01 / CONTEXT
AI 出片只是一步，真正的难点是批量生产
LOOK 图转视频涉及素材清单、图片准备、异步生成、镜头核对、剪辑整理、外包协作和最终回传。单次调用模型并不难，难的是让每个 SKC 在多个系统间保持一致状态。
项目目标是建立一条可以批量生成、失败重生、进度查询和结果登记的生产链，让内容团队随时知道哪些任务已生成、待审核或已经回传。
02 / MY ROLE
我的工作：把异步 AI 任务接入真实生产节奏
链路设计
把主流程拆为初始化、视频制作和数据登记三个阶段，明确输入、输出和失败边界。
生成集成
接入可灵图生视频任务，处理创建、轮询、下载、镜头核对和异常状态。
生产衔接
组织粗剪素材与服务器目录，让 AI 生成结果能够继续进入人工精修与回传环节。
状态可视化
建设 FastAPI + MySQL 的 SKC 看板，并同步多维表，统一展示多品牌生产进度。
03 / PROCESS
从任务清单到多品牌看板
- 01
任务初始化
从多维表或 Excel 获取待处理 SKC，校验品牌、素材和生成规则。
- 02
素材准备
从企业云盘下载 LOOK 图包，调用视觉能力识别并按生产要求整理目录。
- 03
可灵出片
批量创建图生视频任务，轮询状态、下载结果，并核对生成镜头数量。
- 04
自动剪辑
对回传视频执行画面裁切、时长适配和素材组织，形成可继续精修的生产包。
- 05
回传看板
把成片复制到服务器，登记收片进度，并同步 MySQL 与多维表状态。
多维表 / Excel→影刀 RPA→Kling AI→自动剪辑→FastAPI 看板
外部生成异步且耗时不稳定，所以每一步的状态都要能单独查询与重跑。
04 / SCALE
链路规模
- 阶段主流程
- 3
- 步生产链路
- 5
- 品牌进度看板
- 6
数据源：链路设计与流程说明。本页描述链路结构，不列业务运营数据。
05 / REVIEW
从批量出片继续走向异常自愈
已经解决
六品牌生成、剪辑、登记和进度查看被组织到同一条可运行链路中。
核心挑战
外部 AI 任务耗时不稳定，品牌规则和素材异常也会造成批次级失败。
下一步
继续固化失败重生、自动告警、任务幂等和异常分流，让常态化运营成本更低。