安全场景卡视频生成

目标

输入一份岗位安全场景卡（PDF 或 PNG/JPG 图片，如《油炸岗位·电磁炉油炸机操作安全场景卡》），自动产出一条竖版学习视频：
- 1080×1920、30fps、含中文口播配音（edge-tts zh-CN-XiaoxiaoNeural, rate=+8%）
- 幕结构：封面 → 岗位风险 → 操作步骤×N → 安全红线 → 异常处置×M → 安全口号
- 时长由各幕配音时长动态决定（每幕 = voiceDuration + 0.4s 头缓冲 + 0.7s 尾缓冲）
- 画面素材优先级：卡内现场照片/裁剪区域 > ImageGen AI 插画补足

运行环境（宿主项目）

复用 Remotion 项目 /Users/00000852/WorkBuddy/2026-08-24-19-24-51/remotion-test/：

• 组件：src/SafetyVideo.tsx（幕版式）+ src/safety.ts（类型/帧数工具）
• 注册：src/index.tsx 中 Composition id="SafetyVideo"（calculateMetadata 动态帧数）
• Python：/Users/00000852/.workbuddy/binaries/python/envs/default/bin/python3（需 pymupdf）
• edge-tts：/Users/00000852/.workbuddy/binaries/python/envs/default/bin/edge-tts
• ffmpeg/ffprobe：node_modules/@remotion/compositor-darwin-arm64/（需 export DYLD_LIBRARY_PATH）

流程（五步）

第 1 步：归档输入并解析（按输入类型二选一）

输入类型 A：PDF 场景卡

PY=/Users/00000852/.workbuddy/binaries/python/envs/default/bin/python3
ROOT=/Users/00000852/WorkBuddy/2026-08-24-19-24-51/remotion-test
cp "<场景卡.pdf>" $ROOT/inputs/<卡号>.pdf
cd $ROOT
$PY scripts/pdf2schema.py inputs/<卡号>.pdf <卡号> $ROOT

产出：
- outputs/safety/<卡号>.schema.json —— 结构化数据（meta/risks/procedures/redlines/emergencies/slogan/images）
- outputs/safety/<卡号>.review.md —— 人工复核表
- public/cards/<卡号>/xref*.png —— 提取的全部图片（含角色标注）

解析要点（pdf2schema.py 内置，排障时看）：
- CJK 部首变体：PDF 文本「风飞麦车文长门」常为 U+2EDx 部首码位，NFKC 不转换，脚本用 RADICAL_MAP 显式映射。新卡出现别的「怪字」时先查码点（python: hex(ord(ch))）再补映射。
- 图片角色分类：面积 >35% 页面 或（字节 <15KB 且像素 >300×200）→ 装饰背景；像素 <120 → 图标；其余按 bbox 中心 y 分带（步骤/红线/异常）、中心 x 分左右栏，与文字块最近匹配。新卡版式不同时调阈值。
- 过滤非正文字本：meta_keywords 黑名单（编号/岗位/B级文件/岗位风险/安全场景卡/岗位名）防止元数据行混入步骤；正文上界 page_h*0.78 排除落款。
- 双栏红线/异常：按 x 列分组再合并，防止跨列串行；is_meaningful_line() 过滤纯标点行（如「||」）。

第 2 步：人工复核（必做）

输入类型 B：图片场景卡（PNG/JPG/WebP/BMP/TIFF）

支持单张或多张（多张按顺序垂直拼接，兼容手机分段拍照）。第 1 步换用 img2schema.py 与专用 OCR 环境 paddle-ocr venv，后续 2~5 步与 PDF 路径完全相同：

PYOCR=/Users/00000852/.workbuddy/binaries/python/envs/paddle-ocr/bin/python3
ROOT=/Users/00000852/WorkBuddy/2026-08-24-19-24-51/remotion-test
cd $ROOT
cp "<场景卡图1>.png" "<场景卡图2>.png" ... $ROOT/inputs/
$PYOCR scripts/img2schema.py inputs/<图1>.png [inputs/<图2>.png ...] <卡号> $ROOT
# 版面基准不符时手动覆盖：--page-w-pt 1920

产出 schema 与 PDF 路径同构，另有：
- public/cards/<卡号>/region-<field>-<n>.png —— 各步骤/红线/异常的区域裁剪放大图（photoConfidence=cropped）
- public/cards/<卡号>/full-<field>-<n>.png —— 低清降级的整卡+红框高亮图（photoConfidence=degraded，裁剪 <400×300 时触发）
- review.md 追加「OCR 与画面素材说明」：OCR 置信度表（<0.9 建议人工复核该行）

图片路径解析要点：
- OCR：PaddleOCR（score<0.6 过滤）；引擎封装在 run_ocr() 可替换函数中，必要时可换 macOS Vision 兜底。
- 行→块合并：垂直间隙 <0.8×行高 且水平重叠 >0.3 合并为块，还原 PDF block 粒度（首行=标题，其余=要点）。
- 版面基准：按拼接图宽高比自动推断页宽 pt（ratio>1.6→1920 宽幅卡 / >1.0→842 A4横 / ≤1.0→595 A4竖），使 cardparse 绝对阈值语义与 PDF 路径一致；不符时 --page-w-pt 手动覆盖。
- EXIF 旋转：手机拍照自动转正；多张宽度差 >15% 时白底居中补边。
- 相机水印过滤：现场照片上的 EXIF 水印（如「24mmf/1.81/50sISO80」「2026年7月23日15:24」）自动过滤（is_watermark：水印特征正则 + 行高 <26px 启发式）。
- 拼接重叠去重：同文本 y 中心差 <15% 图高的行自动去重（多张拍照重叠区）。
- 栏目标题错字纠错：「已党处理」等 OCR 错字自动纠正为「异常处理」（同长度差异 ≤2 位），保证 cardparse 板块锚点定位。
- 裁剪区域含照片：条目区域 = 文本列 x 范围（扩展到相邻条目间隙中点）× 整个板块带 y 区间，确保区域裁剪图包含现场照片、分辨率充足。
- 口号切分：OCR 连成一行的多句口号，长度为 3 的倍数时自动三等分。
- 实测基准（C-M422-001 油炸卡，300DPI 两段拼接）：5 步骤/3 红线/3 异常/6 风险全对、11 幕照片全部 cropped、成片 88.6s 与 PDF 路径一致；800px 低清图自动降级 degraded（整卡红框图），内容解析偏差需人工复核（低清 OCR 质量所限，建议重拍高清）。

OCR 依赖一次性安装（已装好可跳过；安装失败降级链见 FAQ）：

/Users/00000852/.workbuddy/binaries/python/envs/default/bin/python3 -m venv /Users/00000852/.workbuddy/binaries/python/envs/paddle-ocr
/Users/00000852/.workbuddy/binaries/python/envs/paddle-ocr/bin/pip install paddlepaddle -i https://www.paddlepaddle.org.cn/packages/stable/cpu/
/Users/00000852/.workbuddy/binaries/python/envs/paddle-ocr/bin/pip install paddleocr pillow
# 验证：
/Users/00000852/.workbuddy/binaries/python/envs/paddle-ocr/bin/python3 -c "from paddleocr import PaddleOCR; print('OCR-OK')"

打开 outputs/safety/<卡号>.review.md 与 schema.json 对照原卡逐项核对：
- meta（卡号/岗位/文件级别/编号/公司）是否正确、怪字是否已标准化
- risks 数量、procedures 步数与每步要点、redlines/emergencies 条数
- 每条的照片路径是否映射对（看 images 账本中的 role/bbox）
发现错误直接编辑 schema.json（以人工修正为准，不重跑解析覆盖）。

第 3 步：schema → props

cd $ROOT
node scripts/schema2props.mjs outputs/safety/<卡号>.schema.json props-safety/<卡号>.json
# 产出 props-safety/<卡号>.json（幕序列 + 口播文案）

口播扩写规则（脚本内置，保守原则）：只加连接词/称谓（如「第X步，…」「安全红线要记牢：…」），禁止编造卡片外事实；「CO₂→二氧化碳」「≥15分钟→15分钟以上」「·→，」由脚本预替换。
本步后可检查 props 中每幕 voice 文案是否顺口，必要时微调。

第 4 步：生成口播配音

cd $ROOT
node scripts/gen_safety_voice.mjs props-safety/<卡号>.json
# 产出 public/audio/safety-<卡号>-<i>.mp3 + props-safety/<卡号>-voiced.json（回填时长）

（可选分支）某幕缺照片/插画时：用 ImageGen 生成本幕主题插画，存 public/cards/<卡号>/art-<i>.png，在 props 该幕加 "art": "/cards/<卡号>/art-<i>.png"。

第 5 步：渲染与校验

cd $ROOT
npx remotion render SafetyVideo out/safety-<卡号>.mp4 --props=props-safety/<卡号>-voiced.json

校验（三项全过才算交付）：
1. ffprobe：视频 1080×1920、30fps、时长=音频时长±0.5s
2. 抽帧（每 6s 一帧）：文件大小 >5KB 即非黑帧；照片幕帧应明显更大
3. 播放抽查首尾幕（封面/口号）无缺字、无错位

export DYLD_LIBRARY_PATH=$ROOT/node_modules/@remotion/compositor-darwin-arm64
FM=$ROOT/node_modules/@remotion/compositor-darwin-arm64/ffmpeg
$FM -y -v error -ss <秒> -i out/safety-<卡号>.mp4 -frames:v 1 -vf scale=270:480 out/frames-safety/f<秒>.jpg

验收标准

1. 输入场景卡 PDF，五步流水线产出 out/safety-<卡号>.mp4：1080×1920、含配音、时长由内容动态决定
2. schema 内容与原卡逐字一致（人工复核签字确认），无部首怪字
3. 现场照片正确映射到对应步骤/红线/异常幕，无背景图误入
4. 无黑帧、无声画不同步（音视频时长差 <0.5s）
5. 口播文案零编造：所有事实均来自卡片原文，仅连接词扩写
6. （图片输入）OCR 识别内容与原卡人工核对一致（置信度 <0.9 的行重点复核）；步骤/红线/异常幕使用 cropped 区域裁剪图或 degraded 高亮整卡图，无空白幕

常见问题

参考文件

• scripts/img2schema.py —— 图片→schema 解析入口（PaddleOCR + 拼接 + 区域裁剪/降级）
• scripts/pdf2schema.py —— PDF→schema 解析引擎（含部首映射/图片角色分类）
• scripts/schema2props.mjs —— schema→props 转换与口播保守扩写
• scripts/gen_safety_voice.mjs —— edge-tts 配音生成与时长回填
• scripts/cardparse.py —— 公共解析引擎（板块识别/schema 构建/复核表，PDF 与图片路径共用）
• references/safety.types.ts —— schema/props TypeScript 类型定义
• references/example.schema.json —— C-M422-001 油炸岗位卡完整示例