ChatVideo 工作流蓝图

本文记录 ChatVideo 的图片到视频工作流规划。它是文档，不是当前 CLI 功能；这里的能力名用于说明未来工具边界，不表示现在已经有对应的 chatvideo 子命令。

设计目标

• 当前核心需求是图片到视频：输入有序关键图，尤其三张图故事板，通过相邻首尾帧约束生成一个视频。
• 区分已有视频剪辑、文生视频、图生视频、首尾帧生成、review 发布和最终交付。
• 把临时 review 产物和长期最终产物明确分开。
• 每个生成片段都应通过本地 manifest 可追踪，但 manifest 不保存密钥。
• 对成本高或不确定的生成任务，支持逐段 review 后再继续。
• provider 细节交给 ChatEnv 风格的环境配置和后续 adapter。

当前需求模型

这不是视频聊天产品，也不是只围绕已有视频剪辑的工具。当前要服务的是图片到视频模型：用户给出一组有序图片，让 provider 按图像约束生成视频。

典型的三图故事板可以这样理解：

frame-01.png  ->  frame-02.png  ->  frame-03.png

如果 provider 的能力是“给首帧和尾帧生成一段视频”，ChatVideo 的规划应把三张图拆成相邻片段：

segment-01: frame-01.png -> frame-02.png
segment-02: frame-02.png -> frame-03.png
final.mp4:  segment-01 + segment-02

这些内容是未来工具能力的设计说明。当前可执行 CLI 只有 chatvideo --help、chatvideo --version 和 chatvideo --tree。

规划能力

• 已有视频剪辑

  面向本地已有媒体文件的拼接、裁剪、转场和终版组装。它应该保留源素材，只写出新的产物。

• 文生视频

  面向 provider-backed 文生视频任务。prompt 优先来自文件，避免把长 prompt 留在 shell history。

• 图生视频

  面向有序关键图。典型输入不是一张孤立图片，也不是公开素材包，而是用户确认过顺序的关键帧集合。

• 首尾帧片段

  面向支持首帧 + 尾帧约束的 provider。三张图生成一个视频时，默认拆成两段相邻首尾帧任务。

• review 与 final

  review 是临时操作细节；final 只复制已确认的最终产物到长期位置。

图生视频

图生视频能力应先记录图片顺序，再进入 provider 任务。三张关键图会进入首尾帧分段生成，而不是作为一个不透明的“多图 prompt”。

预期行为：

• 生成前记录已确认的图片顺序。
• 默认让原始图片留在本地工作区。
• 先产出 review 片段，再进入最终导出。
• 不为了满足 provider 输入而把原始图复制到公开存储。

首尾帧分段

首尾帧能力负责把相邻关键帧交给 provider，生成可 review 的单段视频。

预期行为：

• 把每张关键图都当成私有输入。
• 三张图生成一个视频时，默认拆成两段相邻首尾帧任务。
• 逐段 review，只有通过 review 的片段才能组装成最终视频。

review 和 final

review 与 final 的边界要清楚：review 链接可以是临时的，final 产物必须是用户确认后的长期交付物。

预期行为：

• review 链接是临时操作细节。
• final export 只复制已确认的最终产物。
• verify 检查时长、音视频流、大小；传入 URL 时也检查可访问性。

隐私基线

• provider 凭据只放在环境配置里，manifest 不写密钥。
• 原始输入默认留在本地，只发布明确的 review 或 final artifact。
• 需要分享报告时，按需隐去任务 ID、URL、路径和 provider 请求 payload。
• 可复用模板不嵌入用户特定的素材描述。
• 优先记录通用元数据：时长、分辨率、编码、音轨和产物角色。

当前能力与规划边界

• 已实现

  当前 CLI 只有帮助和版本入口。

• 规划中

  剪辑、生成、review、final 等视频操作能力还只是文档蓝图。

• 安全默认值

  原始图片和 provider 凭据默认留在本地环境；可复用文档只记录通用流程和元数据。