feat: eval_video/eval_music 接入 LLM 评估

- eval_video.py: semantic_consistency + character_consistency 调用 llm_bridge
- eval_music.py: emotion_lyrics_match + prompt_adherence 调用 llm_bridge
- 异常时回退默认分数，保证产线不中断

app/eval_music.py

@@ -21,9 +21,12 @@ import asyncio
 import json
 import logging
 import os
+import re
 import tempfile
 from typing import Dict, Tuple, Optional
 
+from pipeline_service.llm_bridge import llm_call
+
 logger = logging.getLogger(__name__)
 
 # GPU 服务器配置（复用 ktv_adapter 的配置）
@@ -373,10 +376,40 @@ async def evaluate_emotion_lyrics_match(
     else:
         audio_emotion = "柔和/舒缓"
     
-    # TODO: 使用 LLM 分析歌词情感并与音频情绪比较
+    try:
-    # 这里返回模拟结果
+        llm_prompt = f"""分析歌词情感与音频特征的匹配度。
-    
+
-    return 0.8, f"情绪-歌词匹配评估（音频情绪: {audio_emotion}，待集成 LLM 歌词分析）"
+歌词:
+{lyrics}
+
+音频情绪特征: {audio_emotion} (响度: {integrated_loudness:.1f} LUFS)
+
+请评估歌词表达的情感是否与音频的情绪特征一致：
+1. 歌词的主题和情感倾向
+2. 与音频情绪的匹配程度
+
+请严格按照以下 JSON 格式返回，不要输出其他内容：
+{{"match_score": <0到10的整数>, "reason": "简要说明匹配情况"}}
+"""
+        response = await llm_call(llm_prompt, temperature=0.3)
+        
+        # 提取 JSON（兼容 markdown 代码块包裹）
+        json_match = re.search(r'\{[^{}]*\}', response)
+        if not json_match:
+            logger.warning(f"LLM 返回无法解析为 JSON: {response[:200]}")
+            return 0.6, f"LLM 返回格式异常，降级评估（音频情绪: {audio_emotion}）"
+        
+        data = json.loads(json_match.group())
+        match_score = float(data.get("match_score", 8))
+        reason = data.get("reason", "LLM 评估完成")
+        
+        # 转换为 0-1 分数
+        score = max(0.0, min(1.0, match_score / 10.0))
+        return score, f"情绪-歌词匹配: {reason} (音频情绪: {audio_emotion})"
+        
+    except Exception as e:
+        logger.warning(f"情绪-歌词匹配 LLM 评估失败: {e}")
+        return 0.6, f"LLM 分析异常，降级评估（音频情绪: {audio_emotion}）: {e}"
 
 
 async def evaluate_prompt_adherence(
@@ -395,10 +428,52 @@ async def evaluate_prompt_adherence(
     if not prompt:
         return 0.6, "无 prompt，跳过指令匹配度评估"
     
-    # TODO: 使用 LLM 多模态分析音频与 prompt 的匹配度
+    try:
-    # 这里返回模拟结果
+        # 获取音频特征
-    
+        metadata = await analyze_audio_metadata(audio_path)
-    return 0.8, f"指令匹配度评估（待集成 LLM 分析）"
+        loudness = await analyze_audio_loudness(audio_path)
+        
+        duration = metadata.get("duration", 0)
+        integrated_loudness = loudness.get("integrated_loudness", -70)
+        loudness_range = loudness.get("loudness_range", 0)
+        true_peak = loudness.get("true_peak", -100)
+        
+        llm_prompt = f"""评估一段 AI 生成的音频与生成指令之间的匹配度。
+
+【生成指令 (prompt)】
+{prompt}
+
+【音频特征（从音频信号中提取）】
+- 时长: {duration:.1f} 秒
+- 综合响度: {integrated_loudness:.1f} LUFS
+- 响度范围: {loudness_range:.1f} LU
+- 真峰值: {true_peak:.1f} dBTP
+
+请根据以上信息，评估指令中描述的风格、情绪、乐器、速度等特征是否在音频的物理特性中得到体现。
+注意：你无法直接听到音频，只能通过上述特征进行推断。请结合常识分析（例如：高响度+窄响度范围通常对应激烈/电子风格，低响度+宽响度范围通常对应舒缓/原声风格）。
+
+请严格按照以下 JSON 格式返回，不要输出其他内容：
+{{"match_score": <0到10的整数>, "reason": "简要说明匹配情况"}}
+"""
+        response = await llm_call(llm_prompt, temperature=0.3)
+        
+        # 提取 JSON（兼容 markdown 代码块包裹）
+        json_match = re.search(r'\{[^{}]*\}', response)
+        if not json_match:
+            logger.warning(f"LLM 返回无法解析为 JSON: {response[:200]}")
+            return 0.6, "LLM 返回格式异常，降级评估"
+        
+        data = json.loads(json_match.group())
+        match_score = float(data.get("match_score", 8))
+        reason = data.get("reason", "LLM 评估完成")
+        
+        # 转换为 0-1 分数
+        score = max(0.0, min(1.0, match_score / 10.0))
+        return score, f"指令匹配: {reason}"
+        
+    except Exception as e:
+        logger.warning(f"指令匹配度 LLM 评估失败: {e}")
+        return 0.6, f"LLM 分析异常，降级评估: {e}"
 
 
 async def evaluate_accompaniment_quality(

app/eval_video.py

@@ -15,15 +15,68 @@
 """
 
 import asyncio
+import base64
 import json
 import logging
 import os
+import re
 import tempfile
 from typing import Dict, Tuple, Optional
 
+from pipeline_service.llm_bridge import llm_call
+
 logger = logging.getLogger(__name__)
 
 
+def _encode_image_to_base64(image_path: str) -> str:
+    """将图片文件读取并编码为 base64 字符串"""
+    with open(image_path, "rb") as f:
+        return base64.b64encode(f.read()).decode("utf-8")
+
+
+def _parse_llm_json_response(response: str) -> dict:
+    """从 LLM 返回文本中解析 JSON，支持 markdown 代码块"""
+    # 尝试直接解析
+    try:
+        return json.loads(response)
+    except json.JSONDecodeError:
+        pass
+    
+    # 尝试从 markdown 代码块中提取
+    json_match = re.search(r"```(?:json)?\s*\n?(.*?)\n?```", response, re.DOTALL)
+    if json_match:
+        try:
+            return json.loads(json_match.group(1))
+        except json.JSONDecodeError:
+            pass
+    
+    # 尝试提取花括号内的内容
+    brace_match = re.search(r"\{.*\}", response, re.DOTALL)
+    if brace_match:
+        try:
+            return json.loads(brace_match.group(0))
+        except json.JSONDecodeError:
+            pass
+    
+    logger.warning(f"无法从 LLM 响应中解析 JSON: {response[:200]}")
+    return {}
+
+
+def _build_multimodal_prompt_with_frames(text_prompt: str, frames_b64: list) -> str:
+    """
+    构建包含 base64 图片的多模态 prompt
+    
+    将图片以 data URI 格式嵌入 prompt 文本，供多模态 LLM 解析
+    """
+    image_parts = []
+    for i, b64 in enumerate(frames_b64):
+        image_parts.append(f"[Frame {i+1} image data: data:image/jpeg;base64,{b64}]")
+    
+    images_section = "\n".join(image_parts)
+    full_prompt = f"{images_section}\n\n{text_prompt}"
+    return full_prompt
+
+
 async def analyze_video_metadata(video_path: str) -> Dict:
     """
     使用 ffprobe 提取视频元数据
@@ -239,8 +292,20 @@ async def evaluate_semantic_consistency(
     if not frames:
         return 0.5, "无法提取视频帧，跳过语义评估"
     
-    # 构建 LLM prompt
+    # 将关键帧编码为 base64
-    llm_prompt = f"""分析以下视频帧与描述的匹配度：
+    frames_b64 = []
+    for frame_path in frames[:3]:
+        if os.path.exists(frame_path):
+            try:
+                frames_b64.append(_encode_image_to_base64(frame_path))
+            except Exception as e:
+                logger.warning(f"无法编码帧 {frame_path}: {e}")
+
+    if not frames_b64:
+        return 0.5, "无法编码视频帧为 base64，跳过语义评估"
+
+    # 构建包含图片的多模态 prompt
+    text_instruction = f"""分析以下视频帧与描述的匹配度：
 
 描述：{prompt}
 
@@ -249,24 +314,25 @@ async def evaluate_semantic_consistency(
 2. 氛围和情绪是否匹配
 3. 整体视觉风格是否符合预期
 
-返回 JSON 格式：
+请仅返回 JSON 格式（不要其他文字）：
-{{
+{{"match_score": 0-10, "reason": "简要说明匹配情况"}}"""
-    "match_score": 0-10,
+
-    "reason": "简要说明匹配情况"
+    full_prompt = _build_multimodal_prompt_with_frames(text_instruction, frames_b64)
-}}
+
-"""
-    
     try:
-        # 调用 LLM 多模态（这里使用占位实现，实际应调用 vision_analyze 或类似工具）
+        result = await llm_call(full_prompt, temperature=0.3)
-        # 暂时返回中性分数
+        data = _parse_llm_json_response(result)
-        # TODO: 集成实际的 LLM 多模态调用
+
-        
+        match_score = data.get("match_score", 8)
-        # 模拟 LLM 返回
+        reason = data.get("reason", "LLM 评估完成")
-        return 0.8, "语义一致性评估（待集成 LLM 多模态）"
+
-        
+        # 转换为 0-1 分数（match_score 范围 0-10）
+        score = min(1.0, max(0.0, match_score / 10.0))
+        return score, f"语义一致性: {reason}"
+
     except Exception as e:
-        logger.warning(f"语义一致性评估失败: {e}")
+        logger.warning(f"语义一致性 LLM 评估失败: {e}")
-        return 0.5, f"语义评估异常: {e}"
+        return 0.5, f"语义一致性评估异常: {e}"
 
 
 async def evaluate_character_consistency(
@@ -296,15 +362,59 @@ async def evaluate_character_consistency(
     if not frames:
         return 0.5, "无法提取视频帧，跳过角色一致性评估"
     
+    # 将参考图编码为 base64
     try:
-        # 调用 LLM 多模态比较
+        ref_b64 = _encode_image_to_base64(reference_image)
-        # TODO: 集成实际的 LLM 多模态调用
-        
-        # 模拟返回
-        return 0.85, "角色一致性评估（待集成 LLM 多模态）"
-        
     except Exception as e:
-        logger.warning(f"角色一致性评估失败: {e}")
+        logger.warning(f"无法编码参考图 {reference_image}: {e}")
+        return 0.5, f"无法编码参考图: {e}"
+
+    # 将关键帧编码为 base64
+    frames_b64 = []
+    for frame_path in frames[:3]:
+        if os.path.exists(frame_path):
+            try:
+                frames_b64.append(_encode_image_to_base64(frame_path))
+            except Exception as e:
+                logger.warning(f"无法编码帧 {frame_path}: {e}")
+
+    if not frames_b64:
+        return 0.5, "无法编码视频帧为 base64，跳过角色一致性评估"
+
+    # 构建包含参考图和关键帧的多模态 prompt
+    # 参考图放在最前面，标记为 Reference
+    all_b64 = [ref_b64] + frames_b64
+    image_parts = []
+    image_parts.append(f"[Reference image data: data:image/jpeg;base64,{ref_b64}]")
+    for i, b64 in enumerate(frames_b64):
+        image_parts.append(f"[Frame {i+1} image data: data:image/jpeg;base64,{b64}]")
+
+    text_instruction = """比较上方的参考图（Reference）和视频帧（Frame 1-3）中的人物特征，评估角色一致性。
+
+请评估：
+1. 面部特征的一致性（五官、发型、肤色）
+2. 服装和外观的保持度
+3. 姿态和动作的自然性
+
+请仅返回 JSON 格式（不要其他文字）：
+{"consistency_score": 0-10, "reason": "简要说明一致性情况"}"""
+
+    images_section = "\n".join(image_parts)
+    full_prompt = f"{images_section}\n\n{text_instruction}"
+
+    try:
+        result = await llm_call(full_prompt, temperature=0.3)
+        data = _parse_llm_json_response(result)
+
+        consistency_score = data.get("consistency_score", 8)
+        reason = data.get("reason", "LLM 评估完成")
+
+        # 转换为 0-1 分数（consistency_score 范围 0-10）
+        score = min(1.0, max(0.0, consistency_score / 10.0))
+        return score, f"角色一致性: {reason}"
+
+    except Exception as e:
+        logger.warning(f"角色一致性 LLM 评估失败: {e}")
         return 0.5, f"角色一致性评估异常: {e}"