3-5× 提速，分镜级可视化，单点可修复。面向教学、科普、培训的 LLM + Manim 并行生成工作流，60s 视频 5-8 分钟搞定。
需求 → Prompt 改写 → 分镜划分 → 并行代码生成 → 并行渲染 → FFmpeg 合并 → WebSocket 实时反馈 → 下载/单镜重试。
60s 视频 5-8 分钟
Prompt 自愈 + Thinking
单分镜重跑
实时 WebSocket
二次函数、牛顿定律、微积分推导，动画演示公式与图像。
流程 SOP、产品解说、数据可视化，快产可改。
概念讲解、实验演示、生活化对比，分镜复用与微调。
命令行可选：python main.py --prompt "讲解牛顿第二定律" --target-duration 60 --use-parallel --use-thinking
补足上下文与教学目标，可选 Thinking，降低 Prompt 门槛。
4-8 镜头，自动分配标题/描述/时长/转场/镜头/视觉元素。
asyncio.gather 调 LLM，带前后文衔接与缓存。
ThreadPoolExecutor 跑 Manim，分镜独立失败隔离。
安全 concat，必要时重编码重试，输出 mp4。
WebSocket 推送 scene_code / scene_video / scene_error / success。
原生 HTML/CSS/JS，卡片式分镜预览，响应式布局。
FastAPI + WebSocket（web_app.py）：任务/状态/分镜资源路由。
main.py：Prompt 改写 → 分镜划分 → 并行代码生成 → 并行渲染 → FFmpeg 合并。
LLM（Claude Sonnet 4/3.5 via TAL API）、Manim、FFmpeg，edge-tts 旁白可选。
outputs/ 存分镜与步骤，.cache/ 存缓存代码/视频/元数据。
POST /api/generate/start · POST /api/refine_scene · GET /api/scene/{key}/{scene_id} · WebSocket /ws/{task_id}
3-5×（50-70% 时间节省），随 CPU 核心与分镜数线性扩展。
60-70% → 85-90%，分镜更稳定、转场更平滑。
并行峰值内存 ~3-5 GB，换取显著时间收益。
Python 3.8+、Manim CE、FFmpeg。
pip: fastapi · uvicorn · websockets · pydantic · requests · edge-tts(可选)
TAL_MLOPS_APP_ID / TAL_MLOPS_APP_KEY（可选 TAL_MLOPS_BASE_URL）。
单分镜失败/不满意可独立重跑，其他分镜不受影响。
仅使用成功分镜进行合并，确保产物稳定。
WebSocket 实时推送 scene_code / scene_video / scene_error / success，黑盒变白盒。
更精细的转场模板与分镜模板库。
结合资源自动调度，支持 GPU 与分布式。
智能配乐、A/B 多版本生成、更激进缓存与增量更新。