这条产线解决的是什么
UGC 带货短视频有两个真难点：结构（前 3 秒钩子放什么、几秒开始演示、什么时候上 CTA）和 文字（包装上的品牌名、成分、容量不能被 AI 改掉）。前者靠模板复刻，后者靠掩码重绘。
做法
一、模板分析复刻。 参考片丢进 refs/ 目录就能一键拆解：场景切点检测 →
按镜头中点抽帧（≤8 帧）→ 先判有没有口播（纯音乐的片子不跑转写，否则音乐段会生出幻觉台词）→
转写 + 本机视觉模型批量描述 → 归纳成结构化模板，最后过一遍机器自检
（时间轴是否首尾相接、段数、槽位是否抽象）。
模板只输出 JSON、不臆测：台词里的产品名、成分、价格一律替换成槽位； 一镜到底的片子如实标单镜，多镜必须给切点 —— 不许为了好看谎报。拿到的模板可以直接套到新产品上复刻同款结构。
二、双引擎。 一条任务走本机（开源）还是走云端（闭源），是向导里的显式一步： 闭源侧列出可选模型、档位与这条片的粗估花费；两条链路可用的模式不完全一样 （云端目前只覆盖口播成片，旁白与纯音乐走本机）。 选哪条就整条走哪条，不静默降级 —— 换来的是画风与口型的可预期。
三、三种模式，按模板声明走。 口播（逐段对口型）、旁白（静音动作镜 + 整篇旁白）、 纯音乐（静音动作镜 + 花字）。后两种不需要角色讲话，所以不跑口型模型： 既绕开「口型不匹配」，也避免口播模型在没有产品的镜头上凭空演出一支产品 —— 而且视频阶段零 GPU。
四、批量生产。 一条任务拆成脚本、配音、视频、后期四段逐段执行，每段可单独重跑； 批量出片自动跳过已完成的部分，中断了能接着跑；同一产品的多个版本（换演员、换话术） 共用一个实例窗口，摊薄权重加载开销。
五、文字保真用掩码重绘。 先算出可重绘区域，把包装文字与商标排除在外，只在允许的区域生成： 未掩码区像素差 0.02。旧路线的教训是整图重绘 —— 5 条样本 0 条过、3 条 0 条过， 还把「50g」编造成「30ml」。
六、合规内置。 AI 披露、免责声明、水印在生成阶段就烧进画面，不靠后期补。
结果
一条参考片 35 秒拆完，模板可直接套用；口播档一条 15 秒成片约 27 分钟 GPU（本机）； 旁白与纯音乐档因为视频阶段零 GPU，出片时间从 30–90 分钟压到几分钟。 单条边际成本是本机档的电费（≈ ¥0.5–1）加大模型调用（¥0.01–0.05），不含人力与折旧。
边界
产能跟着显卡走：单卡日产 15–25 条是硬件约束而不是软限制，要更多产能就是加机器，没有魔法。 而且最重的那档视频模型本地放不下（最小权重约 34GB vs 本机 16GB 显存）， 超过 15 秒的成片要么用云端实例、要么换卡。
云端档的账要按用量算：按量计费与包月实例差近一倍，日产稳定时包月更划算 —— 这条是资源决策，不是技术问题，所以在方案里单独列出来。
复刻的是结构，不是素材：模板给的是段落角色、时长占比、切点与话术范式， 原片的镜头、音乐、真人素材不会进成片。素材版权与肖像授权需要确认来源合法，这一条不由系统兜底。
只交付产物与产线，不替客户承担平台过审的结果责任：合规声明与 AI 披露会烧进画面， 但最终标准以平台规则为准。