优化全能创作部分优化脚本

core/backend/apps/ai/services.py

@@ -948,6 +948,35 @@ _CAPTION_FIELD_INLINE_RE = re.compile(rf"[，,；;、]?\s*{_CAPTION_WORDS}\s*[
 _CAPTION_CLAUSE_RE = re.compile(rf"[，,；;、]?\s*[^，,；;。\n]*{_CAPTION_WORDS}[^，,；;。\n]*[。]?")
 
 
+_SPEECH_LINE_RE = re.compile(
+    r"^(\s*)(口播|旁白|台词|对白|解说)\s*[：:]\s*(.+)$"
+)
+_SPEECH_AUDIO_ONLY_PREFIX = "人声(仅音频,由人物口型与配音表达,不出现在画面上):"
+
+
+def rewrite_speech_as_audio_only(prompt: str) -> str:
+    """把「口播：/旁白：/台词：」改写成「人声(仅音频…)」抬头。
+
+    全能创作 / 自由创作的 video_prompt 常按秒级分镜写「口播：…」。
+    裸摆口播原文时,出片模型极易把这段可见文本烧成画面字幕 —— 专业创作
+    已用同一抬头(_segment_script_text);这里对所有入口统一改写。
+    已带「仅音频」抬头的行不重复包一层。
+    """
+    out: list[str] = []
+    for line in (prompt or "").split("\n"):
+        if "仅音频" in line and "人声" in line:
+            out.append(line)
+            continue
+        m = _SPEECH_LINE_RE.match(line)
+        if m:
+            indent, _kind, speech = m.group(1), m.group(2), m.group(3).strip()
+            if speech:
+                out.append(f"{indent}{_SPEECH_AUDIO_ONLY_PREFIX}{speech}")
+            continue
+        out.append(line)
+    return "\n".join(out)
+
+
 def strip_caption_directives(prompt: str) -> str:
     """把正文里所有会让模型联想到「画面文字」的字样抹掉 —— 无论它是要求加字幕还是声明没有字幕。
     模型不区分肯定否定,看到「字幕」这个词本身就更容易画出来,所以一律清掉,
@@ -966,15 +995,18 @@ def strip_caption_directives(prompt: str) -> str:
 
 
 def enforce_no_embedded_captions(prompt: str) -> str:
-    """所有视频入口(专业创作 / 一键成片 / 自由创作 / 视频复刻 / 提炼改写)最终汇入这里:
-    先洗掉正文里的字幕字段,再把最高优先级的无字幕禁令置于提示词第一行。
+    """所有视频入口(专业创作 / 一键成片 / 自由创作 / 视频复刻 / 提炼改写 / 全能创作)最终汇入这里:
+    先把「口播：」改写成仅音频抬头,再洗掉字幕字段,最后挂最高优先级无字幕禁令。
     首镜最容易被模型自动加标题,所以不能再把禁令放在长提示词末尾。"""
     # 顺序要紧:先摘掉可能已存在的规则本身,再洗正文,最后统一拼回去。
     # 反过来的话,清洗器会把规则里「不要字幕…」那半句也当成字幕字样吃掉 → 摘不干净 → 规则拼两遍
     # (重复 = 负面词频翻倍 = 更容易出字幕,正是本次要根治的毛病)。
     base = (prompt or "").replace(NO_EMBEDDED_CAPTIONS_REQUIREMENT, "").replace(NO_EMBEDDED_CAPTIONS_TAIL, "")
+    base = base.replace(OPENING_SHOT_DIRECTIVE, "")
+    base = rewrite_speech_as_audio_only(base)
     base = strip_caption_directives(base).strip()
     # 首帧最容易被模型自动加标题页 → 规则放开头;末位权重高 → 结尾补一句中性的正面复述。
+    # 口播改写后再挂洁净规则,避免「口播：」原文被模型烧成字幕。
     return f"{NO_EMBEDDED_CAPTIONS_REQUIREMENT}\n{base}\n{NO_EMBEDDED_CAPTIONS_TAIL}".strip()