⚙️ 配置说明
Talk2Scene 使用 Hydra 进行分层配置。
📁 配置组
🤖 LLM 设置
默认模型为 gpt-4o，启用 JSON 模式（response_format: json_object），保证场景生成器输出有效 JSON。
| 设置 |
默认值 |
说明 |
model.llm.model |
gpt-4o |
OpenAI 模型（须支持 JSON 模式） |
model.llm.temperature |
0.3 |
越低场景代码越确定 |
model.llm.max_tokens |
4096 |
场景生成响应最大 token 数 |
通过命令行覆盖模型：
uv run talk2scene mode=text io.input.text_file=input/transcript.jsonl model.llm.model=gpt-4o-mini
📡 流设置
| 设置 |
默认值 |
说明 |
stream.redis.stream_key |
stream:mic |
原始音频流 key |
stream.redis.stt_stream_key |
stream:stt |
预转写文本流 key（优先级更高） |
stream.redis.consumer_group |
talk2scene |
Redis 消费者组名称 |
stream.redis.consumer_name |
worker-1 |
组内消费者名称 |
stream.redis.block_ms |
1000 |
XREADGROUP 阻塞超时 |
stream.redis.batch_size |
10 |
每次读取最大消息数 |
stream.redis.backpressure_max |
100 |
暂停前最大待处理消息数 |
🖼️ 渲染设置
| 设置 |
默认值 |
说明 |
render.canvas.width |
1024 |
画布宽度（像素） |
render.canvas.height |
1024 |
画布高度（像素） |
render.scene_on_event |
false |
每批场景事件后渲染 front_page.png（流式模式） |
render.video.fps |
30 |
视频输出帧率 |
render.video.crf |
18 |
恒定质量因子（越低质量越高） |
render.video.format |
webm |
视频格式：webm、mp4 或 avi |
render.video.subtitle |
true |
在视频中烧录字幕 |
render.video.subtitle_font_size |
32 |
字幕字号（像素） |
render.video.preview |
true |
渲染后打开视频 |
⌨️ 命令行覆盖
uv run talk2scene model.whisper.model_size=medium stream.redis.host=myhost
🔑 环境变量
OPENAI_API_KEY：LLM 场景生成必需