# 25S 对口型唱歌视频 — 第一版交付说明

> 生成时间：2026-09-04 ｜ 分辨率：480×848（竖屏 9:16，24fps，H.264+AAC）｜ 总时长 25.33s

## 成片下载

| 文件 | 链接 | 说明 |
|---|---|---|
| 成片（原声版，推荐） | [25S_对口型_哀怨忧伤_480P_原声.mp4](http://192.168.31.76:8899/10-视频生成流水线/25S对口型唱歌任务/final/25S_对口型_哀怨忧伤_480P_原声.mp4) | **音轨 = 上传视频原音轨**（44.1kHz 立体声，未做任何改动） |
| 成片（模型音轨版） | [25S_对口型_哀怨忧伤_480P.mp4](http://192.168.31.76:8899/10-视频生成流水线/25S对口型唱歌任务/final/25S_对口型_哀怨忧伤_480P.mp4) | 音轨为 H3 模型合成（32kHz），供对比 |
| 第一段 | [seg1.mp4](http://192.168.31.76:8899/10-视频生成流水线/25S对口型唱歌任务/seg1/seg1.mp4) | 12.25s，Picture1+2 + audio-only 0-12s |
| 第二段 | [seg2.mp4](http://192.168.31.76:8899/10-视频生成流水线/25S对口型唱歌任务/seg2/seg2.mp4) | 13.68s，tail 末帧续接 + audio-only 12-25s |

## 执行链路（全部跑通）

1. **三视图预处理**：识图定位正面在左 → ffmpeg 裁出正面视图（596×1008）作为 `<Picture 1>`，完整三视图作为 `<Picture 2>`
2. **第一段 12s**：REF2VA，参考 = 正面图 + 三视图 + 上传视频音轨 0-12s（`media_mode=audio` 纯音频模式，画面帧完全不用）
3. **末帧续接**：从 seg1 末尾裁 2s → tail.mp4，作为第二段的 `<Video 1>` 视觉参考
4. **第二段 13s**：REF2VA，参考 = 正面图 + 三视图 + tail（`media_mode=video`）+ 音轨 12-25s（`media_mode=audio`），提示词 `[video continuation]`
5. **拼接**：ffmpeg concat → 25.96s 成片；音轨替换为上传视频原音轨（44.1kHz 原样）

## 抽帧评估（DeepSeek-Vision 逐帧识别）

| 时间点 | 景别 | 表情 | 身份一致性 |
|---|---|---|---|
| t=1s | 中近景特写 | ❌ 甜美开朗微笑 | ✅ 黑长发+白花发簪+薄荷绿汉服 |
| t=6s | 近景/胸像特写 | ✅ 微微低头、眼神柔和、哀怨忧伤有美感 | ✅ |
| t=12.1s（拼缝前） | 近景特写 | ⚠️ 温柔无辜偏甜 | ✅ 同人同景 |
| t=12.3s（拼缝） | 怼脸特写 | ⚠️ 俏皮/惊讶/嘟嘴 | ✅ 服化道统一 |
| t=12.6s（拼缝后） | 近景/胸像 | ❌ 灿烂露齿笑 | ✅ |
| t=18s | 近景 | ⚠️ 清纯娇俏 | ✅ |
| t=24s | 近景/特写 | ❌ 甜美愉悦活泼 | ✅ |

## 结论

- ✅ **链路验证成功**：audio-only 纯音频模式、两段生成、末帧续接（拼缝处同人同景、服化道与色调高度统一，无跳变）、原声保留——25s 完整视频跑通
- ✅ **身份一致性**：全程黑长直发 + 白色花朵发簪 + 浅薄荷绿汉服，与三视图一致
- ⚠️ **景别**：多数时间是中近景/胸像特写，脸部占比大但未完全填满画面，未达到"怼脸直拍"（extreme close-up）
- ❌ **表情是主要问题**：模型把"哀怨忧伤"理解偏了，多个时间点是甜美微笑/俏皮/露齿笑，情绪基调完全不对——提示词对表情的控制没生效

## 下一步（重跑优化方向）

1. **表情**：提示词改为更明确的动作性描述（如 "gently biting lower lip / eyes welling with unshed tears / downward gaze with furrowed-brow-free sadness / lips barely parting"），并在 `retention_analysis` 把表情列为 `fully_preserved`；可考虑换正面图为更符合哀怨表情的参考
2. **怼脸**：`detailed_description` 开头写死 "face fills 90% of the frame, top of head slightly cropped, chin near bottom edge"，强调 "no shoulders visible"；或把裁出的正面图再裁成脸部特写作为 Picture 1
3. **两段一起重跑**（seed 记录在 seg1/seg2/seed.txt）