用途：把一张锁定角色图片（来自 portrait-clone 选定帧）和一份脚本，生成 9:16 竖屏 UGC 风格口播视频。输出 take_N.mp4（原始）、take_N_captioned.mp4 及生成请求 JSON。
主要能力与流程：脚本与时长先确认，按词数估算秒数（约 words/4 减 1 秒），60-70 词约 16-17 秒，超过 90 词建议拆两段。必须有语音参考片段，从用户认可的视频里截取 2-15 秒单声道 mp3，节奏由参考音频决定而非提示词。提示词控制在 4000 字符内，按固定模板填写，@image1 与 @audio1 为参考占位符。运行 python3 seedance_treg.py --image char.jpg --audio voice_ref.mp3 --prompt-file prompt.txt --duration 18 --out take_1.mp4。字幕用 caption_burn.py，配 --header 与手写 phrases.txt，样式为白字深描边。
依赖与限制：需要 treg（curl -fsSL https://treg.to/install.sh | sh 后 treg login）、ffmpeg、Python 3 与 PIL、OPENAI_API_KEY 用于 Whisper 词级时间戳；vendo r key 由服务端注入，费用走 treg 预付余额。默认 reAPI，备选 PiAPI。720p 下 reAPI 约 $0.267/s，PiAPI 约 $0.35/s。无随机种子，每次重跑都可能变化。字幕分词需手工编写，自动分块会断句。模型听不到音频，只能核对帧与时间戳；语音相似度与口型准确度无法自行验证。定价与平台支持等以资料为准，其余细节暂未提供。