一键优化功能使用指南

功能概述

一键优化是基于视频质量评分的自动化视频增强系统，能够根据质量评分的建议自动执行超分辨率（Upscale）和插帧（Frame Interpolation）处理，显著提升视频质量。

核心特性

智能决策：根据质量评分的各维度得分自动判断是否需要超分/插帧
多种算法：支持 FFmpeg、Real-ESRGAN、Waifu2x（超分）和 RIFE（插帧）
质量对比：优化前后质量评分对比，直观展示提升效果
进度追踪：实时显示超分和插帧步骤的执行状态
灵活配置：支持自定义超分倍数、目标帧率等参数

工作流程

合成视频 → 质量评分 → 一键优化 → 超分/插帧 → 重新评分 → 质量对比

详细步骤

视频合成：使用 FFmpeg 合成分镜视频
质量评估：自动对合成视频进行 5 维度质量评分
分析建议：系统生成优化建议（如"建议超分提升分辨率"、"建议插帧提升流畅度"）
点击优化：用户点击"一键优化"按钮
自动处理：
- 根据建议判断是否需要超分（分辨率得分 < 75）
- 根据建议判断是否需要插帧（流畅度得分 < 70）
- 依次执行超分和插帧处理
重新评分：对优化后的视频重新评分
质量对比：展示优化前后的分数对比和等级变化

使用方法

前端界面操作

1. 合成视频并获得质量评分

javascript

// 开始合成
await start()

// 合成完成后，自动显示质量评分卡片
// 包含：
// - 综合评分（0-100）
// - 质量等级（S/A/B/C/D）
// - 5维度得分条
// - 优化建议列表

2. 点击一键优化

质量评分卡片底部会显示**"✨ 一键优化"**按钮：

vue

<el-button type="primary" @click="autoEnhance">
  ✨ 一键优化
</el-button>
<div>根据建议自动执行超分/插帧</div>

3. 监控优化进度

点击后会显示优化进度卡片：

⚡ 优化进度

✅ 超分处理
   FFmpeg 超分完成 (1280x720 -> 2560x1440)

🔄 插帧处理
   (进行中...)

4. 查看优化结果

优化完成后显示质量对比：

✨ 优化后质量对比

优化前          →          优化后
  72                        86
  B 级                      A 级

🚀 提升 14.0 分

配置参数

默认配置

javascript

enhancePreferences: {
  upscale_method: 'ffmpeg',        // 超分方法
  interpolate_method: 'ffmpeg',    // 插帧方法
  scale_factor: 2.0,               // 缩放倍数
  target_fps: 60                   // 目标帧率
}

可选超分方法

方法	说明	依赖	速度	质量
`ffmpeg`	FFmpeg Lanczos 算法	无	⚡⚡⚡	⭐⭐⭐
`realesrgan`	Real-ESRGAN AI 模型	realesrgan-ncnn-vulkan	⚡⚡	⭐⭐⭐⭐⭐
`waifu2x`	Waifu2x（动漫优化）	waifu2x-ncnn-vulkan	⚡⚡	⭐⭐⭐⭐

可选插帧方法

方法	说明	依赖	速度	质量
`ffmpeg`	FFmpeg minterpolate	无	⚡⚡⚡	⭐⭐⭐
`rife`	RIFE AI 模型	rife-ncnn-vulkan	⚡⚡	⭐⭐⭐⭐⭐

API 接口

一键优化接口

端点：POST /postprocess/auto-enhance

请求参数：

json

{
  "video_path": "/path/to/video.mp4",
  "quality_score": {
    "overall_score": 72,
    "grade": "B",
    "dimensions": {
      "sharpness": 75,
      "brightness": 80,
      "contrast": 70,
      "resolution": 65,
      "motion_smoothness": 68
    },
    "suggestions": [
      "建议超分提升分辨率到 1080p 或更高",
      "建议插帧提升流畅度到 60fps"
    ]
  },
  "preferences": {
    "upscale_method": "ffmpeg",
    "interpolate_method": "ffmpeg",
    "scale_factor": 2.0,
    "target_fps": 60
  }
}

响应：

json

{
  "job_id": "enhance_20231215182030_1234",
  "accepted": true
}

查询任务状态

端点：GET /jobs/{job_id}

成功响应：

json

{
  "job_id": "enhance_20231215182030_1234",
  "status": "success",
  "media_path": "/tmp/enhance_xxx/enhanced_final.mp4",
  "quality_before": {
    "overall_score": 72,
    "grade": "B"
  },
  "quality_after": {
    "overall_score": 86,
    "grade": "A"
  },
  "steps": [
    {
      "type": "upscale",
      "result": {
        "success": true,
        "message": "FFmpeg 超分完成 (1280x720 -> 2560x1440)",
        "output": "/tmp/enhance_xxx/enhanced_upscaled.mp4"
      }
    },
    {
      "type": "interpolate",
      "result": {
        "success": true,
        "message": "FFmpeg 插帧完成 (30fps -> 60fps)",
        "output": "/tmp/enhance_xxx/enhanced_final.mp4"
      }
    }
  ],
  "message": "完成 2/2 个增强步骤"
}

技术实现

后端模块

VideoEnhancer 类

位置：/pybridge/src/bridge/video_enhancer.py

核心方法：

python

class VideoEnhancer:
    @staticmethod
    def upscale_video(input_path, output_path, method='ffmpeg', scale_factor=2.0):
        """超分辨率处理"""
        # FFmpeg Lanczos 算法
        if method == 'ffmpeg':
            return VideoEnhancer._upscale_ffmpeg(...)
        # Real-ESRGAN AI 模型
        elif method == 'realesrgan':
            return VideoEnhancer._upscale_realesrgan(...)
        # Waifu2x（动漫优化）
        elif method == 'waifu2x':
            return VideoEnhancer._upscale_waifu2x(...)
    
    @staticmethod
    def interpolate_video(input_path, output_path, method='ffmpeg', target_fps=60):
        """插帧处理"""
        # FFmpeg minterpolate
        if method == 'ffmpeg':
            return VideoEnhancer._interpolate_ffmpeg(...)
        # RIFE AI 模型
        elif method == 'rife':
            return VideoEnhancer._interpolate_rife(...)
    
    @staticmethod
    def auto_enhance(input_path, output_dir, quality_score, preferences=None):
        """自动增强 - 根据质量评分智能决策"""
        # 分析建议
        need_upscale = False
        need_interpolate = False
        
        for suggestion in quality_score.get('suggestions', []):
            if '分辨率' in suggestion or '超分' in suggestion:
                need_upscale = True
            if '帧率' in suggestion or '插帧' in suggestion or '流畅' in suggestion:
                need_interpolate = True
        
        # 也可基于维度分数判断
        dimensions = quality_score.get('dimensions', {})
        if dimensions.get('resolution', 100) < 75:
            need_upscale = True
        if dimensions.get('motion_smoothness', 100) < 70:
            need_interpolate = True
        
        # 依次执行超分和插帧
        steps = []
        current_video = input_path
        
        if need_upscale:
            upscale_result = VideoEnhancer.upscale_video(...)
            steps.append({'type': 'upscale', 'result': upscale_result})
            if upscale_result['success']:
                current_video = upscale_result['output']
        
        if need_interpolate:
            interpolate_result = VideoEnhancer.interpolate_video(...)
            steps.append({'type': 'interpolate', 'result': interpolate_result})
            if interpolate_result['success']:
                current_video = interpolate_result['output']
        
        return {
            'success': len([s for s in steps if s['result']['success']]) > 0,
            'steps': steps,
            'final_video': current_video
        }

前端组件

位置：/web/src/views/aigc/component/components/FFmpegComposeDialog.vue

关键数据字段：

javascript

data() {
  return {
    qualityScore: null,           // 优化前质量评分
    qualityAfter: null,           // 优化后质量评分
    isEnhancing: false,           // 是否正在优化
    enhanceJobId: '',             // 优化任务 ID
    enhanceSteps: [],             // 优化步骤列表
    enhancePreferences: {         // 优化配置
      upscale_method: 'ffmpeg',
      interpolate_method: 'ffmpeg',
      scale_factor: 2.0,
      target_fps: 60
    }
  }
}

核心方法：

javascript

async autoEnhance() {
  // 1. 验证视频 URL 和质量评分
  if (!this.mediaUrl || !this.qualityScore) return
  
  // 2. 调用 MCP 工具
  const payload = {
    tool: 'auto_enhance_video',
    args: {
      video_path: this.mediaUrl,
      quality_score: this.qualityScore,
      preferences: this.enhancePreferences
    }
  }
  const res = await mcpCallTool(payload)
  this.enhanceJobId = res.data.job_id
  
  // 3. 轮询任务状态
  this.pollEnhance()
}

async pollEnhance() {
  const interval = setInterval(async () => {
    const res = await mcpGetJob(this.enhanceJobId)
    
    // 更新步骤和质量评分
    this.enhanceSteps = res.data.steps
    this.qualityAfter = res.data.quality_after
    
    // 任务完成
    if (res.data.status === 'success') {
      this.mediaUrl = res.data.media_path  // 更新为优化后的视频
      this.qualityScore = this.qualityAfter  // 更新为优化后的评分
      clearInterval(interval)
    }
  }, 2000)
}

优化决策逻辑

触发条件

系统根据以下条件自动判断是否需要超分或插帧：

超分触发条件（满足任一）

建议关键词：优化建议中包含"分辨率"、"超分"等关键词
分辨率得分：resolution 维度得分 < 75

插帧触发条件（满足任一）

建议关键词：优化建议中包含"帧率"、"插帧"、"流畅"等关键词
流畅度得分：motion_smoothness 维度得分 < 70

处理顺序

先超分：提升分辨率（如 720p → 1440p）
后插帧：提升帧率（如 30fps → 60fps）

这样的顺序可以确保插帧基于更高质量的画面进行，获得更好的效果。

性能优化建议

1. 选择合适的方法

快速处理：使用 ffmpeg 方法（无需额外依赖，速度快）
高质量输出：使用 AI 模型（Real-ESRGAN、RIFE）

2. 合理设置参数

超分倍数：
- 1.5x：轻度提升，速度快
- 2.0x：常规提升，平衡质量和速度
- 4.0x：大幅提升，速度慢
目标帧率：
- 30fps：常规视频
- 60fps：流畅视频（推荐）
- 120fps：高刷视频（仅专业需求）

3. 分步处理

如果视频文件较大，建议：

先执行超分，查看效果
满意后再执行插帧

可以通过修改 preferences 参数来控制。

常见问题

Q1: 一键优化按钮不可用？

原因：缺少质量评分数据

解决：确保视频合成时启用了质量评分功能（enable_quality_score: true）

Q2: 优化任务失败？

可能原因：

视频文件路径无效（OSS URL 暂不支持，需要本地路径）
FFmpeg 未安装或版本过低
AI 模型工具未安装（realesrgan、waifu2x、rife）

解决：

检查视频路径是否有效
使用 ffmpeg 方法（默认）
安装所需的 AI 工具（可选）

Q3: 优化后质量评分反而降低？

原因：

超分/插帧算法可能引入伪影
评分算法基于统计分析，可能不完全反映主观感受

建议：

调整超分倍数（降低到 1.5x）
尝试不同的方法（FFmpeg vs AI 模型）
以实际观看效果为准

Q4: 处理时间过长？

优化方案：

使用 FFmpeg 方法（比 AI 模型快 3-5 倍）
降低超分倍数（2.0x → 1.5x）
降低目标帧率（60fps → 30fps）
考虑使用 GPU 加速（AI 模型）

完整示例

示例 1：基本使用

javascript

// 1. 合成视频并获得质量评分
await start()

// 等待合成完成...

// 2. 点击一键优化
await autoEnhance()

// 优化配置使用默认值：
// - 超分方法：FFmpeg Lanczos
// - 插帧方法：FFmpeg minterpolate
// - 超分倍数：2.0x
// - 目标帧率：60fps

示例 2：自定义配置

javascript

// 修改优化配置
this.enhancePreferences = {
  upscale_method: 'realesrgan',   // 使用 Real-ESRGAN
  interpolate_method: 'rife',     // 使用 RIFE
  scale_factor: 4.0,              // 4倍超分
  target_fps: 60                  // 60fps
}

// 执行优化
await autoEnhance()

示例 3：仅超分（不插帧）

通过修改触发条件，可以实现仅执行超分：

python

# 在 auto_enhance 方法中
need_upscale = True
need_interpolate = False  # 强制不插帧

总结

一键优化功能提供了智能、自动化的视频质量提升方案：

✅ 智能决策：根据质量评分自动判断优化策略
✅ 多种算法：支持 FFmpeg 和 AI 模型（Real-ESRGAN、RIFE 等）
✅ 实时反馈：显示优化进度和质量对比
✅ 灵活配置：支持自定义超分倍数、帧率等参数
✅ 无缝集成：与现有合成流程完美结合

通过一键优化，可以将普通质量的视频快速提升到更高质量，大幅改善观看体验！

一键优化功能使用指南 ​

功能概述 ​

核心特性 ​

工作流程 ​

详细步骤 ​

使用方法 ​

前端界面操作 ​

1. 合成视频并获得质量评分 ​

2. 点击一键优化 ​

3. 监控优化进度 ​

4. 查看优化结果 ​

配置参数 ​

默认配置 ​

可选超分方法 ​

可选插帧方法 ​

API 接口 ​

一键优化接口 ​

查询任务状态 ​

技术实现 ​

后端模块 ​

VideoEnhancer 类 ​

前端组件 ​

优化决策逻辑 ​

触发条件 ​

超分触发条件（满足任一） ​

插帧触发条件（满足任一） ​

处理顺序 ​

性能优化建议 ​

1. 选择合适的方法 ​

2. 合理设置参数 ​

3. 分步处理 ​

常见问题 ​

Q1: 一键优化按钮不可用？ ​

Q2: 优化任务失败？ ​

Q3: 优化后质量评分反而降低？ ​

Q4: 处理时间过长？ ​

完整示例 ​

示例 1：基本使用 ​

示例 2：自定义配置 ​

示例 3：仅超分（不插帧） ​

总结 ​

一键优化功能使用指南

功能概述

核心特性

工作流程

详细步骤

使用方法

前端界面操作

1. 合成视频并获得质量评分

2. 点击一键优化

3. 监控优化进度

4. 查看优化结果

配置参数

默认配置

可选超分方法

可选插帧方法

API 接口

一键优化接口

查询任务状态

技术实现

后端模块

VideoEnhancer 类

前端组件

优化决策逻辑

触发条件

超分触发条件（满足任一）

插帧触发条件（满足任一）

处理顺序

性能优化建议

1. 选择合适的方法

2. 合理设置参数

3. 分步处理

常见问题

Q1: 一键优化按钮不可用？

Q2: 优化任务失败？

Q3: 优化后质量评分反而降低？

Q4: 处理时间过长？

完整示例

示例 1：基本使用

示例 2：自定义配置

示例 3：仅超分（不插帧）

总结