Concat · 中文配音扩展（DUB）

施工图纸：在哪儿加什么，怎么实现

基线 v0.2.8 · 分支 amd @ fd415e0 A 区 · 新路径 3 个 · ~1560 行 B 区 · 上游接线 4 个文件 / 8 行 图纸 7 张
一句话：业务逻辑和界面全部装进上游不存在的三个路径（crates/concat-dub/、ui/dialogs/dub.slint、src/dub_glue.rs）， 上游源码只动 4 个文件、8 行，每行带 // DUB: 尾巴。升级时新路径永远不冲突，8 行重放一次即可。 操作模型是「以字幕条为单元」：右键一条字幕就能 译 / 配 / 对；框选多条后右键 = 批量版；整条字幕轨由面板「范围」下拉指定（上游轨道头没有右键菜单）。
A 区 · 新增文件（不冲突） B 区 · 上游 8 行接线（重放） ① ② ③ 红色圈号 = 图上标注，下文表格给实现

图 1两区分离：改哪儿、加哪儿

左边是必须动的上游文件（琥珀色），右边是全新路径（青色）。中间的箭头就是 8 行的全部意义：上游只留两个"插座"——注入菜单行、接收菜单点击。

改动分区：上游 4 文件 / 8 行　+　新增 3 路径 新 crate 自动成为 workspace 成员（members = ["crates/*"] 是通配符），根 Cargo.toml 零改动 B 区 · 上游（只有 8 行） crates/concat/Cargo.toml A1 concat-dub = { path = "../concat-dub" } // DUB: 依赖链接。注意写 path，不写 workspace 依赖 crates/concat/src/studio.rs A2 A3 A4 A5 pub dub: crate::dub_glue::DubState, // 状态挂载 dub: Default::default(), // 构造初始化 rows.extend(menu_rows(self, clip)); // 注入菜单 a if a.starts_with("dub.") => act(..) // 收点击 ← 全部在原函数末尾追加，不改任何已有分支 crates/concat/src/lib.rs A6 mod dub_glue; // 模块声明 crates/concat/ui/app.slint A7 A8 import { DubDialog, DubData } from "dialogs/dub.slint"; DubDialog { data: app.dub; } 箭头一进一出：A4 注入菜单行，A5 把点击收回来 升级自检：grep -rn "DUB:" crates/ | wc -l 应恒等于 8 A4 A5 A 区 · 新路径（上游不存在 → 永不冲突） crates/concat/src/dub_glue.rs ★ 新文件 ~200 行 · menu_rows() / act() / DubState 上游只看见 A4 / A5 两行调用；90% 接线复杂度封在这里 crates/concat/ui/dialogs/dub.slint ★ 新文件 ~240 行 · 设置面板 + 进度 + 结果报告（见图 4） 只被 A7/A8 引用，不继承任何现有 dialog 基类 crates/concat-dub/ ★ 新目录 ~1120 行 · 8 个模块 只依赖上游叶子 crate，不依赖 concat 二进制 → 无循环依赖 text.rs改字不毁样式with_content() translate.rs在线翻译ureq · 行数对齐 speak.rsTTS 编排语速 = 字数/窗口 fit.rs对齐策略→ Vec<Command> prompt.rs提示词temperature 0.3 lang.rs语言表默认 zh-CN target.rsOne / Lane只取 Text clip lib.rs门面clip_menu() 只向下依赖 上游叶子 crate（一行不改，dub 只是调用方） concat-project Command · ClipPatch · TextStyle · Clip concat-speech Transcriber · Speech · SpeakRequest concat-host AppDirs · media::probe（不启 GPU）
图 1 · 左边 4 个文件 8 行是唯一需要"重放"的改动；右边三个路径上游永远不会有，git 三方合并只会看到"我方新增"。

图 2界面草图：六个落点全在主窗口里

不改停靠布局、不加新面板（PaneKind 只有 5 个值，牵一发动全身）。所有操作从时间线上右键一条字幕发起（选一条 = 单条，框选多条 = 批量），设置面板是浮层。

Concat — ep01_素材 文件编辑 时间线视图 帮助 v0.2.8 · amd 媒体库 A.mp4 B.mp4 C.mp4 D.mp4 生成 配音_001.wav origin = MediaOrigin::Speech 配音产物自动归到「生成」 AddMedia 的 item.origin 决定 画面预览 ▶ ■ 00:00:12:08 / 00:03:41:00 检查器 文字 苏晴：快走！ ← 第 5 步在这手改 （现有能力，dub 不碰） 字号 42 颜色 #FFFFFF 描边 2.0 这些字段 改字时必须 原样保留 → text.rs 配音设置面板（默认隐藏） A8: DubDialog { data: app.dub; } 语言 / API Key / 音色 / 语速 / 对齐 右键菜单底部「配音设置…」打开 时间线 0:000:10 0:200:300:40 V1 原声 素材.mp4（外语原声） T1 字幕 字1字2字3 字4字5字6 ClipKind::Text ← dub 的唯一作用对象 Audio / Video / Image 不出现 dub 菜单 配音轨 配音① 配音② 未生成（虚线） AddClip { track_id, start: clip.start } 走 Task 队列，不阻塞 UI 1 2 3 4 5 ⑤ 静音原声 = SetTrackFlag { Mute }（V1 轨道） 6
图 2 · 关键点：① ② 都在"右键"上，不需要工具栏按钮；③ 配音落在新建的「配音轨」；⑥ 面板是浮层，不占停靠位。
标注界面位置怎么实现
①时间线上单条字幕右键 上游已有 on_clip_context → clip_action(id, action)。A5 在 clip_action 的 match 里拦 "dub." 前缀，交给 dub_glue::act(studio, id, action)。菜单行由 A4 注入（menu_rows 只对 ClipKind::Text 返回）。
②框选 / Shift 点选多条字幕后右键 上游右键只挂在 clip 上（lanes.slint:555），轨道头没有右键菜单——不做轨头菜单，整轨改由面板「范围」下拉指定。act() 读 studio.selection: Vec<String>（studio.rs:845，pub 字段），右键的那条不在选中集里就只取它自己；多条结果包一个 Command::Batch（一次 undo）。
③新建的「配音轨」（名字不叫 A1，避免和锚点编号混淆） AddMedia（origin = MediaOrigin::Speech）+ AddClip{ track_id, start: clip.start, ripple: false }；单条重配走 ReplaceClipMedia，不新增 clip。
④检查器·文字字段 第 5 步手工修正，现有能力，一行不改。注意：dub 侧改字必须走 text.rs::with_content，否则样式被重置（图 5 ①）。
⑤V1 轨道头的静音 SetTrackFlag { track_id, flag: TrackFlag::Mute, value: true }。对齐完成后由面板上的「静音原声」勾选框触发。
⑥配音设置浮层 A7/A8 挂 DubDialog，可见性由 app.dub.open 控制；菜单底部「配音设置…」把它置 true。不加新菜单栏项、不加新 PaneKind。

回到你给的 6 步：只有第 2 步是从零写的

把上表翻成你的操作顺序，就能看清工作量落点 —— 第 1、4、5 步一行新代码都不用写，第 3 步和第 6 步是同一套编排的两档范围。

步你要的操作谁提供落地命令 / 说明
1外语素材 → 语音转字幕 已有 Transcriber::transcribe（transcribe.rs:435）+ srt_commands（captions.rs:587） Batch{ AddTextClip{duration} }
2字幕译成中文 / 指定语言 新增 dub.translate → translate.rs（在线 ureq） UpdateClip{patch.text}，多条包 Batch。唯一从零开始的模块。
3整轨字幕 → 中文配音 已有 Speech::speak（tts.rs:726）；新增只是编排 + 语速估算 AddMedia + AddClip（范围 = Target::Lane）
4配音对接画面（时长贴合） 已有 AddClip / ReplaceClipMedia / TrimClip / MoveClips 同上 + TrimClip；策略在 fit.rs 里三选一
5手工修正字幕（改字 / 拖时间） 已有 检查器 / MoveClips / SplitClips 用户操作，零新代码。dub 侧改字要走 text.rs 保住样式
6对单条已修正的字幕单独配音 新增 dub.speak 的 Target::One ReplaceClipMedia（不新增 clip）+ TrimClip。与第 3 步同一套代码，只差范围。

图 3右键菜单：三项动词，一个前缀

菜单是 Rust 侧数据驱动的（editor.slint:435 的 menu-items 由 studio.rs:10964 fn menu() 生成），所以加菜单项不改任何 slint、不新增 Glyph。所有新菜单项的 id 统一 dub. 前缀，A5 就靠这个前缀拦下来。

单条菜单（选中的是 1 条） 同一张菜单，选中的是 3 条 字3 · 苏晴：快走！ 译成中文 dub.translate 配音这条 dub.speak 对齐… ▸ dub.fit 复制 copy（上游） 删除 delete（上游） 配音设置… dub.settings ↑ 新加 4 项，其余是上游原有 非 Text 的 clip（视频/音频/图片） menu_rows 返回空 → 这 4 项不出现 菜单项 id 只有 app 内部认识， 不进 locales，不需要翻译表 保画面（推荐） keep_picture 保语音 keep_voice 手动 manual 三条策略 = 三条不同命令，见 图 5 下半 已选 3 条字幕 译这 3 条 配这 3 条 对齐这 3 条…▸ 配音设置… 文案里带数量，来自 Target 里 clip 的个数 落一个 Batch → 一次 Ctrl+Z 全撤 实现：menu_rows 读 studio.selection.len() 一行菜单项长什么样 MenuItemData { id: "dub.translate", kind: MenuRow::Action, glyph: Glyph::TextMark, // 复用，不新增枚举值 label: "译成中文", // dub crate 自带表 } clip_menu() 返回 (id, label, icon 名) 三元组，Glyph 由 dub_glue 补 TypeIcon 为什么 dub crate 不直接给 MenuItemData：Glyph 是 slint 生成的类型，crates/concat-dub 拿不到， 硬依赖会逼它依赖 concat 二进制 → 循环。所以拆成两层：crate 出规格，glue 贴图标。
图 3 · 前缀 dub. 是全部接线点：A5 用 a.starts_with("dub.") 一次性拦下所有新菜单项，上游 match 分支一个不改。

图 4设置面板：dub.slint 线框

这是唯一需要手写的界面文件，约 240 行 slint。四项能力：范围、翻译、配音、对齐，加一条进度条。

DubDialog · 300×470 浮层（居中，可拖） 中文配音 / 翻译 ✕ 范围 当前选中：3 条字幕 ▾ 翻译（在线） 目标语言 中文（普通话） · zh-CN▾ Base URL https://api.deepseek.com/v1 模型 deepseek-chat API Key sk-•••••••••••••••• 从 .env 导入 配音（本地 TTS） 音色 zf_xiaoxiao（女声 · 普通话）▾ 语速区间 0.85 1.20 中文基准 5 字/秒；超出区间才动时间 对齐策略 保画面（推荐） 时间轴不动，靠语速挤进去 保语音 字幕跟语音走，后面 ripple 后移 手动 只选中，用户自己拖 对齐后静音原声轨 SetTrackFlag { Mute } 正在翻译 12 / 48 … 44% A B C D 配置落在独立文件，不碰 Concat 的 prefs.json ~/.config/app.concat.editor/dub.json { "range": "selection", "base_url": "https://api.deepseek.com/v1", "api_key": "sk-...", "model": "deepseek-chat", "target_lang": "zh-CN", "voice": "zf_xiaoxiao", "speed": [0.85, 1.20], "cps": 5.0, "fit": "keep_picture" } 为什么不放进 prefs.json prefs.json 是上游的 serde 结构，多一个字段要么被丢弃、要么要改上游结构体。 独立文件 + 自家的 serde 结构 = 升级时上游改 prefs 也碰不到它。 api_key 处理 显示掩码，只在进程内解密使用；不写日志、不进项目文件、不进导出。 进度条的数据从哪来 翻译按「行」报（第几行 / 共几行），配音按「句」报。 后台线程 ← spawn_in_project，回调直接拿 &mut Studio 更新 app.dub.progress。 失败不中断 单条失败记进报告列表（面板底部可展开），成功的照常落地。 整批只在最后统一 Batch，失败的那条不进命令。 面板关闭不影响任务继续：作业在后台线程，落地时再回 Studio。
图 4 · Ⓐ 范围（One / Selection / Lane 三态）、Ⓑ API Key、Ⓒ 语速区间（clamp 0.85–1.20）、Ⓓ 对齐三选一。

图 5数据流：一次右键之后发生什么

上半是「译」，下半是「配 + 对」。两条链路都在后台线程（spawn_in_project），UI 不卡；落地时再把命令一次性交给 studio.apply。

① 译 translate · 一次请求多行，行数必须对齐 右键「译成中文」 上游 on_menu_selected → clip_action(id, action) dub_glue::act A5 拦 "dub." 前缀 读 studio.selection 定范围 target.rs Target → Vec<Clip> 只留 ClipKind::Text，按 start 排 translate.rs ureq → POST /chat/completions temperature 0.3 · 失败重试 2 次 按行喂、按行收；行数不等就整批放弃 text.rs::with_content TextStyle { content, ..old.clone() } ← 字体/颜色/描边一个不丢 Command::Batch UpdateClip{ patch.text: Some(Some(..)) } 多条 = 一条 undo studio.apply(batch) 上游命令总线，校验 + 落 undo 栈 dub 不直接改 project 时间线刷新 字幕变中文，样式不变 Ctrl+Z 一次回到原文 ② 配 → 对 speak + fit · 语速先挤，挤不下才动时间 右键「配这 3 条」 同一套 act() 范围不同，代码相同 speak.rs 算 speed est = 字数 / 5.0 clamp(est / clip.duration, .85, 1.20) tts.rs speak() SpeakRequest{ speed, text, voice } 原生语速，不用 atempo <project>/audio/*.wav 每句一个文件 项目未保存则报错（tts.rs:794） media::probe 拿真实时长（合成出来常与估算差 5-15%） AddMedia + AddClip origin = Speech；is_free 判空 空了退 AddClipAtFirstFree fit.rs 三策略 保画面 → TrimClip(Tail, 溢出 20%+) 保语音 → TrimClip(ripple: true) SetTrackFlag Mute 原声轨（面板勾选） 整个 ② 包一个 Batch 唯一的坑，单独说：properties.rs:81 的 assign 是覆盖 只发 {"content":"你好"}，这条字幕的字号/颜色/描边/背景会被重置成 TextStyle::default()——因为 TextStyle 上的 #[serde(default)] 是「缺字段取默认」，不是「缺字段保持原样」。 所以任何改字路径都必须 TextStyle { content, ..old.clone() } （照 captions.rs:751 写法）M1 先用单测钉住这条。
图 5 · 上半 4 个上游命令全是现成的；真正新写的只有 target / translate / speak / fit 四个模块。

图 68 个锚点落在文件树的哪里

琥珀小牌 = 上游改动（8 行）；青色 ★ = 新文件，上游永不出现。左边的 [ ] 牌和右边的代码行是一一对应的。

src/crates/ 锚点 ├── concat/ │ ├── Cargo.toml │ ├── src/ │ │ ├── lib.rs │ │ ├── studio.rs │ │ └── dub_glue.rs ★ │ └── ui/ │ ├── app.slint │ └── dialogs/dub.slint ★ └── concat-dub/ ★ ├── Cargo.toml ├── README.md └── src/ ├── lib.rs ├── text.rs ├── target.rs ├── translate.rs └── speak.rs · fit.rs · prompt.rs · lang.rs ★ = 上游从来不存在的路径（新 crate ~1120 行 / 新 slint ~240 行 / 新胶水 ~200 行） A1 A6 A2 A3 A4 A5 A7 A8 这 8 行就是全部上游改动 // crates/concat/Cargo.toml concat-dub = { path = "../concat-dub" } // DUB: A1 // crates/concat/src/lib.rs mod dub_glue; // DUB: A6 // crates/concat/src/studio.rs pub dub: crate::dub_glue::DubState, // DUB: A2 dub: Default::default(), // DUB: A3 rows.extend(crate::dub_glue::menu_rows(self, clip)); // A4 a if a.starts_with("dub.") => dub_glue::act(self, id, a), // A5 // crates/concat/ui/app.slint import { DubDialog, DubData } from "dialogs/dub.slint"; // A7 DubDialog { data: app.dub; } // DUB: A8 grep -rn "DUB:" crates/ | wc -l → 8 为什么不放 9 处、不放到别的 crate · 放 concat-api / concat-core？它们都要被 dub 依赖，会与 TTS 的 heavy 依赖绑在一起，且 concat-api 明确不含 concat-speech。 · 放 panes/mod.rs（加 Msg 变体）？已核实 spawn_in_project 的回调 直接拿 &mut Studio，不需要过 Msg → 省掉 panes/mod.rs、i18n.rs、 locales/*.json 三处改动。 · 每处都是「在原函数末尾追加」或「match 加一个 guard 臂」， 不重排、不改签名、不动已有分支 → 冲突时人眼可判。 · A1 是链接、A2/A3 状态、A4 注入、A5 分派、A6 声明、A7/A8 挂载： 这是上游"承认扩展"的最小接口面，再少只能改上游函数体内部。
图 6 · 8 个锚点里有 6 个是单行、2 个是两行成对；全部收在 4 个文件内。

图 7升级时为什么不会打架

不是靠"小心"，是靠三条可验证的路径事实：新路径上游不存在、通配符让 crate 自动入列、8 行全部带标记。

上游 jub0t/Concat · v0.3.0 · studio.rs 改了若干函数 · app.slint 加了新 dialog · 新增 crates/concat-xxx · 也许删掉了某个旧函数 （上游不知道 dub 存在） → 但你的 A 区它从没见过 你的 amd 分支 = 上游 v0.2.8 + 5 个本地 commit（speech 等） + A 区三个新路径 + 8 行 DUB 接线 HEAD: fd415e0 合并后 上游新版 + 你的 5 个 commit + A 区（原样，零冲突） + 8 行（重放，几分钟） cargo check -p concat-dub cargo check -p concat → 两条都过 = 接线完整 merge 结果的三种情形 零冲突 crates/concat-dub/ 整个目录（~1120 行） 零冲突 ui/dialogs/dub.slint · src/dub_glue.rs · ~440 行 重放 4 文件里的 8 行（有标记，逐个照抄） git 三方合并时这里只有"我方新增"，没有"双方修改" 同上：上游永远不会有同名文件 冲突框里保留两边、删掉标记即可，一行一分钟 升级一次，四步 git fetch origin && git merge v0.3.0 # A 区自动落地，只有 8 行可能要你选 grep -rn "DUB:" crates/ | wc -l # 应恒等于 8 cargo check -p concat-dub && cargo check -p concat && cargo build --release --profile app
图 7 · 冲突面被压到 8 行，而且每行都能用 grep "DUB:" 找回来——不靠记忆。

附三个里程碑与当前状态

阶段做完什么验收（能被眼睛看见）
M1 concat-dub 骨架 + text.rs（带单测）+ 单句翻译 + 单句 TTS；A1~A6 接上 一条外语视频 → 转字幕 → 右键某条「译成中文」→ 变中文且字号/颜色/描边没变 → 右键「配音这条」→ 多出一条音频
M2 多选走 Batch + 三策略 + 面板（A7/A8）+ 原声静音 整片框选一次译完，Ctrl+Z 一次全撤；输出一条完整中文配音成片
M3 原文/译文双行、失败报告、.env 导入、重试提示 断网跑一次，报告说清哪几条没译上，其余照常落地

两个需要你定的点（其余都已按上游实际代码定死）

本文与 Concat中文配音扩展_施工方案.md 是同一套方案：文档给文字细节与命令，图纸给位置。当前代码一行未动（git status 只多出未跟踪的 transub/ 目录）。