Originals/ViGent2
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases 42 Wiki Activity
Files
main
ViGent2/Docs/BACKEND_README.md
Kevin Wong 0e3502c6f0 更新
2026-02-27 16:11:34 +08:00

10 KiB
Raw Permalink Blame History

ViGent2 后端开发指南

本文档提供后端架构概览与接口规范。开发规范与分层约定见 Docs/BACKEND_DEV.md。

🏗️ 架构概览

后端采用 FastAPI 框架，基于 Python 3.10+ 构建，主要负责业务逻辑处理、AI 任务调度以及与各微服务组件的交互。

目录结构

backend/
├── app/
│   ├── core/             # 核心配置 (config.py, security.py, response.py)
│   ├── modules/          # 业务模块 (router/service/workflow/schemas)
│   │   ├── videos/       # 视频生成任务（router/schemas/service/workflow）
│   │   ├── materials/    # 素材管理（router/schemas/service）
│   │   ├── publish/      # 多平台发布
│   │   ├── auth/         # 认证与会话
│   │   ├── ai/              # AI 功能（标题标签生成、多语言翻译）
│   │   ├── assets/          # 静态资源（字体/样式/BGM）
│   │   ├── ref_audios/      # 声音克隆参考音频（router/schemas/service）
│   │   ├── generated_audios/ # 预生成配音管理（router/schemas/service）
│   │   ├── login_helper/    # 扫码登录辅助
│   │   ├── tools/           # 工具接口（router/schemas/service）
│   │   ├── payment/         # 支付宝付费开通（router/schemas/service）
│   │   └── admin/           # 管理员功能
│   ├── repositories/     # Supabase 数据访问
│   ├── services/         # 外部服务集成 (TTS/Remotion/Storage/Uploader 等)
│   └── tests/            # 单元测试与集成测试
├── scripts/              # 运维脚本 (watchdog.py, init_db.py)
├── assets/               # 资源库 (fonts, bgm, styles)
├── user_data/            # 用户隔离数据 (Cookie 等)
└── requirements.txt      # 依赖清单

🔌 API 接口规范

后端服务默认运行在 8006 端口。

  • 文档地址: http://localhost:8006/docs (Swagger UI)
  • 认证方式: HttpOnly Cookie (JWT)

核心模块

  1. 认证 (Auth)
    • POST /api/auth/login: 用户登录 (手机号)
    • POST /api/auth/register: 用户注册
    • GET /api/auth/me: 获取当前用户信息

授权有效期策略：在登录与受保护接口鉴权时，后端会检查 users.expires_at。账号到期会自动停用 (is_active=false) 并清理 session，返回 403: 会员已到期，请续费。

  1. 视频生成 (Videos)

    • POST /api/videos/generate: 提交生成任务
    • GET /api/videos/tasks/{task_id}: 查询单个任务状态
    • GET /api/videos/tasks: 获取用户所有任务列表
    • GET /api/videos/generated: 获取历史视频列表
    • DELETE /api/videos/generated/{video_id}: 删除历史视频

  2. 素材管理 (Materials)

    • POST /api/materials: 上传素材
    • GET /api/materials: 获取素材列表
    • PUT /api/materials/{material_id}: 重命名素材

  3. 社交发布 (Publish)

    • POST /api/publish: 发布视频到 抖音/微信视频号/B站/小红书
    • POST /api/publish/login: 扫码登录平台
    • GET /api/publish/login/status: 查询登录状态（含刷脸验证二维码）
    • GET /api/publish/accounts: 获取已登录账号列表

提示：视频号/抖音发布建议使用 headful + xvfb-run 运行后端。

  1. 资源库 (Assets)

    • GET /api/assets/subtitle-styles: 字幕样式列表
    • GET /api/assets/title-styles: 标题样式列表
    • GET /api/assets/bgm: 背景音乐列表

  2. 声音克隆 (Ref Audios)

    • POST /api/ref-audios: 上传参考音频 (multipart/form-data，自动 Whisper 转写 ref_text)
    • GET /api/ref-audios: 获取参考音频列表
    • PUT /api/ref-audios/{id}: 重命名参考音频
    • DELETE /api/ref-audios/{id}: 删除参考音频
    • POST /api/ref-audios/{id}/retranscribe: 重新识别参考音频文字（Whisper 转写 + 超 10s 自动截取）

  3. AI 功能 (AI)

    • POST /api/ai/generate-meta: AI 生成标题和标签
    • POST /api/ai/translate: AI 多语言翻译（支持 9 种目标语言）

  4. 预生成配音 (Generated Audios)

    • POST /api/generated-audios/generate: 异步生成配音（返回 task_id）
    • GET /api/generated-audios/tasks/{task_id}: 轮询生成进度
    • GET /api/generated-audios: 列出用户所有配音
    • DELETE /api/generated-audios/{audio_id}: 删除配音
    • PUT /api/generated-audios/{audio_id}: 重命名配音

  5. 工具 (Tools)

    • POST /api/tools/extract-script: 从视频链接提取文案

  6. 健康检查

    • GET /api/lipsync/health: 唇形同步服务健康状态（含 LatentSync + MuseTalk + 混合路由阈值）
    • GET /api/voiceclone/health: CosyVoice 3.0 服务健康状态

  7. 支付 (Payment)

    • POST /api/payment/create-order: 创建支付宝电脑网站支付订单（需 payment_token）
    • POST /api/payment/notify: 支付宝异步通知回调（返回纯文本 success/fail）
    • GET /api/payment/status/{out_trade_no}: 查询订单支付状态（前端轮询）

登录时若账号未激活或已过期，返回 403 + payment_token，前端跳转 /pay 页面完成付费。详见 支付宝部署指南。

统一响应结构

{
  "success": true,
  "message": "ok",
  "data": { },
  "code": 0
}

🎛️ 视频生成扩展参数

POST /api/videos/generate 支持以下可选字段：

  • material_path: 视频素材路径（单素材模式）
  • material_paths: 多素材路径数组（多机位模式，≥2 个素材时按句子自动切换）
  • tts_mode: TTS 模式 (edgetts / voiceclone)
  • voice: EdgeTTS 音色 ID（edgetts 模式）
  • ref_audio_id / ref_text: 参考音频 ID 与文本（voiceclone 模式）
  • generated_audio_id: 预生成配音 ID（存在时跳过内联 TTS，使用已生成的配音文件）
  • speed: 语速（声音克隆模式，默认 1.0，范围 0.8-1.2）
  • custom_assignments: 自定义素材分配数组（每项含 material_path / start / end / source_start / source_end?），存在时优先按时间轴可见段生成
  • output_aspect_ratio: 输出画面比例（9:16 或 16:9，默认 9:16）
  • language: TTS 语言（默认自动检测，声音克隆时透传给 CosyVoice 3.0）
  • title: 片头标题文字
  • title_display_mode: 标题显示模式（short / persistent，默认 short）
  • title_duration: 标题显示时长（秒，默认 4.0；short 模式生效）
  • subtitle_style_id: 字幕样式 ID
  • title_style_id: 标题样式 ID
  • subtitle_font_size: 字幕字号（覆盖样式默认值）
  • title_font_size: 标题字号（覆盖样式默认值）
  • title_top_margin: 标题距顶部像素
  • secondary_title: 片头副标题文字（可选，限 20 字，仅视频画面显示）
  • secondary_title_style_id: 副标题样式 ID
  • secondary_title_font_size: 副标题字号
  • secondary_title_top_margin: 副标题距主标题间距
  • subtitle_bottom_margin: 字幕距底部像素
  • enable_subtitles: 是否启用字幕
  • bgm_id: 背景音乐 ID
  • bgm_volume: 背景音乐音量（0-1，默认 0.2）

多素材稳定性说明

  • 多素材片段在拼接前统一重编码，并强制 25fps + CFR，减少段边界时间基不一致导致的画面卡顿。
  • concat 流程启用 +genpts 重建时间戳，提升拼接后时间轴连续性。
  • 对带旋转元数据的 MOV 素材会先做方向归一化，再进入分辨率判断和后续流程。

📦 资源库与静态资源

  • 本地资源目录：backend/assets/{fonts,bgm,styles}
  • 静态访问路径：/assets（用于前端样式预览与背景音乐试听）

🎵 背景音乐混音策略

  • 混音发生在 唇形对齐之后，避免影响字幕/口型时间轴。
  • 使用 FFmpeg amix，禁用归一化以保持配音音量稳定。

🛠️ 开发环境搭建

1. 虚拟环境

cd backend
python -m venv venv
source venv/bin/activate  # Linux/macOS
# .\venv\Scripts\activate # Windows

2. 依赖安装

pip install -r requirements.txt

3. 环境变量配置

复制 .env.example 到 .env 并配置必要的 Key：

# Supabase
SUPABASE_URL=http://localhost:8008
SUPABASE_KEY=your_service_role_key

# GLM API (用于 AI 标题生成)
GLM_API_KEY=your_glm_api_key

# LatentSync 配置
LATENTSYNC_GPU_ID=1

# MuseTalk 配置 (长视频唇形同步)
MUSETALK_GPU_ID=0
MUSETALK_API_URL=http://localhost:8011
MUSETALK_BATCH_SIZE=32
LIPSYNC_DURATION_THRESHOLD=120

4. 启动服务

开发模式 (热重载):

uvicorn app.main:app --host 0.0.0.0 --port 8006 --reload

🧩 服务集成指南

集成新模型

如果需要集成新的 AI 模型 (例如新的 TTS 引擎)：

  1. 在 app/services/ 下创建新的 Service 类 (如 NewTTSService)。
  2. 实现 generate 方法，可以使用 subprocess 调用，也可以是 HTTP 请求。
  3. 重要: 如果模型占用 GPU，请务必使用 asyncio.Lock 进行并发控制，防止 OOM。
  4. 在 app/modules/ 下创建对应模块，添加 router/service/schemas，并在 main.py 注册路由。

唇形同步混合路由

lipsync_service.py 实现了 LatentSync + MuseTalk 混合路由：

  • 短视频 (<LIPSYNC_DURATION_THRESHOLDs) → LatentSync 1.6 (GPU1, 端口 8007)
  • 长视频 (>=阈值) → MuseTalk 1.5 (GPU0, 端口 8011)
  • MuseTalk 不可用时自动回退到 LatentSync
  • 路由逻辑对 workflow 完全透明

添加定时任务

目前推荐使用 APScheduler 或 Crontab 来管理定时任务。 社交媒体的定时发布功能目前依赖 playwright 的延迟执行，未来计划迁移到 Celery 队列。

🛡️ 错误处理

全项目统一使用 Loguru 进行日志记录。

from loguru import logger

try:
    # 业务逻辑
except Exception as e:
    logger.error(f"操作失败: {str(e)}")
    raise HTTPException(status_code=500, detail="服务器内部错误")

🧪 测试

运行测试套件：

pytest
Reference in New Issue View Git Blame Copy Permalink