视频解说成片端到端流水线：理解索引→写稿校验→剪辑→TTS配音→合成五阶段。支持单视频/多视频 full/cut/dub 三种模式，ASR+VLM 自动抽帧理解剧情，生成解说稿后 TTS 配音并烧录字幕，输出完整解说成片。内置 MiMo ASR/VLM/TTS，支持 Fish Audio、Index-TTS 音色，支持声音克隆整轨替换（dub 模式）。断点续跑、工作目录产物契约、最终 QC 报告。适用于影视解说、短剧 recap、科普视频自动生成。