pipeline-ktv — KTV产线适配器

KTV产线的step_type和handler适配器，独立于pipeline-service核心引擎。

定位

• pipeline-service: 底层引擎（DAG调度、状态机、存储），稳定不变
• pipeline-ktv: 业务适配器（17个KTV步骤处理器），独立演进

架构

宿主应用 (pipeline-app)
  │
  ├── load_pipeline_service()    ← 加载引擎
  └── load_ktv_adapter()         ← 加载KTV适配器
        ├── register_step_type() × 17  ← 注册步骤类型元数据
        └── register_handler()  × 17  ← 注册步骤处理器

使用方式

from pipeline_service import load_pipeline_service
from pipeline_ktv import load_ktv_adapter

# 1. 加载引擎（只加载一次）
load_pipeline_service()

# 2. 加载KTV适配器
load_ktv_adapter()

# 3. 正常使用产线API
env = ServerEnv()
await env.pipeline_submit(tenant_id, ktv_pipeline_id, owner_id, title, params)

步骤类型

模式A — 音频→KTV（最常见）

audio_preparing → demucs_separating → lyric_calibrating → subtitle_rendering
                                                        → music_generating → music_polling
                                                        → character_designing → character_image_generating
                                                        → storyboard_generating → scene_video_generating
                                                          → scene_video_evaluating → scene_video_concatenating
                                                          → ktv_synthesizing

模式B — 视频→KTV

video_preparing → demucs_separating → lyric_calibrating → subtitle_rendering → ktv_synthesizing

模式C — AI全生成

lyric_generating → lyric_evaluating → music_generating → music_polling
                 → character_designing → character_image_generating
                 → storyboard_generating → scene_video_generating
                   → scene_video_evaluating → scene_video_concatenating
                   → subtitle_rendering → ktv_synthesizing

17个步骤处理器

step_type	类别	说明
audio_preparing	media	下载音频，提取时长
video_preparing	media	下载视频，提取音频轨道
demucs_separating	media	GPU运行Demucs分离人声/伴奏
lyric_calibrating	llm	ASR+LLM校准歌词时间戳
subtitle_rendering	media	生成ASS卡拉OK字幕
subtitle_exporting	media	导出字幕文件
lyric_generating	llm	LLM创作歌词
lyric_evaluating	llm	LLM评估歌词质量
music_generating	media	提交Suno/MiniMax音乐生成
music_polling	media	轮询音乐生成结果
character_designing	llm	LLM设计MV角色
character_image_generating	media	GPU生成角色图片
storyboard_generating	llm	LLM生成分镜脚本
scene_video_generating	media	GPU T2V/Ref2V生成场景视频
scene_video_evaluating	media	评估场景视频质量
scene_video_concatenating	media	ffmpeg拼接场景视频
ktv_synthesizing	media	合成KTV双轨+MTV最终视频

依赖

• pipeline_service >= 3.1.0（引擎核心）
• pipeline_service.llm_bridge（LLM调用）
• GPU服务器（Demucs、wan2.2视频生成）
• ffmpeg（本地视频处理）

目录结构

pipeline-ktv/
├── pipeline_ktv/
│   ├── __init__.py       # 包导出
│   ├── adapter.py        # load_ktv_adapter() + 注册逻辑
│   └── handlers.py       # 17个step handler函数
├── init/
│   └── data.json         # KTV appcodes
├── pyproject.toml
└── README.md

适配器模式说明

每种产线类型都是一个独立的适配器包：

适配器	产线	状态
pipeline-ktv	KTV/MTV音乐视频	✅ 当前
pipeline-sdlc	软件开发全生命周期	🔜 计划中
pipeline-xxx	未来产线...	按需创建

创建新产线适配器的步骤：

1. mkdir pipeline-xxx && cd pipeline-xxx
2. 创建 pipeline_xxx/handlers.py — 编写step handler函数
3. 创建 pipeline_xxx/adapter.py — 定义step_type元数据 + load函数
4. 创建 pyproject.toml — 依赖 pipeline_service>=3.1.0
5. 宿主应用中调用 load_xxx_adapter()

pipeline-service核心代码永远不需要修改。