app.py

# ============================================================
# 第二阶段：AI 视觉审计（Qwen-VL 导演核心）
# ============================================================
import dashscope
from dashscope import MultiModalConversation

# 从环境变量或界面获取千问密钥
DASHSCOPE_API_KEY = os.environ.get("DASHSCOPE_API_KEY", "")

def call_qwen_vision(frames: list, chunk_idx: int, total_chunks: int, 
                     video_duration: float, api_key: str) -> list:
    """
    【勇哥专用：千问魔心点火版】
    将帧图像投喂给 Qwen-VL-Max，带思考链审计
    """
    # 优先使用界面输入的 Key，否则用环境变量
    effective_key = api_key.strip() or DASHSCOPE_API_KEY
    if not effective_key:
        raise ValueError("❌ 缺少 DashScope API Key，请在界面或环境变量中设置")

    time_per_frame = 1.0 / FPS_AUDIT
    chunk_start_time = (chunk_idx * CHUNK_SIZE) * time_per_frame
    
    # 1. 构建导演指令 (包含 CoT 思考要求)
    prompt_text = (
        f"你现在是一位精通非遗竹编手艺的纪录片导演。现在审计第 {chunk_idx+1}/{total_chunks} 包素材。\n"
        f"时间范围：{chunk_start_time:.2f}s 起。请先在 <think> 标签内分析画面的手法的精准度、"
        f"光影的治愈感以及动作的连贯性，然后给出剪辑 JSON 指令。\n"
        f"要求：start 绝不能是整数（如 3.0 必须写成 3.47），duration 在 1.5-8s 之间。"
    )

    # 2. 准备多模态内容（抽样 8 帧，确保不超 Token 限制）
    sample_frames = frames[::max(1, len(frames)//8)][:8]
    content = [{"text": prompt_text}]
    
    for fp in sample_frames:
        # Qwen-VL 接收本地路径的 file:// 协议
        content.append({"image": f"file://{fp.absolute()}"})

    # 3. 点火调用
    responses = MultiModalConversation.call(
        model='qwen-vl-max', # 或者使用最新的 qwen-vl-max-2025-01-25
        api_key=effective_key,
        messages=[{"role": "user", "content": content}]
    )

    if responses.status_code != 200:
        raise RuntimeError(f"Qwen API 报错: {responses.message}")

    raw_output = responses.output.choices[0].message.content[0]["text"]
    
    # 4. 提取 JSON 指令（过滤掉 <think> 里的思考过程）
    match = re.search(r'\[\s*\{.*\}\s*\]', raw_output, re.DOTALL)
    if not match:
        return []

    try:
        clips = json.loads(match.group())
    except:
        return []

    # 5. 勇哥铁律校验
    validated = []
    for c in clips:
        try:
            s = float(c["start"])
            if s == int(s): s += 0.47 # 强制非整数偏移
            validated.append({
                "start": round(s, 2),
                "duration": max(1.5, min(float(c.get("duration", 3)), 8.0)),
                "speed": max(0.8, min(float(c.get("speed", 1.0)), 1.2)),
                "reason": str(c.get("reason", "未分类"))[:15]
            })
        except: continue
    
    return validated