用 JSON 配置驱动服饰带货视频产线

是什么 这是 chaoliang/vitrine，把“从配置生成片子”实现为一条服饰商品视频产线：商品变化只需修改 JSON，不必改代码。流程分为 bible、render、edit、deliver 四阶段，并记录剪辑账本、渲染报告和硬件指标。

核心设计 ShotSpec 只描述提示词、参考图、尺寸、时长和种子，模型特有逻辑交给可替换后端；comfy_h3 负责真实生成，null 仅用于带标记的接线测试。模特身份图、商品标准图和上一镜头末帧组成三个参考槽，解决身份、商品细节和换装连续性问题，因此必须按商品顺序渲染。split 还会按穿搭兼容性拆商品册，并在渲染前拦截冲突组合。

值得借鉴 阶段可跳过已完成结果，支持从指定阶段或镜头续跑；不能加载 LoRA、缺字体或误用占位素材时明确失败，避免生成“看似成功”的错误交付。AIGC 显式标识、容器元数据和读回验证也被做成交付门禁。

边界与风险 单镜头约 261–298 秒且峰值显存接近 24GB，顺序依赖限制了并行能力；搭配判断仍依赖规则和词典，音轨版权与标准适用性需另行核验。内容核心是 AI 视频生产架构与工程可靠性，而非视觉或交互设计。