画布视频工具开发评估方案

同一份 metadata

任意子功能提交后都写回同一份成片配置。再次打开任意入口，都用最新 metadata 恢复表单和预览。

同一套预览逻辑

字幕层、PIP 层、分屏安全区、输出画幅使用同一个预览模型。PIP 面板里的字幕预览不能另做一套。

多个轻入口

用户仍看到“调整字幕”“视频画中画”等入口；进入后只是打开同一编辑器的不同 tab / panel。

添加字幕

• 入口：选中带字幕 metadata 的视频资产。
• 用户可改：字幕文本、断句换行、大小写、字号、位置、样式预设。
• 不提供：单独颜色选择、手填 SRT/ASS URL。
• 断句和换行基于后端返回的 line-groups 重组，不由前端估算时间。
• 输出：烧录字幕后的新视频资产。

视频画中画

• 入口：选中带 PIP 关联信息的视频资产。
• 用户可改：布局、浮窗位置/大小/形状、分屏比例、取景、音量、抠像、描边。
• 缺少 PIP 视频时，可评估选择画布资产或上传后转 URL。
• 输出：合成后的新视频资产。

打开时一致

工具初始化必须读取当前资产真实配置，不能只套前端默认值。

调整时一致

前端预览使用的参数名、范围、单位要和后端任务参数一致。

提交后一致

后端输出要匹配提交前预览，并把最终参数快照回写到新资产 metadata。

字幕编辑表单

• 用户只调整字幕文本、断句换行、大小写、样式预设、字号和上下位置。
• 首版只对已有字幕 metadata 的视频开放；无 metadata 的普通视频，未来需先接 ASR / Whisper 生成准确词级 timing 和 line-groups。
• 断句和换行基于 line-groups 重组 page_index / word_indices，时间由词级 timing 自动推导，不由前端估算。
• 用户可自助把一句话拆成多行展示，或把多行合并成一行展示；这只影响字幕展示逻辑，不影响 TTS 内容和时间。
• 不提供最大行数、每行最多单词等专业参数；后端需返回和最终渲染一致的安全间距、自动换行结果和最多 2 行规则。
• 前端预览必须读取后端返回的字幕安全区配置；不同尺寸、不同画幅的视频不能共用一套固定左右边距。
• 大小写需要后端支持可恢复配置：全大写或按原文。

画中画配置表单

• 来源默认读取 metadata，但界面展示视频文件名，不展示 metadata 或 URL。
• 实际画布接入后，需要支持从当前画布中选择其他视频资产；当前静态原型只用按钮占位。
• 不提供“不显示画中画”；用户不需要 PIP 时不应打开该入口。
• 浮窗模式只支持画中画取景；分屏模式下主视频会被裁切，因此才提供主视频取景。
• 浮窗边距不作为用户配置，按默认值或拖拽位置生成；描边颜色继续保留可选。
• 上下分屏默认数字人在上方；如果后端默认不是该方向，需要按产品默认调整。
• “数字人音量”对用户应解释为口播讲解音量；若 UE 数字人流程的讲解音频来自独立 TTS 音轨，需要后端在合成接口中统一映射。