用途：将所选视频格式的录制提纲或提示模板转换为 vidlang 规格，按统一流水线生产带自动 QA 的多场景 AI 视频，适用于 talking-head、podcast、各类 ugc 格式等。
主要能力：支持多格式场景结构适配；逐场景生成后用视觉检查与转写校验卡关；通过 extract 抽取首尾帧做帧串联；拼接后统一响度归一；使用 ElevenLabs 语音转语音换声，并输出剪辑报告。
使用方式：先选格式，用 vidlang 写规格并运行全部 VidLang 规则及 VL009-VL013（表情连续、音频归一、韵律控制、反强调、说话人静止）；每个场景最多重试 5 次，先后经 POST /v1/watch、POST /v1/transcribe 检查，可按需 POST /v1/extract 抽帧确认；通过后抽取末帧作为下一场景起始帧。后期用 FFmpeg concat 硬切拼接、两遍 loudnorm 至 -16 LUFS，保留 STS 前版本，再对整段音频做单次 STS 换声，最后转写复核并按剪辑报告调整。
限制与注意：t-shirt 文字乱码属可忽略项；首词前或末词后的周边噪音非阻断，剪辑时处理；移除运动指令以减少姿态跳变；帧串联有助于姿态连续但不保证表情一致。具体收费、平台与效果暂未提供。