上传一部电影 → AI 自动完成语义拆条、解说稿、配音、字幕、合成导出 从「几天一条」变成「一天十条」。
SceneFab 是为自媒体解说创作者打造的 AI 影视解说视频一站式创作工具。上传一部电影或短剧，AI 自动理解视频语义、按情节拆条、生成第一人称解说稿、合成情感化配音、对齐字幕、最终输出带解说的完整视频。整条流水线 5-15 分钟/条，成本 < ¥0.01/条，视频文件永不上传云端（全本地处理）。
|
Qwen2.5-VL 视觉理解 |
视觉 × 音频双维评分 |
DeepSeek-V4 · 7 种情感风格 |
|
Edge-TTS · F5-TTS |
H.264 / H.265 MP4 · 剪映草稿 |
pip install 即用 |
| 平台 | 架构 | 文件 |
|---|---|---|
| Windows | x64 | SceneFab-1.1.0-win-x64.exe |
| macOS | Apple Silicon | SceneFab-1.1.0-mac-arm64.dmg |
| macOS | Intel | SceneFab-1.1.0-mac-x64.dmg |
| Linux | x64 | SceneFab-1.1.0-linux-x64.AppImage |
📦 也可从源码安装（推荐开发者）：
git clone https://github.com/Agions/scene-fab.git
cd scene-fab
pip install -e .# 启动 GUI
scenefab gui
# 或纯命令行创作
scenefab commentary create-movie ./movie.mp4 --style 纪录片 --output ./output/# DeepSeek（解说生成主力）
export DEEPSEEK_API_KEY="sk-..."
# 不配置也能用：Edge-TTS 配音、字幕对齐、视频合成等基础功能全本地可用SceneFab 采用 Python + PySide6 单体桌面应用架构，5 步流水线串接 AI 服务与本地媒体处理：
┌──────────────────────────────────────────────────────────────────┐
│ 🎬 SceneFab Architecture │
└──────────────────────────────────────────────────────────────────┘
┌──────────────────────────────────────────────────────┐
│ UI 层 (PySide6 6.9 + Design Tokens) │
│ HomePage · 5-Step Wizard · MonitorPanel · ... │
└──────────────────────────────────────────────────────┘
│
▼
┌──────────────────────────────────────────────────────┐
│ Core Engine (核心业务引擎) │
│ │
│ pipeline.py ─── 串联 5 步处理流水线 │
│ │ │
│ ├─ Step 1: frame_extractor (Qwen2.5-VL 语义拆条) │
│ ├─ Step 2: emotion_detector (情感峰值选段) │
│ ├─ Step 3: script_generator (DeepSeek-V4 解说稿) │
│ ├─ Step 4: tts_generator (Edge-TTS / F5-TTS) │
│ └─ Step 5: video_compositor (FFmpeg H.264/H.265) │
└──────────────────────────────────────────────────────┘
│
▼
┌──────────────────────────────────────────────────────┐
│ Services (业务服务层) │
│ │
│ services/ai/ LLM / Vision / TTS / ASR 适配器 │
│ services/video/ FFmpeg 包装 / 帧提取 / 合成 │
│ services/audio/ 音频处理 / 字幕对齐 │
│ services/export/ MP4 / 剪映草稿导出 │
│ services/orchestration/ 流水线编排 / 任务调度 │
└──────────────────────────────────────────────────────┘
│
▼
┌──────────────────────────────────────────────────────┐
│ Models + Utils (数据 + 工具) │
│ │
│ models/ 领域数据模型 + 集中枚举 (enums.py) │
│ utils/ 帧编码 / 媒体工具 / 进度 / 图像分析 │
│ interfaces/ Cache / Service Provider 抽象 │
└──────────────────────────────────────────────────────┘
更详细的架构文档（含 Mermaid 流程图）请见 在线文档 - 架构。
| 模块 | 模型 / 技术 | 说明 |
|---|---|---|
| 语义拆条 | Qwen2.5-VL | 视频帧逐帧理解，语义场景边界检测 |
| 解说生成 | DeepSeek-V4 | 第一人称视角，7 种预设风格 |
| 情感评分 | 视觉 + 音频双维 | 画面信息密度 + 语调变化，综合排序 |
| 配音合成 | Edge-TTS · F5-TTS | Edge 主流低延迟，F5 零样本音色克隆 |
| 字幕对齐 | TTS Word-level Timing | 精确到每个字的起止时间，50ms 精度 |
| 视频合成 | FFmpeg | H.264/H.265 编码，本地处理 |
| 导出格式 | MP4 · 剪映草稿 | 直出发布 / 继续精剪 |
| UI 框架 | PySide6 6.9 | Qt for Python，原生桌面体验 |
| 状态管理 | PyQt Signal/Slot | 跨组件解耦，事件驱动 |
| 文档 | 说明 |
|---|---|
| 快速开始 | 5 分钟上手 |
| 功能详解 | 全部功能说明 |
| AI 工作流 | 5 步流水线详解 |
| 架构设计 | 模块划分 + 数据流 |
| 配置参考 | 环境变量与配置文件 |
| 疑难排查 | 常见问题 |
在线文档：https://agions.github.io/scene-fab/
- AI 语义拆条（Qwen2.5-VL）
- 情感峰值选段（视觉+音频双维）
- DeepSeek-V4 解说生成（7 种风格）
- Edge-TTS / F5-TTS 配音合成
- 词级字幕对齐（50ms 精度）
- H.264/H.265 MP4 导出
- 剪映草稿 JSON 导出
- GUI 桌面应用（PySide6）
- 命令行接口（CLI）
- v1.1.0 8-Phase 架构重构（类型统一、兼容层清理、大文件拆分、命名规范化）
- 启用 ruff
UP(pyupgrade) 规则（1573 个 lint 错误清零）
- 主窗口与监控面板拆分（需 PySide6 运行时验证）
- 跨平台打包优化（Windows / macOS / Linux 三端）
- 多模态解说（图像+文本混合输入）
- 实时协作（多人协同编辑项目）
- 插件市场（用户自定义 AI Provider / TTS 音色）
- Web 端预览（无需安装即可体验）
欢迎 PR / Issue / Discussion！请遵循以下流程：
- Fork 本仓库
- 创建 feature 分支（
git checkout -b feat/amazing-feature） - 提交改动（Conventional Commits 规范）：
feat: 新功能 fix: bug 修复 docs: 文档更新 style: 格式调整（无逻辑变化） refactor: 重构（无新功能/无 bug 修复） perf: 性能优化 test: 测试 chore: 构建/工具链 - 推送分支（
git push origin feat/amazing-feature） - 创建 Pull Request
SceneFab 的诞生离不开以下开源项目：
- PySide6 — Qt for Python，桌面 UI 框架
- Qwen2.5-VL — 阿里通义千问视觉语言模型
- DeepSeek — 高性价比中文 LLM
- Edge-TTS — 微软 Edge 文本转语音
- F5-TTS — 零样本语音克隆
- FFmpeg — 视频处理瑞士军刀
- Ruff — 极速 Python linter
MIT License · Copyright © 2025-2026 Agions
⭐ 如果 SceneFab 对你有帮助，请给一个 Star · 🐛 遇到问题请提交 Issue