665 lines
25 KiB
Python
665 lines
25 KiB
Python
from openai import OpenAI
|
||
import os
|
||
import base64
|
||
import time
|
||
from datetime import datetime
|
||
from token_counter import *
|
||
|
||
# Base64 编码格式
|
||
def encode_video(video_path):
|
||
with open(video_path, "rb") as video_file:
|
||
return base64.b64encode(video_file.read()).decode("utf-8")
|
||
|
||
def encode_audio(audio_path):
|
||
with open(audio_path, "rb") as audio_file:
|
||
return base64.b64encode(audio_file.read()).decode("utf-8")
|
||
|
||
def read_txt_file(txt_path):
|
||
"""读取txt文件内容"""
|
||
try:
|
||
with open(txt_path, 'r', encoding='utf-8') as file:
|
||
content = file.read()
|
||
print(f"成功读取txt文件: {txt_path}")
|
||
print(f"文件内容长度: {len(content)} 字符")
|
||
return content
|
||
except FileNotFoundError:
|
||
print(f"错误: 找不到文件 {txt_path}")
|
||
return ""
|
||
except Exception as e:
|
||
print(f"读取文件时出错: {e}")
|
||
return ""
|
||
|
||
def read_json_file(json_path):
|
||
"""读取JSON文件内容"""
|
||
try:
|
||
import json
|
||
with open(json_path, 'r', encoding='utf-8') as file:
|
||
data = json.load(file)
|
||
print(f"成功读取JSON文件: {json_path}")
|
||
return data
|
||
except FileNotFoundError:
|
||
print(f"错误: 找不到文件 {json_path}")
|
||
return None
|
||
except json.JSONDecodeError as e:
|
||
print(f"JSON解析错误: {e}")
|
||
return None
|
||
except Exception as e:
|
||
print(f"读取JSON文件时出错: {e}")
|
||
return None
|
||
|
||
def format_speech_json(speech_data):
|
||
"""格式化口播转文字JSON数据（支持SenseVoice格式）"""
|
||
if not speech_data:
|
||
return ""
|
||
|
||
formatted_text = "【口播转文字内容】\n"
|
||
|
||
if isinstance(speech_data, dict):
|
||
# 新SenseVoice格式 - 处理raw_result
|
||
if 'raw_result' in speech_data:
|
||
raw_result = speech_data['raw_result']
|
||
if isinstance(raw_result, list) and len(raw_result) > 0:
|
||
# 提取所有文本内容
|
||
all_texts = []
|
||
for item in raw_result:
|
||
if isinstance(item, dict) and 'text' in item:
|
||
text = item['text']
|
||
# 清理SenseVoice的特殊标签
|
||
import re
|
||
clean_text = re.sub(r'<\|[^|]+\|>', '', text)
|
||
clean_text = ' '.join(clean_text.split())
|
||
if clean_text.strip():
|
||
all_texts.append(clean_text.strip())
|
||
|
||
if all_texts:
|
||
formatted_text += f"完整转录文本: {' '.join(all_texts)}\n"
|
||
|
||
# 基本信息
|
||
if 'model' in speech_data:
|
||
formatted_text += f"转录模型: {speech_data['model']}\n"
|
||
|
||
if 'transcribe_time' in speech_data:
|
||
formatted_text += f"转录耗时: {speech_data['transcribe_time']:.3f}秒\n"
|
||
|
||
if 'file_path' in speech_data:
|
||
formatted_text += f"音频文件: {speech_data['file_path']}\n"
|
||
|
||
# 旧SenseVoice格式（兼容）
|
||
elif 'clean_text' in speech_data:
|
||
formatted_text += f"完整转录文本: {speech_data['clean_text']}\n"
|
||
|
||
if 'model' in speech_data:
|
||
formatted_text += f"转录模型: {speech_data['model']}\n"
|
||
|
||
if 'transcribe_time' in speech_data:
|
||
formatted_text += f"转录耗时: {speech_data['transcribe_time']:.3f}秒\n"
|
||
|
||
# 情绪分析
|
||
if 'emotions' in speech_data and speech_data['emotions']:
|
||
emotions = [emotion.get('emotion', '') for emotion in speech_data['emotions']]
|
||
formatted_text += f"情绪分析: {', '.join(emotions)}\n"
|
||
|
||
# 背景事件
|
||
if 'events' in speech_data and speech_data['events']:
|
||
events = [event.get('event', '') for event in speech_data['events']]
|
||
formatted_text += f"音频事件: {', '.join(events)}\n"
|
||
|
||
# 如果是字幕提取器的格式（备用）
|
||
elif 'continuous_text' in speech_data:
|
||
formatted_text += f"完整文本: {speech_data['continuous_text']}\n"
|
||
|
||
if 'stats' in speech_data:
|
||
stats = speech_data['stats']
|
||
formatted_text += f"统计信息: 检测数量{stats.get('filtered_detections', 0)}个，"
|
||
formatted_text += f"平均置信度{stats.get('average_confidence', 0):.3f}\n"
|
||
|
||
return formatted_text
|
||
|
||
def format_whisper_json(whisper_data):
|
||
"""格式化Whisper口播转文字JSON数据"""
|
||
if not whisper_data:
|
||
return ""
|
||
|
||
formatted_text = "【Whisper口播转文字内容】\n"
|
||
|
||
if isinstance(whisper_data, dict):
|
||
# 基本信息
|
||
# 详细时间轴 - 显示所有片段
|
||
if 'segments' in whisper_data and len(whisper_data['segments']) > 0:
|
||
formatted_text += "\n详细时间轴:\n"
|
||
for segment in whisper_data['segments']:
|
||
segment_id = segment.get('id', 0)
|
||
start_time = segment.get('start', 0)
|
||
end_time = segment.get('end', 0)
|
||
text = segment.get('text', '')
|
||
formatted_text += f" id:{segment_id}, start:{start_time:.2f}, end:{end_time:.2f}, text:{text}\n"
|
||
|
||
return formatted_text
|
||
|
||
def format_ocr_json(ocr_data):
|
||
"""格式化OCR字幕转文字JSON数据"""
|
||
if not ocr_data:
|
||
return ""
|
||
|
||
formatted_text = "【OCR字幕识别内容】\n"
|
||
|
||
# 如果是字幕提取器的格式
|
||
if isinstance(ocr_data, dict):
|
||
# 显示使用的OCR引擎
|
||
# if 'ocr_engine' in ocr_data:
|
||
# formatted_text += f"OCR引擎: {ocr_data['ocr_engine']}\n"
|
||
|
||
if 'continuous_text' in ocr_data:
|
||
formatted_text += f"完整字幕文本: {ocr_data['continuous_text']}\n"
|
||
|
||
# if 'subtitles' in ocr_data and len(ocr_data['subtitles']) > 0:
|
||
# formatted_text += "详细字幕时间轴:\n"
|
||
# for subtitle in ocr_data['subtitles'][:10]: # 只显示前10个，避免过长
|
||
# timestamp = subtitle.get('timestamp', 0)
|
||
# text = subtitle.get('text', '')
|
||
# engine = subtitle.get('engine', '')
|
||
# confidence = subtitle.get('confidence', 0)
|
||
# formatted_text += f" {timestamp:.2f}s [{engine}|{confidence:.3f}]: {text}\n"
|
||
|
||
# if len(ocr_data['subtitles']) > 10:
|
||
# formatted_text += f" ... (还有{len(ocr_data['subtitles']) - 10}个字幕片段)\n"
|
||
|
||
return formatted_text
|
||
|
||
def format_clip_json(clip_data):
|
||
"""格式化视频转场分析JSON数据"""
|
||
if not clip_data:
|
||
return ""
|
||
|
||
formatted_text = "【视频转场分析内容】\n"
|
||
|
||
if isinstance(clip_data, dict):
|
||
# 显示视频基本信息
|
||
if 'video_name' in clip_data:
|
||
formatted_text += f"视频名称: {clip_data['video_name']}\n"
|
||
|
||
if 'analysis_time' in clip_data:
|
||
formatted_text += f"分析时间: {clip_data['analysis_time']}\n"
|
||
|
||
if 'total_scenes' in clip_data:
|
||
formatted_text += f"检测到场景数: {clip_data['total_scenes']} 个\n"
|
||
|
||
# 详细场景信息
|
||
if 'scenes' in clip_data and len(clip_data['scenes']) > 0:
|
||
formatted_text += "\n详细场景信息:\n"
|
||
for i, scene in enumerate(clip_data['scenes'], 1):
|
||
formatted_text += f"scenes {i}:\n"
|
||
formatted_text += f" start_time: {scene.get('start_time', 0):.2f}秒\n"
|
||
formatted_text += f" end_time: {scene.get('end_time', 0):.2f}秒\n"
|
||
formatted_text += f" duration: {scene.get('duration', 0):.2f}秒\n"
|
||
formatted_text += f" type: {scene.get('type')}\n"
|
||
formatted_text += "\n"
|
||
|
||
return formatted_text
|
||
|
||
def save_result_to_txt(response_text, video_path, save_dir="/root/autodl-tmp/final_output"):
|
||
"""将分析结果保存为TXT文件"""
|
||
# 创建保存目录
|
||
os.makedirs(save_dir, exist_ok=True)
|
||
|
||
# 生成文件名（基于视频文件名和时间戳）
|
||
video_name = os.path.splitext(os.path.basename(video_path))[0]
|
||
timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")
|
||
txt_filename = f"{video_name}_analysis_{timestamp}.txt"
|
||
txt_path = os.path.join(save_dir, txt_filename)
|
||
|
||
# 准备保存内容（添加头部信息）
|
||
content = f"""视频分析结果
|
||
=====================================
|
||
视频文件: {video_path}
|
||
分析时间: {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}
|
||
=====================================
|
||
|
||
{response_text}
|
||
"""
|
||
|
||
# 保存到文件
|
||
try:
|
||
with open(txt_path, 'w', encoding='utf-8') as f:
|
||
f.write(content)
|
||
print(f"\n✅ 分析结果已保存到: {txt_path}")
|
||
return txt_path
|
||
except Exception as e:
|
||
print(f"\n❌ 保存TXT文件失败: {e}")
|
||
return None
|
||
|
||
STREAM_MODE = True
|
||
|
||
# 文件路径配置
|
||
video_path = "/root/autodl-tmp/new/哈尔滨.mp4"
|
||
#audio_path = "/root/autodl-tmp/video2audio/sample_demo_6.wav"
|
||
#txt_path = "/root/autodl-tmp/hot_video_analyse/source/example_reference.txt" # 使用示例参考文档
|
||
|
||
# JSON文件路径配置
|
||
speech_json_path = "/root/autodl-tmp/new_sensevoice/哈尔滨_sensevoice.json" # 口播转文字JSON文件
|
||
ocr_json_path = "/root/autodl-tmp/new_cnocr/哈尔滨_subtitles.json" # OCR字幕转文字JSON文件
|
||
#clip_json_path = "/root/autodl-tmp/02_VideoSplitter/VideoSplitter_output/shou_gonglve_3_scenes.json"
|
||
whisper_json_path = "/root/autodl-tmp/new_whisper/哈尔滨_transcript.json" # Whisper转文字JSON文件
|
||
ocr_txt_path = "/root/autodl-tmp/new_cnocr/哈尔滨_subtitles_processed.txt"
|
||
# 编码文件
|
||
print("开始编码文件...")
|
||
encode_start_time = time.time()
|
||
|
||
base64_video = encode_video(video_path)
|
||
#base64_audio = encode_audio(audio_path)
|
||
#txt_content = read_txt_file(txt_path)
|
||
|
||
#读取JSON文件内容
|
||
print("读取JSON文件...")
|
||
speech_data = read_json_file(speech_json_path)
|
||
ocr_data = read_json_file(ocr_json_path)
|
||
#clip_data = read_json_file(clip_json_path)
|
||
whisper_data = read_json_file(whisper_json_path)
|
||
|
||
# 格式化JSON内容
|
||
speech_content = format_speech_json(speech_data)
|
||
#ocr_content = format_ocr_json(ocr_data)
|
||
#clip_content = format_clip_json(clip_data)
|
||
whisper_content = format_whisper_json(whisper_data)
|
||
|
||
with open(ocr_txt_path, 'r') as file:
|
||
ocr_content = file.read()
|
||
|
||
# # 合并内容
|
||
txt_content = ""
|
||
# if speech_content:
|
||
# txt_content += speech_content + "\n\n"
|
||
if ocr_content:
|
||
txt_content += ocr_content + "\n\n"
|
||
# if clip_content:
|
||
# txt_content += clip_content + "\n\n"
|
||
if whisper_content:
|
||
txt_content += whisper_content + "\n\n"
|
||
|
||
print(f"合并后的参考内容长度: {len(txt_content)} 字符")
|
||
print(txt_content)
|
||
encode_end_time = time.time()
|
||
encode_duration = encode_end_time - encode_start_time
|
||
print(f"文件编码完成，耗时: {encode_duration:.2f} 秒")
|
||
|
||
|
||
# 统计提示词token
|
||
prompt_text = """🎥 **抖音短视频内容分析专家**
|
||
## 任务背景
|
||
您是一位经验丰富的视频导演和编辑，需要基于以上两个时间轴数据，和视频内容。为视频写一个完整、流畅的脚本。
|
||
请对这个抖音短视频进行详细的内容分析，重点关注以下三个方面：
|
||
## 🎤 一、口播内容提取
|
||
请仔细听取视频中的语音内容，完整转录：
|
||
- **完整口播转录**：逐字逐句转录所有口语表达
|
||
- **语音时长**：估算总的讲话时长
|
||
## 📝 二、字幕文字识别
|
||
请识别视频画面中出现的所有文字内容：
|
||
- **屏幕字幕**：视频中显示的字幕文字（包括自动字幕和手动添加的字幕）
|
||
- **标题文字**：视频开头、中间、结尾出现的大标题
|
||
|
||
## 🎬 三、转场效果分析
|
||
请仔细观察视频中的转场效果，并且结合参考资料中的转场内容，请你整体分析一下视频。比如几个画面出现第一个转场等.
|
||
转场的time_start","time_end","textIdx"请严格按照参考资料中的口播内容的时间戳start,end,id填写，不要自己生成。
|
||
|
||
|
||
## 📊 输出格式要求
|
||
|
||
## 视频内容分析
|
||
请按照以下JSON格式输出视频描述：
|
||
|
||
{
|
||
"total_Oral broadcasting":"请你生成一个完整的口播内容。",
|
||
"summary": "请用一句话总结视频的核心内容，突出视频的主要卖点和价值主张",
|
||
"content": [
|
||
{
|
||
"type": "cut",
|
||
"scenes": 1,
|
||
"time_start": 0.0,
|
||
"time_end": 2.0,
|
||
"talk": "请将对应时间的口播或字幕信息，填入此",
|
||
"description": "跳转到视频对应时间，将视频对应时间的图片，描述这个镜头的画面内容、人物动作、场景特点等。不要重复描述。"
|
||
},
|
||
|
||
{
|
||
"type": "cut",
|
||
"scenes": 2,
|
||
"time_start": 2.0,
|
||
"time_end": 4.5,
|
||
"talk": "请将对应时间的口播或字幕信息，填入此",
|
||
"description": "跳转到视频对应时间，将视频对应时间的图片，详细描述这个镜头的画面内容、人物动作、场景特点等。不要描述视频内容，只描述这个镜头的画面内容，不要重复描述。"
|
||
},
|
||
|
||
{
|
||
"type": "cut",
|
||
"scenes": 3,
|
||
"time_start": 4.5,
|
||
"time_end": 6.0,
|
||
"talk": "请将对应时间的口播或字幕信息，填入此",
|
||
"description": "跳转到视频对应时间，将视频对应时间的图片，详细描述这个镜头的画面内容、人物动作、场景特点等。不要描述视频内容，只描述这个镜头的画面内容，不要重复描述。"
|
||
}
|
||
]
|
||
}
|
||
|
||
## 输出要求
|
||
1. summary：用一句话概括视频核心内容，突出主要卖点
|
||
2. content：按时间顺序交替描述镜头和转场
|
||
- 镜头(lens)描述：
|
||
* textIdx：镜头序号，从1开始递增
|
||
* time_start：开始时间（秒），精确到小数点后一位
|
||
* time_end：结束时间（秒），精确到小数点后一位
|
||
* talk：该镜头中的对话或文字内容
|
||
* description：详细描述镜头内容，包括：
|
||
- 画面构图和场景
|
||
- 人物动作和表情
|
||
- 重要道具和元素
|
||
- 特殊效果和转场
|
||
|
||
|
||
## 注意事项
|
||
1. 保持描述简洁明了，但要有足够的细节
|
||
2. 突出视频的亮点和特色
|
||
3. 确保时间戳的准确性
|
||
4. 对话内容要符合视频画面
|
||
5. 整体风格要统一连贯
|
||
6. 每个镜头的描述要包含关键信息
|
||
|
||
## 示例内容描述
|
||
1. 镜头1：
|
||
- 开场特写镜头，展示产品外观
|
||
- 画面从模糊到清晰，突出产品细节
|
||
- 背景音乐渐入，营造氛围
|
||
- 文字提示："全新升级，品质保证"
|
||
|
||
2. 转场1-2：
|
||
- 类型：平滑滑动
|
||
- 目的：自然过渡到使用场景
|
||
- 效果：画面从产品特写平滑滑向使用场景
|
||
|
||
3. 镜头2：
|
||
- 中景展示使用场景
|
||
- 人物自然流畅的动作展示
|
||
- 光线明亮，突出产品效果
|
||
- 文字说明："简单操作，轻松上手"
|
||
|
||
4. 转场2-3：
|
||
- 类型：快速缩放
|
||
- 目的：突出产品核心功能
|
||
- 效果：画面快速聚焦到产品关键部位
|
||
|
||
5. 镜头3：
|
||
- 特写展示产品核心功能
|
||
- 慢动作展示关键细节
|
||
- 画面色彩鲜明，对比强烈
|
||
- 文字强调："专业性能，值得信赖"
|
||
|
||
请根据以上要求，分析视频并输出JSON格式的描述。
|
||
|
||
请开始详细分析这个抖音短视频："""
|
||
|
||
# 调用token统计功能
|
||
token_stats = analyze_input_tokens(video_path, txt_content, prompt_text)
|
||
|
||
client = OpenAI(
|
||
# 若没有配置环境变量，请用百炼API Key将下行替换为：api_key="sk-xxx"
|
||
api_key="EMPTY",
|
||
base_url="http://localhost:8000/v1",
|
||
)
|
||
|
||
# 构建content列表
|
||
content_list = [
|
||
{
|
||
# 直接传入视频文件时，请将type的值设置为video_url
|
||
"type": "video_url",
|
||
"video_url": {"url": f"data:video/mp4;base64,{base64_video}"},
|
||
}
|
||
|
||
# ,
|
||
# {
|
||
# "type": "audio_url",
|
||
# "audio_url": {"url": f"data:audio/wav;base64,{base64_audio}"},
|
||
# }
|
||
]
|
||
|
||
# 如果txt文件有内容，添加到content中
|
||
if txt_content.strip():
|
||
content_list.append({
|
||
"type": "text",
|
||
"text": f"参考资料内容:\n{txt_content}\n\n",
|
||
"need": "第一部分是视频内容，第二部分是视频的字幕时间轴内容，第三部分是口播的字幕时间轴内容"
|
||
})
|
||
|
||
# 添加主要提示文本
|
||
content_list.append({
|
||
"type": "text",
|
||
"text": """🎥 **抖音短视频内容分析专家**
|
||
## 任务背景
|
||
您是一位经验丰富的视频导演和编辑，需要基于以上两个时间轴数据，和视频内容。为视频写一个完整、流畅的脚本。
|
||
请对这个抖音短视频进行详细的内容分析，重点关注以下三个方面：
|
||
## 🎤 一、口播内容提取
|
||
请仔细听取视频中的语音内容，完整转录：
|
||
- **完整口播转录**：逐字逐句转录所有口语表达
|
||
- **语音时长**：估算总的讲话时长
|
||
## 📝 二、字幕文字识别
|
||
请识别视频画面中出现的所有文字内容：
|
||
- **屏幕字幕**：视频中显示的字幕文字（包括自动字幕和手动添加的字幕）
|
||
- **标题文字**：视频开头、中间、结尾出现的大标题
|
||
|
||
## 🎬 三、转场效果分析
|
||
请仔细观察视频中的转场效果，并且结合参考资料中的转场内容，请你整体分析一下视频。比如几个画面出现第一个转场等.
|
||
转场的time_start","time_end","textIdx"请严格按照参考资料中的口播内容的时间戳start,end,id填写，不要自己生成。
|
||
|
||
|
||
## 📊 输出格式要求
|
||
|
||
## 视频内容分析
|
||
请按照以下JSON格式输出视频描述：
|
||
|
||
{
|
||
"total_Oral broadcasting":"请你生成一个完整的口播内容。",
|
||
"summary": "请用一句话总结视频的核心内容，突出视频的主要卖点和价值主张",
|
||
"content": [
|
||
{
|
||
"type": "cut",
|
||
"scenes": 1,
|
||
"time_start": 0.0,
|
||
"time_end": 2.0,
|
||
"talk": "请将对应时间的口播或字幕信息，填入此",
|
||
"description": "跳转到视频对应时间，将视频对应时间的图片，描述这个镜头的画面内容、人物动作、场景特点等。不要重复描述。"
|
||
},
|
||
|
||
{
|
||
"type": "cut",
|
||
"scenes": 2,
|
||
"time_start": 2.0,
|
||
"time_end": 4.5,
|
||
"talk": "请将对应时间的口播或字幕信息，填入此",
|
||
"description": "跳转到视频对应时间，将视频对应时间的图片，详细描述这个镜头的画面内容、人物动作、场景特点等。不要描述视频内容，只描述这个镜头的画面内容，不要重复描述。"
|
||
},
|
||
|
||
{
|
||
"type": "cut",
|
||
"scenes": 3,
|
||
"time_start": 4.5,
|
||
"time_end": 6.0,
|
||
"talk": "请将对应时间的口播或字幕信息，填入此",
|
||
"description": "跳转到视频对应时间，将视频对应时间的图片，详细描述这个镜头的画面内容、人物动作、场景特点等。不要描述视频内容，只描述这个镜头的画面内容，不要重复描述。"
|
||
}
|
||
]
|
||
}
|
||
|
||
## 输出要求
|
||
1. summary：用一句话概括视频核心内容，突出主要卖点
|
||
2. content：按时间顺序交替描述镜头和转场
|
||
- 镜头(lens)描述：
|
||
* textIdx：镜头序号，从1开始递增
|
||
* time_start：开始时间（秒），精确到小数点后一位
|
||
* time_end：结束时间（秒），精确到小数点后一位
|
||
* talk：该镜头中的对话或文字内容
|
||
* description：详细描述镜头内容，包括：
|
||
- 画面构图和场景
|
||
- 人物动作和表情
|
||
- 重要道具和元素
|
||
- 特殊效果和转场
|
||
|
||
|
||
## 注意事项
|
||
1. 保持描述简洁明了，但要有足够的细节
|
||
2. 突出视频的亮点和特色
|
||
3. 确保时间戳的准确性
|
||
4. 对话内容要符合视频画面
|
||
5. 整体风格要统一连贯
|
||
6. 每个镜头的描述要包含关键信息
|
||
|
||
## 示例内容描述
|
||
1. 镜头1：
|
||
- 开场特写镜头，展示产品外观
|
||
- 画面从模糊到清晰，突出产品细节
|
||
- 背景音乐渐入，营造氛围
|
||
- 文字提示："全新升级，品质保证"
|
||
|
||
2. 转场1-2：
|
||
- 类型：平滑滑动
|
||
- 目的：自然过渡到使用场景
|
||
- 效果：画面从产品特写平滑滑向使用场景
|
||
|
||
3. 镜头2：
|
||
- 中景展示使用场景
|
||
- 人物自然流畅的动作展示
|
||
- 光线明亮，突出产品效果
|
||
- 文字说明："简单操作，轻松上手"
|
||
|
||
4. 转场2-3：
|
||
- 类型：快速缩放
|
||
- 目的：突出产品核心功能
|
||
- 效果：画面快速聚焦到产品关键部位
|
||
|
||
5. 镜头3：
|
||
- 特写展示产品核心功能
|
||
- 慢动作展示关键细节
|
||
- 画面色彩鲜明，对比强烈
|
||
- 文字强调："专业性能，值得信赖"
|
||
|
||
请根据以上要求，分析视频并输出JSON格式的描述。
|
||
|
||
请开始详细分析这个抖音短视频："""
|
||
})
|
||
|
||
print(f"\n开始请求API...")
|
||
print(f"请求时间: {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}")
|
||
print(f"Stream模式: {STREAM_MODE}")
|
||
print(f"Content项目数量: {len(content_list)}")
|
||
|
||
# 记录API请求开始时间
|
||
api_start_time = time.time()
|
||
completion = client.chat.completions.create(
|
||
model="/root/autodl-tmp/llm/Qwen-omni",
|
||
messages=[
|
||
{
|
||
"role": "system",
|
||
"content": [{"type":"text","text": "You are a helpful assistant."}]
|
||
},
|
||
{
|
||
"role": "user",
|
||
"content": content_list
|
||
}
|
||
],
|
||
stream=STREAM_MODE,
|
||
stream_options={"include_usage": True} if STREAM_MODE else None,
|
||
temperature=0.5
|
||
)
|
||
|
||
if STREAM_MODE:
|
||
# 流式输出 - 拼接完整回复
|
||
full_response = ""
|
||
usage_info = None
|
||
|
||
# 记录第一个token的时间
|
||
first_token_time = None
|
||
token_count = 0
|
||
|
||
print("正在生成回复...")
|
||
for chunk in completion:
|
||
if chunk.choices:
|
||
delta = chunk.choices[0].delta
|
||
if delta.content:
|
||
# 记录第一个token的时间
|
||
if first_token_time is None:
|
||
first_token_time = time.time()
|
||
first_token_delay = first_token_time - api_start_time
|
||
print(f"首个token延迟: {first_token_delay:.2f} 秒")
|
||
|
||
# 拼接内容
|
||
full_response += delta.content
|
||
token_count += 1
|
||
|
||
# 实时显示（可选）
|
||
#print(delta.content, end='', flush=True)
|
||
else:
|
||
# 保存使用情况信息
|
||
usage_info = chunk.usage
|
||
|
||
# 记录API请求结束时间
|
||
api_end_time = time.time()
|
||
total_duration = api_end_time - api_start_time
|
||
|
||
# 输出完整的响应
|
||
print("\n" + "="*50)
|
||
print("完整回复:")
|
||
print("="*50)
|
||
print(full_response)
|
||
|
||
# 保存结果为TXT文件
|
||
txt_file_path = save_result_to_txt(full_response + "total_duration:" + str(total_duration), video_path)
|
||
|
||
# 输出时间统计信息
|
||
print("\n" + "="*50)
|
||
print("⏱️ 时间统计:")
|
||
print("="*50)
|
||
print(f"📁 文件编码时间: {encode_duration:.2f} 秒")
|
||
if first_token_time:
|
||
print(f"🚀 首个token延迟: {first_token_delay:.2f} 秒")
|
||
generation_time = api_end_time - first_token_time
|
||
print(f"⚡ 内容生成时间: {generation_time:.2f} 秒")
|
||
print(f"🕐 API总响应时间: {total_duration:.2f} 秒")
|
||
print(f"📊 生成token数量: {token_count}")
|
||
if first_token_time and token_count > 0:
|
||
tokens_per_second = token_count / generation_time
|
||
print(f"🔥 生成速度: {tokens_per_second:.2f} tokens/秒")
|
||
print(f"⏰ 完成时间: {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}")
|
||
print(f"输出总费用：{token_count*0.0045/1000:.4f}元")
|
||
final_cost = token_stats['total_cost']+token_count*0.0045/1000
|
||
print(f"总费用：{final_cost:.4f}元")
|
||
# 输出使用情况信息
|
||
if usage_info:
|
||
print("\n" + "="*50)
|
||
print("📈 使用情况:")
|
||
print("="*50)
|
||
print(usage_info)
|
||
|
||
else:
|
||
# 非流式输出 - 直接输出完整响应
|
||
api_end_time = time.time()
|
||
total_duration = api_end_time - api_start_time
|
||
|
||
print("非流式输出模式:")
|
||
print("完整回复:")
|
||
print("="*50)
|
||
print(completion.choices[0].message.content)
|
||
|
||
# 保存结果为TXT文件
|
||
txt_file_path = save_result_to_txt(completion.choices[0].message.content, video_path)
|
||
|
||
# 输出时间统计信息
|
||
print("\n" + "="*50)
|
||
print("⏱️ 时间统计:")
|
||
print("="*50)
|
||
print(f"📁 文件编码时间: {encode_duration:.2f} 秒")
|
||
print(f"🕐 API总响应时间: {total_duration:.2f} 秒")
|
||
print(f"⏰ 完成时间: {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}")
|
||
|
||
# 输出使用情况信息
|
||
if hasattr(completion, 'usage') and completion.usage:
|
||
print("\n" + "="*50)
|
||
print("📈 使用情况:")
|
||
print("="*50)
|
||
print(completion.usage) |