用途:把输入视频制作成中文解说成片或原声剧情短片,适用于电影、剧集、纪录片、科普的剪辑、旁白与总结。流程由 video-understanding→Agent 按 video-script 写稿→video-cut→video-voiceover→video-assemble 串联,仅通过 work_dir 中的 JSON/MP4 产物通信。
主要模式:--edit-mode full|cut|dub 与 --audio-mode narration|source-mix|adopted-packet-copy 为独立开关,组合有限,不支持的在启动时直接报错。narration 走完整解说流程;source-mix 不做配音;adopted-packet-copy 冻结已采用的 AAC 音轨。dub 为实验功能,将英文译中并用原说话者克隆音色整轨替换,需显式传 --confirm-voice-rights,且只支持单说话者、不分离背景音乐。
用法:安装 ffmpeg 后设置 MIMO_API_KEY。标准流程示例:python3 scripts/recap.py <video> --work-dir <work_dir> --context "背景",完成理解后暂停;写好 recap_story_plan.json、visual_audio_board.json 及 narration.json 或 clip_plan.json 后重复同一命令继续,支持断点续跑。多视频仅支持 cut 模式,需 clip_plan.json 中填写 source_id。可选 --doctor 做离线配置检查,dashboard_server.py 提供只读观察页。
限制:须遵守两条硬约束,原声只能在可靠句末或静音边界切入切出,旁白必须使用完整逐段音频。评审默认建议型、失败开放;--require-final-qc 可让最终 QC 影响退出状态,不支持 dub。ffmpeg 缺 libass 时字幕烧录会降级;缺 drawtext 时含 visual_overlays 的旁白会在配音前停止。素材检索仅为对 JSON/MD/JSONL 的 grep,不提供数据库或语义搜索。同一 MiMo key 驱动 ASR、VLM、TTS,成本、额度与订阅价格暂未提供。