root/ai

Fork 0

Files

T

www 7a8191650f Initial AI manga platform

2026-06-15 17:45:28 +08:00

20 KiB

Executable File

Raw Permalink Blame History

系统 B 需求设计文档（V1 完整版）

项目名称

AI 多世界婚礼韩漫 / 婚礼视频定制系统（系统 B）

文档目标

本文档用于稳定系统 B 的第一版产品需求，指导后续：

产品需求确认
系统架构设计
Codex 开发落地
模块拆分与开发顺序
后续与系统 A「原创小说 → 韩漫 / 漫剧生成系统」合并时的兼容规划

本版本是 V1，重点是把「真人照片 → 婚礼韩漫 / 婚礼视频」这条业务链路先完整梳理清楚。

1. 项目定位

1.1 系统 B 是做什么的

系统 B 是一个面向 情侣 / 夫妻 / 婚庆客户 / 定制礼品客户 / 影楼 / 婚庆工作室 的 AI 定制生成系统。

用户上传真人照片后，系统根据用户选择的：

视觉风格
世界观模板
朝代 / 幻想世界 / 科幻世界
场景模板
镜头模板
文案 / 旁白 / 音乐

自动生成：

婚礼韩漫图集
多朝代婚礼图集
多世界穿越婚礼图集
婚礼短视频
多世界婚礼纪念片
半真人 / 真人感婚礼视频

1.2 核心卖点

系统 B 卖的不是简单的「AI 图片」，而是：

定制感
纪念价值
情绪价值
仪式感
时空穿越创意
韩漫 / 国风 / 幻想世界沉浸感
可以发朋友圈、小红书、抖音的社交传播内容
可以作为礼物、婚礼现场播放、纪念日惊喜的作品

1.3 系统边界

当前系统 B 只做：

真人照片 → 婚礼韩漫 / 婚礼图集 / 婚礼视频 / 多世界纪念视频

当前纳入范围

真人照片上传
照片质量检测
人物身份建立
人像一致性控制
风格模板选择
世界观模板选择
场景模板选择
分镜 / 镜头生成
图像生成
简单视频合成
字幕 / 旁白 / 音乐
用户预览确认
成品交付下载
修改 / 返工流程
后台模板管理
后台任务管理

当前不优先做

自动发布到抖音、小红书、快手
完整商城系统
小程序分销
多商户系统
真人语音克隆
超复杂电影级长视频
直播带货链路
企业级 API 开放平台

2. 长期架构原则：为后续与系统 A 合并做准备

虽然当前按两个系统开发：

系统 A：原创小说 → 韩漫 / 漫剧
系统 B：真人照片 → 婚礼韩漫 / 视频

但系统 B 从第一天开始就要遵守平台化设计，后续可以合并到统一的 AI 内容生成平台。

2.1 可复用公共能力

后续系统 A 和系统 B 可共用：

用户系统
订单系统
文件上传系统
资源管理系统
模板系统
Prompt 组装系统
AI Provider 抽象层
图像生成任务队列
视频合成任务队列
TTS / BGM / 字幕模块
审核与返工流程
存储与交付系统
日志与成本统计系统

2.2 系统 B 特有能力

系统 B 特有能力包括：

真人照片质量检测
双人人物身份映射
人脸一致性控制
婚礼世界观模板
婚礼场景模板
婚礼文案模板
多世界时空婚礼编排
套餐化交付逻辑
用户肖像授权逻辑

这些能力未来可抽成「真人照片定制插件模块」。

3. 用户对象与使用场景

3.1 用户对象

情侣
夫妻
婚礼新人
婚庆公司
影楼 / 摄影工作室
纪念日礼物用户
父母金婚银婚纪念用户
自媒体案例展示与接单方

3.2 核心使用场景

结婚纪念视频
婚礼现场播放视频
求婚预热视频
情侣纪念日礼物
父母金婚 / 银婚纪念片
情侣韩漫写真
多朝代穿越婚礼视频
修仙 / 科幻 / 架空世界婚礼图集
小红书 / 抖音案例展示
婚庆公司增值服务

4. 产品形态与套餐形态

4.1 输出形态 A：图集版

输出内容：

6~20 张成品图
高清图下载
封面图
可选水印版 / 无水印版

适合：

情侣写真
古风写真
韩漫情侣图
朋友圈 / 小红书展示

4.2 输出形态 B：短视频版

输出内容：

30~60 秒短视频
9:16 / 16:9 / 1:1
配乐
字幕
简单运镜
简单转场

适合：

抖音
小红书
视频号
纪念日礼物

4.3 输出形态 C：时空婚礼纪念片

输出内容：

1~3 分钟视频
多世界 / 多朝代组合
专属旁白
誓言文案
片头片尾
图集 + 视频交付

适合：

婚礼现场播放
父母金婚银婚
高客单价定制
婚庆公司合作

4.4 套餐建议

套餐 1：标准图集

1 个主题
1 个世界观
3 个场景
6~12 张图
1 次小修改

套餐 2：短视频版

1~3 个世界观
3~6 个场景
10~20 张图
30~60 秒视频
BGM + 字幕
1 次小修改

套餐 3：时空婚礼版

5~10 个世界观
每个世界 1~3 个场景
20~50 张图
1~3 分钟视频
旁白 + 字幕 + 片头片尾
2 次修改

套餐 4：高端定制版

用户自由描述
专属文案
专属誓言
多轮修改
高质量精修图
高质量视频
人工审核

5. 风格与世界观体系设计

5.1 视觉风格层 Style

第一阶段建议主打：

韩漫风
半写实古风
国风插画风
电影写实风

后续可扩展：

Q 版趣味风
日漫风
儿童绘本风
史诗奇幻风
赛博朋克风

5.2 世界观层 World Template

系统不能只做「朝代」，而要做「世界观模板」。

类目 1：历史朝代系

汉朝婚礼
唐朝婚礼
宋朝婚礼
明朝婚礼
清朝婚礼
民国婚礼

类目 2：仙侠修真系

仙门大婚
九重天婚礼
桃花仙境婚礼
宗门大典
凤族神婚
龙宫婚礼
剑仙世界

类目 3：未来科幻系

星际婚礼
宇宙飞船婚礼
月球基地婚礼
全息圣殿婚礼
赛博都市婚礼
未来机械王朝

类目 4：趣味脑洞系

恐龙时代婚礼
原始部落婚礼
海底王国婚礼
云端王国婚礼
精灵森林婚礼
猫猫王国婚礼

类目 5：架空奇幻系

魔法王朝婚礼
蒸汽王国婚礼
神话天宫婚礼
神秘雪国婚礼
暗夜王族婚礼

6. 场景模板设计

6.1 场景模板是什么

场景模板不是简单图片，而是一套可复用的生成规则。

每个场景包含：

场景名称
场景描述
服装要求
人物站位
镜头推荐
光影风格
氛围元素
支持特效
适用视觉风格
适用人生主题

6.2 明制婚礼场景示例

王府喜堂
红绸长廊
花轿迎亲
园林仪式台
洞房花烛
夜宴烟花

6.3 修仙婚礼场景示例

云海仙宫
桃花林誓言台
宗门大殿
仙舟婚典
灵兽守护山门
星河天台

6.4 未来婚礼场景示例

银河观景台
太空礼堂
光之穹顶
星舰大厅
全息圣殿
月面婚礼台

7. 镜头模板设计

每个场景下面可以有多个镜头模板。

常见镜头：

双人正面主婚照
牵手远景
对视特写
誓言镜头
行礼镜头
环境氛围镜头
走向礼台镜头
花瓣 / 光效氛围镜头
男方单人特写
女方单人特写
仪式全景
片尾定格镜头

8. 用户下单流程

8.1 流程总览

创建项目/订单
→ 上传照片
→ 照片检测与筛选
→ 选择套餐
→ 选择风格
→ 选择世界观
→ 选择场景
→ 填写定制信息
→ 系统生成脚本规划
→ 预览确认
→ 正式生成图片
→ 一致性检查与补生成
→ 生成视频
→ 质检
→ 用户确认
→ 修改/返工
→ 最终导出交付
→ 项目归档

9. 每一步详细需求

9.1 创建项目 / 订单

用户输入：

项目名称
用户昵称 / 联系方式
用途
作品类型

用途包括：

婚礼纪念
纪念日
求婚
生日礼物
父母金婚银婚

系统处理：

生成 project_id
生成默认工作流
绑定套餐配置
初始化项目状态

9.2 上传照片

双人主题建议上传

男方：

正脸清晰照 3~8 张
半身照 1~3 张
侧脸照 1~2 张，可选

女方：

正脸清晰照 3~8 张
半身照 1~3 张
侧脸照 1~2 张，可选

双人合照：

1~5 张，可选但推荐

用户提示

不要上传：

模糊照片
过度美颜
墨镜遮脸
戴口罩
逆光严重
脸部遮挡
多人混乱
分辨率太低
表情过度夸张

9.3 照片预检测与筛选

必须检测：

清晰度
人脸完整度
光照质量
人脸角度
遮挡情况
是否多人混入
重复图
低质量图
疑似角色混淆

输出结果：

合格照片列表
警告照片列表
不合格照片列表
不合格原因
补图建议

如果跳过这一步，后续会出现：

人不像本人
五官失真
男女搞混
多张图不一致
返工成本上升

9.4 人物身份建立

目标：建立系统内部的双主角身份对象。

Person A：男方 / 主体 A
Person B：女方 / 主体 B

处理内容：

汇总高质量人像样本
生成外貌描述
生成气质描述
记录发型、脸型、眼睛、肤色、是否戴眼镜、是否胡须
生成参考图列表
生成主锚点图

产出：

人物档案
人物参考图库
人物一致性锚点
Prompt 人物描述

未来系统 A 合并时，这部分可抽象为「角色库」。

9.5 套餐与输出规格选择

用户选择：

图集 / 视频 / 长视频
画幅：9:16 / 16:9 / 1:1
分辨率等级
生成数量
是否配旁白
是否配字幕
是否配背景音乐
是否带片头片尾
是否加入名字、日期、纪念文案

9.6 世界观与风格选择

用户选择：

视觉风格
世界观主题
是否自由组合多世界
每个世界选几个场景
是否固定世界顺序

组合模式：

模式 A：单主题深度版

只做一个世界，例如修仙婚礼，但做多个场景。

模式 B：多世界穿越版

例如：

汉朝
明朝
修仙
未来科技
海底王国

9.7 定制信息填写

可选输入：

双方名字
纪念日 / 结婚日期
一句话誓言
想表达的主题
文案风格
是否显示名字
是否显示日期
是否允许公开展示
特别要求

文案风格：

浪漫
庄重
梦幻
神秘
温馨
搞笑
古风
史诗

9.8 自动生成创作方案

系统生成：

作品标题
作品大纲
世界顺序
场景顺序
每个场景的镜头计划
每个镜头的画面说明
每个镜头的 Prompt
视频时长规划
旁白草稿
字幕草稿
片头片尾文案

输出给用户或运营确认。

9.9 预览确认机制

预览内容：

世界观顺序
代表风格图
人物试装预览图
场景缩略预览
文案草稿
作品预计时长

确认项：

风格是否满意
人像是否像本人
世界顺序是否满意
场景是否需要替换
文案是否需要修改

未确认前，不进入高成本正式生成。

9.10 正式图片生成

系统按镜头逐一生成：

主婚照镜头
双人仪式镜头
对视镜头
氛围镜头
特写镜头
片尾镜头

生成要求：

男女主长相稳定
同一世界服装稳定
场景设定不跑偏
画风统一
不出现多余人物
不出现乱码文字

策略：

每个世界先生成锚点主图
后续同世界镜头参考锚点图延展
重要镜头支持多次生成和人工选图
同场景多图引用相同人物设定和服装设定

9.11 一致性检查与补生成

自动检查：

男女主是否像本人
是否人脸崩坏
是否男女混脸
手部是否异常
服饰是否跑偏
场景是否错题
是否有乱码文字
是否多出第三人
肢体是否不合理

处理逻辑：

合格：入选
轻微问题：人工复核
严重问题：自动重生
多次失败：转人工处理或改模板

9.12 视频生成

视频类型分层：

A. 基础视频

图片 + 推拉镜头
转场
字幕
BGM

B. 轻动态视频

图片 + 简单图生视频
花瓣 / 光效 / 粒子
镜头轻运动

C. 高级视频

多关键帧动态
旁白
高级特效
高成本套餐

视频合成内容：

片头
主体
片尾
背景音乐
字幕
旁白
世界切换转场

9.13 音频与文案处理

背景音乐

音乐模板：

古风
浪漫钢琴
梦幻
史诗
科幻氛围
温馨家庭

注意：必须使用可商用音乐。

旁白

可选：

无旁白
系统旁白
情侣誓言型旁白
纪念文案型旁白
父母祝福型旁白

字幕

自动生成
支持名字
支持日期
支持誓言
字数必须控制，避免画面拥挤

9.14 质检

自动质检：

视频是否合成成功
音画是否同步
字幕是否出框
分辨率是否正确
文件是否可播放
封面是否生成

人工质检：

人像是否满意
风格是否符合要求
是否有明显穿帮
片段节奏是否顺
文案是否合理

高客单价套餐必须人工质检。

9.15 交付与下载

交付内容：

成品视频 MP4
封面图
图集原图
可选文案文本
可选无字幕版本
可选有字幕版本

下载方式：

项目页下载
有效期下载链接
后台归档

9.16 修改与返工机制

必须提前定义修改范围。

小改

改字幕
改名字
改日期
换音乐
换片尾文案

中改

替换 1~2 个场景
重做个别镜头
微调风格

大改

全部换主题
全部重做人设
更换整体风格
整条视频重做

规则：

标准版允许 1 次小改
高级版允许 2~3 次修改
大改重新计费或重新下单

10. 系统功能模块拆分

10.1 前台 / 用户端

创建项目
上传照片
选套餐
选风格
选世界
选场景
填文案
预览确认
查看进度
下载交付
申请修改

10.2 后台管理端

用户管理
订单管理
项目管理
模板管理
作品审核
返工处理
素材管理
视频导出管理
日志与错误处理

10.3 核心业务模块

项目编排模块
照片检测模块
人物档案模块
世界观模板模块
场景模板模块
Prompt 组装模块
图像生成模块
一致性检查模块
视频合成模块
音频模块
字幕模块
交付模块
修改申请模块
授权与隐私模块

11. 核心数据模型建议

11.1 Project

project_id
user_id
package_type
output_type
style_type
status
total_duration
created_at

11.2 PersonProfile

person_id
project_id
role_type
appearance_summary
reference_asset_ids
quality_score

11.3 Asset

asset_id
project_id
type
path
width
height
status
tags

11.4 WorldTemplate

world_id
category
title
prompt_base
style_rules
taboo_rules

11.5 SceneTemplate

scene_id
world_id
title
prompt_scene
shot_recommendation
visual_keywords

11.6 ShotPlan

shot_id
project_id
world_id
scene_id
shot_type
prompt_text
duration
sort_order

11.7 RenderTask

task_id
project_id
task_type
input_json
output_asset_id
status
retry_count
error_message

11.8 RevisionRequest

revision_id
project_id
type
request_text
status

12. 技术架构建议

12.1 推荐技术栈

后端：

Node.js
NestJS
REST API
WebSocket，后续用于进度推送

前端：

uni-app 用户端
Vue3 + Geeker-Admin 后台

数据库：

MySQL 8

队列：

Redis + BullMQ

文件存储：

MinIO
后续可切 OSS / COS / S3

视频处理：

FFmpeg

AI 模型接入：

文本模型接口层
图像模型接口层
TTS 接口层
图生视频接口层
审核接口层

部署环境：

Linux 服务器
Nginx
PM2 / systemd
Docker 可选

12.2 分层架构

接入层

uni-app 用户端
后台管理端
API 网关

业务层

用户服务
项目服务
订单服务
模板服务
人物服务
创作编排服务

AI 编排层

Prompt 服务
图像生成服务
音频生成服务
视频生成服务
质检服务

基础设施层

MySQL
Redis
Object Storage
FFmpeg Worker
日志系统

13. AI 能力抽象层设计

从第一天开始不要把模型写死，要做 Provider 抽象。

13.1 TextProvider

负责：

文案生成
分镜生成
旁白生成
字幕草稿生成

13.2 ImageProvider

负责：

预览图生成
正式图生成
局部修图
重绘

13.3 VideoProvider

负责：

图生短动态片段
高级动态镜头

13.4 VoiceProvider

负责：

旁白音频
祝福语音频

13.5 QualityCheckProvider

负责：

图片质量检测
人像一致性检测
视频质检

14. 开发阶段规划

第一阶段：MVP

目标：跑通最小闭环。

范围：

上传照片
选择 1 个风格
选择 1~3 个世界模板
选择固定场景
生成图集
合成简单视频
下载成品

特点：

不做太多自由组合
不做复杂返工系统
先让系统能交付

第二阶段：标准版

增加：

多世界组合
预览确认机制
完整模板系统
旁白与字幕
简单返工
更好的质检

第三阶段：商业版

增加：

套餐计费
修改次数控制
后台审核工作流
模板管理系统
运营案例管理
多风格输出
更高阶视频动态效果
成本统计
隐私删除流程

15. 关键踩坑点清单

15.1 人像一致性不稳

风险：

生成结果不像本人
男女脸互串
同一人多张图长相不一致

解决：

上传多张高质量参考图
做人物档案与锚点图
同一世界先生成主图再延展
重要场景增加人工选图

15.2 照片质量差导致全链路崩

风险：

人不像本人
生成失败
返工多

解决：

必做照片质检
明确上传规范
不达标必须补传

15.3 模板过度自由导致系统失控

风险：

用户全自由输入
结果风格乱
成本失控
交付不可控

解决：

前期以模板 + 少量定制为主
自由输入只做补充，不直接放到底层

15.4 返工无限膨胀

风险：

用户反复修改
生成成本爆炸

解决：

套餐定义修改次数
小改 / 中改 / 大改分级
大改重新计费

15.5 音乐版权风险

风险：

商业交付时 BGM 侵权

解决：

只使用可商用音乐库
每首音乐记录授权来源

15.6 隐私与肖像权风险

风险：

上传真人照片涉及隐私与肖像权

解决：

用户授权协议
不得默认公开展示
案例展示需单独授权
支持隐藏与删除

15.7 历史朝代风格不准确

风险：

用户对汉唐宋明清有期待
服饰乱搭会降低质感

解决：

每个历史模板做专业设定
服装、头饰、礼仪、色调固定化

15.8 视频生成成本失控

风险：

全部做高动态视频，成本、速度、稳定性都爆

解决：

第一版以图集 + FFmpeg 视频为主
关键镜头再用高级动态
高级动态只放高客单套餐

15.9 文案廉价

风险：

文案太土、太长、太网感

解决：

文案模板分风格
控制字幕长度
提供浪漫、庄重、梦幻、古风等文案模板

16. 推荐 MVP 工作流

1. 用户创建项目
2. 上传男女照片
3. 系统做照片质检
4. 用户选择套餐、风格、世界模板、场景
5. 用户填写名字、日期、文案偏好
6. 系统生成创作方案
7. 系统生成低成本预览图
8. 用户确认
9. 系统生成正式图
10. 系统合成视频
11. 系统质检
12. 用户下载成品

17. V1 结论

系统 B 第一版可以作为：

产品需求初稿
系统设计基线
Codex 开发说明骨架
后续继续细化的主文档

这版已经兼顾：

系统 B 独立运行
后续与系统 A 合并
商业定制可行
模板化与自由定制平衡
降低返工和踩坑风险

V1 后续需要继续细化：

功能清单
页面清单
状态流转
技术架构
数据库表结构
API 接口
AI 生成流水线
Codex 开发任务

20 KiB Executable File Raw Permalink Blame History

系统 B 需求设计文档（V1 完整版）

项目名称

文档目标

1. 项目定位

1.1 系统 B 是做什么的

1.2 核心卖点

1.3 系统边界

当前纳入范围

当前不优先做

2. 长期架构原则：为后续与系统 A 合并做准备

2.1 可复用公共能力

2.2 系统 B 特有能力

3. 用户对象与使用场景

3.1 用户对象

3.2 核心使用场景

4. 产品形态与套餐形态

4.1 输出形态 A：图集版

4.2 输出形态 B：短视频版

4.3 输出形态 C：时空婚礼纪念片

4.4 套餐建议

套餐 1：标准图集

套餐 2：短视频版

套餐 3：时空婚礼版

套餐 4：高端定制版

5. 风格与世界观体系设计

5.1 视觉风格层 Style

5.2 世界观层 World Template

类目 1：历史朝代系

类目 2：仙侠修真系

类目 3：未来科幻系

类目 4：趣味脑洞系

类目 5：架空奇幻系

6. 场景模板设计

6.1 场景模板是什么

6.2 明制婚礼场景示例

6.3 修仙婚礼场景示例

6.4 未来婚礼场景示例

7. 镜头模板设计

8. 用户下单流程

8.1 流程总览

9. 每一步详细需求

9.1 创建项目 / 订单

9.2 上传照片

双人主题建议上传

用户提示

9.3 照片预检测与筛选

9.4 人物身份建立

9.5 套餐与输出规格选择

9.6 世界观与风格选择

模式 A：单主题深度版

模式 B：多世界穿越版

9.7 定制信息填写

9.8 自动生成创作方案

9.9 预览确认机制

9.10 正式图片生成

9.11 一致性检查与补生成

9.12 视频生成

A. 基础视频

B. 轻动态视频

C. 高级视频

9.13 音频与文案处理

背景音乐

旁白

字幕

9.14 质检

9.15 交付与下载

9.16 修改与返工机制

小改

中改

大改

10. 系统功能模块拆分

10.1 前台 / 用户端

10.2 后台管理端

10.3 核心业务模块

11. 核心数据模型建议

11.1 Project

11.2 PersonProfile

11.3 Asset

11.4 WorldTemplate

20 KiB

Executable File

Raw Permalink Blame History