Metadata-Version: 2.4
Name: neogen
Version: 0.1.0
Summary: 轻量级 Python 任务队列管理器，无需额外服务
Author-email: Haeng <helpenx@gmail.com>
License: MIT
Project-URL: Homepage, https://github.com/neopen/task-queue-manager
Project-URL: Repository, https://github.com/neopen/task-queue-manager
Project-URL: Documentation, https://github.com/neopen/task-queue-manager#README
Keywords: task,queue,async,job,scheduler,neogen
Requires-Python: >=3.8
Description-Content-Type: text/markdown
License-File: LICENSE
Requires-Dist: filelock>=3.12.0
Provides-Extra: ui
Requires-Dist: fastapi>=0.100.0; extra == "ui"
Requires-Dist: uvicorn>=0.23.0; extra == "ui"
Provides-Extra: dev
Requires-Dist: pytest>=7.0.0; extra == "dev"
Requires-Dist: black>=23.0.0; extra == "dev"
Dynamic: license-file

video-gen-agent 是专为高保真、多模态内容创作设计的智能生成执行引擎。作为 video-shot-agent 生态中的核心“创作者”，它负责将结构化的分镜脚本、文本描述及风格参考，转化为电影级画质的静态图像与动态视频。
不同于传统的简单 API 调用器，video-gen-agent 是一个具备模型路由、参数自适应与多步推理能力的智能体，能够根据剧本需求自动选择最优生成策略，确保每一帧画面都精准还原创意构想。
🚀 核心使命
在 AI 视频生成的复杂工作流中，video-gen-agent 充当了“全能画师 + 技术导演”的角色：
多模态转化 (Multimodal Translation)：无缝衔接文本（Prompt）、图像（Reference）与控制信号（ControlNet/Depth），实现从抽象概念到具象视觉的精准映射。
动态模型路由 (Dynamic Model Routing)：根据场景需求（如“写实真人”、“二次元动漫”、“3D 渲染”），自动调度最合适的底层模型（如 Sora, Kling, Runway Gen-3, Flux, Stable Video Diffusion 等）。
可控性增强 (Controllable Generation)：通过集成姿态控制、深度图引导及面部一致性算法，解决传统生成中的“随机性”痛点，实现角色、动作与构图的精确可控。
🔍 主要功能模块
1. 智能提示词工程 (Smart Prompt Engineering)
语义增强：接收 video-shot-agent 输出的简略分镜描述，自动扩展为包含光影、镜头语言、材质细节的高质量 Prompt。
负面约束优化：根据目标风格，自动注入针对性的 Negative Prompts（如“低质量、变形、模糊”），从源头提升出图率。
多语言适配：支持全球主流语言的输入，自动翻译并优化为英文提示词以适配主流模型。
2. 自适应模型调度 (Adaptive Model Orchestration)
场景感知路由：
高动态场景（如爆炸、奔跑）：自动调用高帧率、强运动一致性的视频模型。
高细节场景（如文字特写、复杂纹理）：自动切换至高分辨率图像模型 + 视频插值工作流。
角色驱动场景：优先启用支持 Character Reference (角色参考) 的专用模型。
成本/速度平衡：根据用户配置的优先级（“极速模式”或“极致画质模式”），动态调整采样步数、分辨率及模型版本。
3. 高级一致性控制 (Advanced Consistency Control)
角色锁定 (Character Locking)：利用 IP-Adapter 或 InsightFace 技术，确保同一角色在不同镜头、不同时间段内保持面部特征、发型及服装的高度一致。
时空连贯性 (Spatio-Temporal Coherence)：在长视频生成中，应用光流引导与潜空间插值技术，消除画面闪烁与物体突变，确保动作流畅自然。
结构化引导：支持上传草图、深度图或姿态骨架，严格约束生成内容的构图与动作轨迹，实现“指哪打哪”。
4. 生成后处理流水线 (Post-Generation Pipeline)
超分与修复：内置自动超分辨率（Upscale）与面部修复（Face Restore）模块，确保输出达到 4K 广播级标准。
帧率插值：将原生低帧率视频平滑插值至 60fps，提升观影流畅度。
元数据嵌入：自动将生成参数、模型版本、Prompt 信息写入视频元数据，便于后续追溯与 video-audit-agent 审查。
🛠️ 技术架构亮点
插件化模型后端：支持热插拔接入最新的开源与闭源模型，无需重构核心代码即可享受技术红利。
并行生成集群：支持分布式任务队列，可并发处理多个分镜片段，大幅缩短长视频制作周期。
反馈学习机制：记录 video-audit-agent 的驳回原因，自动微调后续生成的参数策略，形成“生成 - 审查 - 优化”的闭环进化。
📦 适用场景
AI 电影/短剧制作：批量生成保持角色一致的连续镜头。
广告创意可视化：快速将文案转化为多种风格的故事板或成品视频。
游戏资产生成：制作角色立绘、过场动画及动态背景。
教育/科普内容：将抽象的科学概念转化为直观的动态演示视频。
video-gen-agent —— 让创意不再受限于技术壁垒，是您构建可控、高效、高质量AIGC 视频生产线的核心动力引擎。
生态定位：
video-shot-agent (大脑：规划) ➡️ video-gen-agent (双手：创造) ➡️ video-audit-agent (眼睛：把关)
