景/道具
  → 分集大纲
  → 可编辑剧本
  → 场次与节拍
  → 镜头脚本
  → 资产准备与审核
  → 图片/视频/声音/BGM 生成
  → 镜头审核
  → AI 剪辑计划
  → 可编辑时间线
  → 渲染与质检
  → 成片和素材包交付

4. 技术架构

text

┌─────────────────────────────────────────────────────────┐
│ Next.js Web                                             │
│ Tailwind CSS · shadcn/ui · Motion · Tiptap · React Flow │
└──────────────────────────┬──────────────────────────────┘
                           │ REST / SSE / WebSocket
┌──────────────────────────▼──────────────────────────────┐
│ NestJS API                                               │
│ Tenant · Project · Script · Asset · Shot · Model         │
│ Generation · Workflow · Music · Timeline · Render        │
│ Review · Billing · Audit · MCP Application Services      │
└───────────────┬───────────────────────┬──────────────────┘
                │                       │
       ┌────────▼────────┐     ┌────────▼────────┐
       │ PostgreSQL      │     │ Redis           │
       │ 业务数据/版本   │     │ 缓存/限流/锁    │
       └─────────────────┘     └─────────────────┘
                │
       ┌────────▼────────┐
       │ Conductor       │
       │ 长任务/重试/分支│
       └────────┬────────┘
                │ Poll / Callback
       ┌────────▼──────────────────────────────────────────┐
       │ TypeScript Workers                                │
       │ Model · Media · QA · Render · Notification        │
       └───────┬───────────────────────┬───────────────────┘
               │                       │
       ┌───────▼────────┐      ┌───────▼────────┐
       │ Provider 层    │      │ OSS / FFmpeg   │
       │ 火山/百炼/...  │      │ 素材与媒体处理 │
       └────────────────┘      └────────────────┘

┌─────────────────────────────────────────────────────────┐
│ MCP Server                                               │
│ Agent → 鉴权/授权/预算 → NestJS Application Services     │
└─────────────────────────────────────────────────────────┘

5. 技术选型

层级	选型	说明
前端	Next.js	前后端分离，Web 独立部署
样式	Tailwind CSS + shadcn/ui	统一设计系统和组件基线
动效	Motion	页面转场、状态变化和制作反馈
剧本编辑	Tiptap/ProseMirror	结构化文档、扩展节点、评论与版本
流程与关系图	React Flow	生产流程、人物关系、镜头依赖
API	NestJS	模块化领域服务和统一 TypeScript 技术栈
ORM	Prisma	PostgreSQL 数据模型与迁移
编排	Conductor	长任务、并行、重试、等待、人工审批
缓存	Redis	限流、幂等锁、临时状态与事件分发
媒体存储	OSS	原始素材、中间结果、代理文件和成片
媒体工具	FFmpeg/FFprobe	探测、转码、抽帧、混音、封装与质检
合成	Remotion + FFmpeg	TypeScript 时间线与可靠服务端渲染
Agent	MCP	对外提供结构化、授权后的平台能力
可观测性	OpenTelemetry + Prometheus + Grafana	任务链路、模型调用、成本与异常追踪

6. 领域模型

text

Tenant
 ├── FeishuInstallation
 ├── Workspace
 │    ├── Membership
 │    └── Project
 │         ├── StoryBible
 │         ├── CharacterMaster
 │         │    └── CharacterVariant
 │         ├── SceneMaster
 │         │    └── SceneVariant
 │         ├── PropMaster
 │         │    └── PropVariant / PropState
 │         ├── StylePreset
 │         ├── VoiceAsset
 │         ├── MusicAsset
 │         └── Season
 │              └── Episode
 │                   ├── ScriptVersion
 │                   ├── EpisodeAssetBinding
 │                   ├── SceneBlock
 │                   │    ├── Beat
 │                   │    ├── AssetBindingOverride
 │                   │    └── Shot
 │                   │         ├── ShotSpecVersion
 │                   │         ├── AssetBindingOverride
 │                   │         ├── Generation
 │                   │         └── Review
 │                   ├── Timeline
 │                   │    └── TimelineVersion
 │                   └── Delivery
 ├── ProviderCredential
 ├── StorageConfiguration
 ├── BudgetPolicy
 └── AuditLog

核心规则：

剧本、镜头、提示词和时间线全部版本化；
电视剧与短剧严格采用 Project → Season → Episode → SceneBlock → Shot 制作层级；每个项目必须提供剧集管理，并以 Episode 作为剧本、资产准备、镜头、声音、剪辑和交付状态的汇总边界；
资产分为草稿、候选、已审核、归档状态；
只有已审核的标准角色/场景资产才能默认进入批量生产；
Character Master 保存项目全局的角色身份、基础相貌、核心设定和标准音色；CharacterVariant 只描述单集造型与状态。Scene Master、Prop Master 分别保存全局空间与道具定义，SceneVariant、PropVariant/PropState 描述单集状态；
StylePreset 与 VoiceAsset 默认是项目全局资产，但允许 Episode 显式覆盖；
Generation 保存完整输入快照，不能只保存供应商任务号；
所有数据记录必须包含 tenantId，服务端查询强制施加租户条件。

7. 剧本与镜头设计

7.1 结构化剧本

剧本后端保存结构化 JSON，同时提供 Markdown/纯文本导入导出。基本节点：

text

Project → Season → Episode → SceneBlock → Beat → Action/Dialogue → Shot

编辑能力：

自动保存、版本历史、差异比较和回滚；
段落锁定，锁定内容不允许 Agent 自动修改；
AI 改写只生成 Patch 或新版本，禁止静默覆盖；
人物、场景、道具使用实体引用，而不是纯文本名称；
从场次生成镜头后保持双向引用；
支持评论、审核、通过和驳回。

7.2 ShotSpec

typescript

interface ShotSpec {
  shotId: string;
  narrative: {
    purpose: string;
    action: string;
    dialogue?: string;
    emotion?: string;
  };
  subjects: Array<{
    characterId: string;
    appearanceVariantId: string;
    position?: string;
    action?: string;
    expression?: string;
  }>;
  scene: {
    sceneId: string;
    variantId?: string;
    timeOfDay?: string;
    weather?: string;
  };
  camera: {
    shotSize: string;
    angle: string;
    movement: string;
    duration: number;
  };
  continuity: {
    previousShotId?: string;
    screenDirection?: string;
    requiredState?: Record<string, unknown>;
  };
  references: MediaReference[];
}

8. 资产与一致性

8.1 资产类型

角色：标准形象、角度、表情、服装、年龄状态；
场景：全景、不同机位、昼夜、天气和损坏状态；
道具：标准图、状态变化和归属角色；
风格：参考图、颜色、光照、材质和负面规则；
声音：角色音色、情绪样本、语言和授权证明；
音乐：生成/上传/版权库、情绪、速度、调性和分轨；
镜头：首帧、尾帧、候选视频、代理视频和最终镜头。

资产的适用范围分为两层：

项目全局母版：Character Master 定义身份、基础相貌、核心设定与标准音色；Scene Master 定义地点与稳定空间结构；Prop Master 定义道具身份和标准状态；StylePreset、VoiceAsset 默认也属于全局范围；
单集变体：CharacterVariant 定义服装、发型、年龄、伤势、妆容、携带道具和角色状态；SceneVariant 定义昼夜、天气、布景和损坏程度；PropVariant/PropState 定义新旧、损坏、归属角色和剧情状态。单集只保存相对母版的差异，不复制一份失去来源关系的资产。

EpisodeAssetBinding 将某个全局资产的具体母版或变体版本绑定到 Episode。它既是本集资产包的清单，也是生产解析时的稳定输入边界。SceneBlock 与 Shot 可以通过 AssetBindingOverride 进一步覆盖本集绑定。

8.2 一致性控制

text

已审核资产
  → ShotSpec 显式绑定
  → 模型能力校验
  → Provider 专属提示词编译
  → Generation 输入快照
  → 输出自动质检
  → 人工审核与晋升

不允许仅靠自然语言写“保持人物一致”。角色、场景和道具必须通过 AssetBinding 进入生成请求。

8.3 继承、版本锁定与变更影响

资产解析优先级固定为：

text

Shot 覆盖 > SceneBlock 覆盖 > Episode 本集变体 > Project 全局默认

解析器从最高优先级开始查找有效绑定；未命中时逐级回退。所有绑定必须记录 assetId、variantId（如有）、不可变的 versionId、适用范围与绑定原因，禁止只保存“当前最新版”指针。

历史 EpisodeAssetBinding、SceneBlock 覆盖和 Shot 覆盖一经用于生成即锁定具体版本；
全局母版或本集变体更新只影响未来新建的绑定，不得让既有镜头、时间线或交付静默漂移；
如需采用新版本，用户必须显式执行“升级绑定”，系统展示受影响的集、场次、镜头、生成记录和时间线，并创建可审计的新绑定版本；
Generation 保存最终解析后的资产版本快照，保证重跑、审计和交付复现；
项目全局资产适用于跨集复用，本集变体仅适用于所属 Episode，SceneBlock/Shot 覆盖只适用于声明的局部范围；跨范围复用必须创建新的显式绑定。

9. Conductor 工作流

业务视图和执行视图严格分开。用户看到制作状态，Conductor 负责技术执行。

9.1 镜头生成工作流

text

validate-shot
  → resolve-assets
  → compile-prompt
  → create-generation-record
  → submit-provider-task
  → wait-provider-result
  → persist-output-to-oss
  → probe-media
  → run-quality-check
  → update-shot-status

9.2 集级工作流

text

prepare-episode
  → dynamic-fork-shot-workflows
  → wait-approved-shots
  → generate-dialogue-and-voiceover
  → select-or-generate-bgm
  → create-edit-plan
  → render-preview
  → quality-check
  → human-approval
  → render-final

9.3 执行约束

Workflow Payload 只传 ID，不传二进制、大段文档和 Base64；
Worker 按 tenantId + taskType + businessId + requestHash 实现幂等；
外部异步任务拆成提交与回调/查询，不长时间占用 Worker；
每个镜头独立子工作流，支持单镜头取消、重试和切换模型；
所有供应商错误转换为统一错误分类，保留原始错误和 requestId。

10. BGM、声音与音效

声音采用多轨模型：

text

Dialogue Track
Voice-over Track
Ambient Track
Sound Effect Track
Music Track
Transition Effect Track

MusicAsset 记录：

来源：上传、AI 生成、平台库、第三方授权；
时长、速度、调性、情绪、风格、乐器、能量曲线；
主文件、伴奏、分轨、循环点；
权利人、许可证、商业使用范围、授权凭证；
生成模型、提示词、参数和费用。

BGM 工作流：

text

分析全剧情绪曲线
  → 划分音乐段落
  → 检索库内候选
  → 不满足时生成新音乐
  → 节奏与场景对齐
  → 人声出现时自动闪避
  → 淡入淡出与转场
  → 响度标准化

11. AI 剪辑

AI 不直接覆盖成片，而是生成 EditPlan/TimelinePatch。

TimelineSpec 至少包含：

项目分辨率、帧率、比例、时长；
视频、对白、旁白、BGM、音效、字幕、叠加层轨道；
素材引用、入点、出点、速度、转场、音量、关键帧；
版本、父版本、创建者和变更说明。

AI 剪辑职责：

候选镜头评分和选择；
根据剧本排序并设置入点、出点；
对白、口型、字幕与画面对齐；
根据情绪和节拍调整镜头长度；
BGM 卡点、闪避、淡入淡出和响度控制；
自动生成转场、字幕样式、封面和片尾；
输出 Patch，允许逐条接受、拒绝或撤销。

渲染分为代理预览和最终渲染。前端编辑代理素材，最终由 Render Worker 使用 Remotion/FFmpeg 处理源素材。

12. 飞书多企业登录

多企业场景按飞书商店应用/多租户 SaaS 设计，而不是单企业自建应用。

text

企业安装应用
  → 获取 tenant_key 和安装事件
  → 创建/更新 Tenant 与 FeishuInstallation
  → 用户 OAuth 登录
  → open_id/union_id 映射 User
  → 创建 Membership
  → 签发平台 Session

安全要求：

飞书凭证、模型密钥、OSS 密钥加密保存；
tenant_access_token 分租户缓存并在过期前刷新；
用户身份不能通过请求参数伪造 tenantId；
数据库、OSS 路径、缓存 Key、任务和审计全部包含租户边界；
支持平台托管凭证和企业自带凭证两种计费模式。

13. MCP 设计

MCP Server 不直接访问数据库，统一调用 NestJS Application Service。

首批工具：

text

list_projects               get_project
analyze_story               get_script
update_script               list_characters
create_character            approve_character_asset
list_scenes                 create_shots
get_shot                    generate_shot
retry_generation            get_generation_status
create_music                search_music_library
create_edit_plan            update_timeline
render_episode              get_render_status

每个调用绑定：

text

tenantId · userId · workspaceId · agentId · traceId

权限策略：

查询操作按项目权限直接执行；
修改操作自动创建新版本和审计记录；
高成本生成受预算、并发和额度限制；
批量生成、发布、删除等高风险操作要求审批；
MCP 返回业务对象和任务 ID，不直接返回临时供应商密钥。

14. 非功能要求

安全

多租户强隔离；
敏感凭证信封加密；
OSS 使用短期签名 URL；
上传文件类型探测、病毒扫描和大小限制；
Agent、用户、后台任务统一审计；
音色克隆保存授权证明和使用范围。

稳定性

Provider 限流、熔断、退避和并发配额；
任务幂等、可取消、可恢复；
OSS 生命周期管理和中间产物清理；
Conductor、数据库和 Redis 具备备份恢复方案。

可观测性

每次模型调用记录：

租户、项目、镜头、模型和版本；
输入输出 Token/时长/分辨率；
供应商 requestId；
排队、执行、下载、质检耗时；
费用、重试次数、成功率和质量评分；
全链路 traceId。

15. 第一版验收标准

一个飞书企业可以安装应用并完成成员登录；
支持配置火山引擎、百炼和 OSS；
能导入故事并生成可编辑、可版本化的剧本；
能建立角色、场景、道具和风格资产；
能生成和编辑镜头脚本；
模型表单根据能力矩阵动态展示；
至少跑通首帧、首尾帧和参考图视频生成；
任意镜头可独立切换模型、重试和审核；
支持配音、BGM 库和至少一家音乐生成服务；
AI 能生成可编辑时间线并渲染预览、最终成片；
MCP Agent 能查询项目、修改剧本、生成镜头和触发渲染；
全链路能查看状态、成本、日志、版本和审计记录。

产品与总体架构设计 ​

1. 产品定义 ​

2. DramaClaw 已识别问题与改进方向 ​

3. 用户与核心场景 ​

3.1 用户角色 ​

3.2 主生产链路 ​

4. 技术架构 ​

5. 技术选型 ​

6. 领域模型 ​

7. 剧本与镜头设计 ​

7.1 结构化剧本 ​

7.2 ShotSpec ​

8. 资产与一致性 ​

8.1 资产类型 ​

8.2 一致性控制 ​

8.3 继承、版本锁定与变更影响 ​

9. Conductor 工作流 ​

9.1 镜头生成工作流 ​

9.2 集级工作流 ​

9.3 执行约束 ​

10. BGM、声音与音效 ​

11. AI 剪辑 ​

12. 飞书多企业登录 ​

13. MCP 设计 ​

14. 非功能要求 ​

安全 ​

稳定性 ​

可观测性 ​

15. 第一版验收标准 ​

产品与总体架构设计

1. 产品定义

2. DramaClaw 已识别问题与改进方向

3. 用户与核心场景

3.1 用户角色

3.2 主生产链路

4. 技术架构

5. 技术选型

6. 领域模型

7. 剧本与镜头设计

7.1 结构化剧本

7.2 ShotSpec

8. 资产与一致性

8.1 资产类型

8.2 一致性控制

8.3 继承、版本锁定与变更影响

9. Conductor 工作流

9.1 镜头生成工作流

9.2 集级工作流

9.3 执行约束

10. BGM、声音与音效

11. AI 剪辑

12. 飞书多企业登录

13. MCP 设计

14. 非功能要求

安全

稳定性

可观测性

15. 第一版验收标准