|
| 1 | +# 视频档案框架 v2：四维解耦重新设计 |
| 2 | + |
| 3 | +**状态**: 2026-08-21 头脑风暴定稿（会话 33 实证驱动），待立项——登记 [需求池 REQ-188~193](../product/requirements-pool.md)； |
| 4 | +关联 [brainstorming-video-profile-detection.md](./brainstorming-video-profile-detection.md)（13 类检测改进候选，v2 为"抛开现有代码"的重新设计）。 |
| 5 | + |
| 6 | +## 基本信息 |
| 7 | + |
| 8 | +| 字段 | 内容 | |
| 9 | +|------|------| |
| 10 | +| 主题 | 视频类型档案（VideoProfile）框架重新设计：形态 × 画面价值 × 领域 × 语言 四维解耦 | |
| 11 | +| 日期 | 2026-08-21 | |
| 12 | +| 动机 | 现有 13 类档案的"教学形态"与"画面参数"耦合，导致会话 33（动画科普）检测失败且无法表达 | |
| 13 | +| 原则 | 抛开现有代码约束，从第一性原理重新设计；维度独立降级；本地无 ML 边界内可落地 | |
| 14 | + |
| 15 | +--- |
| 16 | + |
| 17 | +## 1. 动机：会话 33 实证 |
| 18 | + |
| 19 | +### 真实案例数据（本地数据库 entropy.db，session 33） |
| 20 | + |
| 21 | +| 维度 | 数据 | |
| 22 | +|------|------| |
| 23 | +| 标题 | 你长大了，该了解公积金了（B站 · 阿强动画） | |
| 24 | +| 内容 | 动画故事化科普：小马买房的公积金知识（115s，25 段转写/624 字） | |
| 25 | +| 检测结果 | `unknown`（会话开始时的状态）——13 类无匹配 | |
| 26 | +| OCR | 215 块：标题卡/要点卡/分区标签（`知识科普|经济管理|提升自己`）/防骗提示 | |
| 27 | +| 记忆库 | 会话结束后该标题已有 `lecture` 确认条目（确认在开始之后，时序缺口实证） | |
| 28 | + |
| 29 | +### 暴露的三个系统性问题 |
| 30 | + |
| 31 | +1. **"动画科普"类型缺失**：现有 13 类是"教学形态轴"，无"呈现形式轴"（动画/真人/录屏/图文/板书）。 |
| 32 | + 动画科普的画像：画面切换频繁（动画帧）→ 若接入帧切换率信号会被误判 hands-on；文字卡片密度高 → |
| 33 | + talking-head 的 `ocr_weight=0.1` 严重低估画面价值。 |
| 34 | +2. **维度耦合**：13 类一张表同时决定产物模板（形态语义）与画面参数（采样/OCR/存储）—— |
| 35 | + "talking-head"既表达"观点表达"又隐含"画面无信息"，无法表达"解说 × 高画面价值"组合。 |
| 36 | +3. **检测时序缺口**：开始前仅标题信号 → 会话以 unknown 跑完；确认发生在会话后，记忆回填但为时已晚。 |
| 37 | + |
| 38 | +--- |
| 39 | + |
| 40 | +## 2. 框架 v2 设计：四维 + 一变体 |
| 41 | + |
| 42 | +``` |
| 43 | +检测输出 = 形态(7) × 画面价值(4) × 领域(粗15+细开放) × 语言(预留) |
| 44 | + ↓ ↓ ↓ ↓ |
| 45 | + 产物模板 画面参数 内容增强 ASR 模型 |
| 46 | + （独立表） （独立表） （词表/区域预期） （后续版本） |
| 47 | +
|
| 48 | +叙事结构 = 产物模板内部变体（故事线/结构化条目/直接教学） |
| 49 | +``` |
| 50 | + |
| 51 | +### 2.1 维度①：内容形态（7 类，决定产物模板） |
| 52 | + |
| 53 | +| 形态 | 定义 | 产物模板 | |
| 54 | +|------|------|---------| |
| 55 | +| 讲授 lecture | 连续系统讲解（课程/讲座/精读） | 讲义式（章节+要点+术语+小结） | |
| 56 | +| 实操 hands-on | 步骤化操作示范（含跟练/游戏教程） | 步骤卡（关键帧×语音段） | |
| 57 | +| 解说 explainer | 知识科普/观点表达（真人或动画） | 叙事线+要点提取（会话 33 归属） | |
| 58 | +| 对话 dialog | 多人交流（访谈/会议/对谈） | 纪要式（QA/决策/待办） | |
| 59 | +| 题目 exercise | 习题/真题演练 | 题面+讲解对 | |
| 60 | +| 代码 coding | 编程构建 | 代码块重建+讲解 | |
| 61 | +| 音频 audio | 纯音频/弱画面（播客/有声书） | 摘要文 | |
| 62 | + |
| 63 | +### 2.2 维度②：画面信息价值（4 档，决定采样/OCR/存储） |
| 64 | + |
| 65 | +| 档位 | 特征 | 采样 | OCR 权重 | 存储 | |
| 66 | +|------|------|------|---------|------| |
| 67 | +| 高 rich | 板书/代码/题面/表格 | 全帧高频(2s) | 1.0 | ImageFirst | |
| 68 | +| 中 medium | 动画图文/录屏 UI/PPT | 中频(5-10s) | 0.7 | Balanced | |
| 69 | +| 低 low | 真人口播/访谈 | 低频(30s) | 0.1 | TextFirst | |
| 70 | +| 无 none | 纯音频 | 跳过画面链 | 0 | — | |
| 71 | + |
| 72 | +**检测规则**（本地、无 ML，三信号加权投票，复用 vote_detect 范式）： |
| 73 | + |
| 74 | +| 观测信号 | 高 rich | 中 medium | 低 low | 无 none | |
| 75 | +|---------|---------|----------|--------|---------| |
| 76 | +| 帧切换率 | 中高（板书书写/翻页） | 高（动画）或中低（PPT） | 低（<5/分） | — | |
| 77 | +| OCR 文字密度 | 高（持续满屏文字） | 中（间歇文字卡） | 低（字幕为主） | 0 | |
| 78 | +| 区域构成 | table/code/公式区占比高 | 图文混排 | 几乎无区域 | — | |
| 79 | + |
| 80 | +**时间轴策略**（用户裁决 2026-08-21）： |
| 81 | +- 开始前：默认「中档」+ 诚实声明（不设默认则会话初期采样可能错——动画视频前 2 分钟按低档采样即丢失） |
| 82 | +- 会话中：每 2-3 分钟重评一次（约 40-60 帧观测窗口；短视频 2 分钟内定档，长视频可感知内容变化如片头动画→正片板书） |
| 83 | +- **升档**（低→中/高）：静默生效（更积极的采样无损失） |
| 84 | +- **降档**（高→中/低）：提示用户确认（降采样可能丢信息，需用户裁决） |
| 85 | +- 维度独立：画面档位检测不依赖形态检测（帧切换率/OCR 密度是纯画面观测）——形态 unknown 时画面档照常生效 |
| 86 | + |
| 87 | +### 2.3 维度③：内容领域（粗+细两级，决定内容增强） |
| 88 | + |
| 89 | +- **粗领域（10-15 个，带参数）**：经济/编程/数学/语言/化妆美妆/健身运动/法律/医学健康/职场技能/设计创意/音乐/手工… |
| 90 | + - 每领域内置种子词表（20-50 词，覆盖 hotwords/区域预期/术语筛选） |
| 91 | +- **细标签（开放）**：平台标签原文/术语频率自动命中（"公积金"不必枚举） |
| 92 | + |
| 93 | +**作用链**（与现有能力接线）： |
| 94 | +``` |
| 95 | +领域标签（经济管理） |
| 96 | + ├─→ hotwords 预热：VocabManager 通道（REQ-040）→ ASR 命中率↑ |
| 97 | + ├─→ 术语表构建：产物 glossary 用领域词表筛选高频词 |
| 98 | + ├─→ 区域预期：数学→公式区权重↑；代码→code 区；白板→板书区 |
| 99 | + └─→ 记忆关联：同领域不同视频共享词表 |
| 100 | +``` |
| 101 | + |
| 102 | +**来源（按可靠性排序）**：① 平台分区标签（B站 OCR）→ ② 标题领域词 → ③ 用户确认（检测卡下拉，一次确认进记忆）→ ④ 会话中术语频率自动补全。 |
| 103 | + |
| 104 | +**降级原则**：开始前有则生效、无则空领域（不阻塞）；会话中自动补全；领域错判代价低，无需确认门禁，用户可随时改。 |
| 105 | + |
| 106 | +### 2.4 维度④：语言（预留） |
| 107 | + |
| 108 | +中文/英文/中英混合 → ASR/标点模型选择。当前中文单语，仅设计上预留字段，不实施。 |
| 109 | + |
| 110 | +### 2.5 叙事结构（产物模板变体，非独立维度） |
| 111 | + |
| 112 | +故事化叙事（会话 33 的小马故事）→ 讲义/摘要模板的"叙事线 + 要点提取"变体：保留叙事主线，同时提取结构化要点 |
| 113 | +（"1、公积金贷款利息低 2、其他情况可取出"）。检测特征：专有名词角色 + 口语故事化转折词。 |
| 114 | + |
| 115 | +--- |
| 116 | + |
| 117 | +## 3. 信号体系（含平台适配） |
| 118 | + |
| 119 | +``` |
| 120 | +信号来源分层： |
| 121 | +┌─ 通用层（任何平台都有）──────────────┐ |
| 122 | +│ 窗口标题 / URL / 进程名 / 帧切换率 │ |
| 123 | +│ / 语速 / 停顿 / OCR 文字密度/区域构成 │ |
| 124 | +├─ 平台层（各平台特有，适配器解析）───────┤ |
| 125 | +│ B站：分区标签、防骗提示、视频类型 │ |
| 126 | +│ 网课平台：机构名、课程名+章节、讲师 │ |
| 127 | +│ 本地文件：文件路径、目录名（常含分类） │ |
| 128 | +│ 独立播放器：无平台信号 → 纯内容信号 │ |
| 129 | +└──────────────────────────────────┘ |
| 130 | +``` |
| 131 | + |
| 132 | +- **轻量平台适配器（①）**：`detect_video_profile` 增加 `platform` 输入（前端从窗口标题/进程名推断： |
| 133 | + 含"哔哩哔哩"→bilibili；含"学堂在线"→mooc…）；初期实现 bilibili（分区标签→领域+画面暗示）与 local（文件路径→关键词投票+路径语义）两个适配器；无平台信号时零回归 |
| 134 | +- **OCR 标签通用化（③）**：画面内标签/标题卡文字作为通用 OCR 信号接入投票（词表映射扩展），不依赖平台枚举 |
| 135 | +- **会话观测**：OCR 密度/区域构成 → 画面档位；术语频率 → 领域补全 |
| 136 | + |
| 137 | +--- |
| 138 | + |
| 139 | +## 4. 交互设计：检测卡 v2（三维一体卡） |
| 140 | + |
| 141 | +``` |
| 142 | +┌─ 视频档案 ────────────────────────┐ |
| 143 | +│ 检测为： │ |
| 144 | +│ 📖 解说 🎨 动画画面 🏷 经济管理 │ |
| 145 | +│ （置信 72% · 点击可调整） │ |
| 146 | +│ 会话中将自动观测：画面价值 / 领域标签 │ |
| 147 | +└───────────────────────────────────┘ |
| 148 | +``` |
| 149 | + |
| 150 | +- 三维（形态/画面/领域）各自可点击下拉修改；修改任一维 → 记忆偏好（同标题/同系列下次直接生效） |
| 151 | +- 置信不足的维度高亮"待确认"；未知维度显示"识别中"（不阻塞会话开始） |
| 152 | +- **档案卡不含"开始捕获"按钮**（用户裁决：开始捕获属于课堂助手采集控制区，档案卡只负责检测与确认） |
| 153 | +- 错判代价决定询问门禁：形态（产物模板错）置信低必问；画面价值（开始前默认中档）通常不问； |
| 154 | + 领域（增强项）不问可改 |
| 155 | + |
| 156 | +--- |
| 157 | + |
| 158 | +## 5. 与现有系统的映射（实施参考） |
| 159 | + |
| 160 | +| 现有 13 类 | 新 7 类 | 画面档 | |
| 161 | +|-----------|--------|--------| |
| 162 | +| lecture | 讲授 | 中（板书时升档） | |
| 163 | +| hands-on / follow-along / game-tutorial | 实操 | 中-高 | |
| 164 | +| talking-head / 动画科普（会话 33） | 解说 | 低（动画升中） | |
| 165 | +| interview / meeting | 对话 | 低 | |
| 166 | +| exercise | 题目 | 高 | |
| 167 | +| coding | 代码 | 高 | |
| 168 | +| podcast / live | 音频 | 无 | |
| 169 | +| whiteboard | 讲授（画面档=高） | 高 | |
| 170 | + |
| 171 | +迁移要点：记忆库 kind 字段映射；档案配置参数拆解到「7 形态 × 4 画面档」矩阵（产物模板表 + 画面参数表）； |
| 172 | +现有消费端（融合/产物/存储）契约保持，改检测与档案查表层。 |
| 173 | + |
| 174 | +--- |
| 175 | + |
| 176 | +## 6. 需求登记（REQ-188~193） |
| 177 | + |
| 178 | +见 [requirements-pool.md](../product/requirements-pool.md)「v0.9.0 · 视频档案框架 v2（规划中）」章节。 |
| 179 | + |
| 180 | +--- |
| 181 | + |
| 182 | +## 7. 参考 |
| 183 | + |
| 184 | +- 会话 33 真实数据：本地数据库 `entropy.db`（2026-08-21 核查） |
| 185 | +- [brainstorming-video-profile-detection.md](./brainstorming-video-profile-detection.md)（13 类检测改进候选，v2 的前提分析） |
| 186 | +- [video-data-extraction-inventory.md](./video-data-extraction-inventory.md)（六层数据提取清单：A4 语速/A5 停顿/C4 帧切换/B1 字幕/C1 OCR 均已有落库） |
| 187 | +- 需求池 [REQ-043](../product/requirements-pool.md)（视频类型档案 v1） |
0 commit comments