AI_spine/README.md

# AI Spine 角色拆件与动画管线

本项目用于把单张 2D 角色参考图转换为可供 Spine 动画使用的语义部件、透明拆件和骨骼资源。

当前正在实现的新管线分为三个核心阶段：

1. 视觉 LLM 输出语义、层级、骨骼/附件分类、遮挡、粗框和粗关节；程序用 Alpha 检查 ROI 并生成候选种子。
2. 使用 SAM 根据语义、粗框和程序候选生成 mask，经语义/几何检查后从原图提取可见像素。
3. 使用图片编辑模型补全被遮挡的部件，再进行几何验收和 Spine 导出。

目前第一、二阶段可运行，第三阶段已接入部件画布准备、图片编辑请求、候选几何检查及可见像素恢复。第二阶段在 `ai-spine` Conda 环境的临时子进程中加载本地 SAM 3.1 权重，使用 GPU 分割并生成半透明标注图、白底拆解图和透明部件。分割与补全结果仍需语义复核；新管线的 Spine 导出尚未完成。第三阶段已通过离线及 mock 接口验证，真实图片编辑质量尚待验证。

仓库仍保留旧版“AI 生成白底拆件图 → OpenCV 拆分 → Genielabs 定位 → Spine 导出”流程，用于对照和回归测试。

## 文档

- [项目修改约定](AGENTS.md)：每次修改都必须遵守，Python 固定使用 `ai-spine` Conda 环境。
- [第一阶段：视觉 LLM 角色结构理解](docs/1-understanding-stage.md)：执行流程、代码对应关系、数据格式和输出文件。
- [第二阶段：本地 SAM 分割](docs/2-segmentation-stage.md)：环境、运行命令、权重适配、输出和质量边界。
- [第三阶段：部件补全](docs/3-completion-stage.md)：局部画布、遮挡/关节延展区域、生成调用、可见像素恢复及几何检查。
- [模型阶段配置与实验说明](docs/model-stages.md)：模型切换、协议适配、图片编辑探针、缓存和错误处理。

## 环境准备

### Node.js

第一阶段要求 Node.js 20 或更高版本，以及下方 Python 几何依赖；没有额外 npm 运行时依赖。

```powershell
node --version
conda run -n ai-spine npm test
```

### 中转站配置

在项目目录复制环境变量模板：

```powershell
Copy-Item .\.env.example .\.env
```

编辑 `.env`：

```dotenv
VECTOR_ENGINE_BASE_URL=https://router.genarrative.world/v1
VECTOR_ENGINE_API_KEY=你的令牌

# 可选：覆盖配置文件中的默认模型
SPINE_UNDERSTANDING_MODEL=deepseek-flash
SPINE_COMPLETION_MODEL=qwen-image-3.0

# 本地 SAM 根目录和源码仓库；分割结束后子进程退出
SAM_MODEL_DIR=F:/Study/SAM3
SAM_CODE_DIR=F:/Study/SAM3/sam3
```

模型 ID 会原样发送给中转站，不进行隐式别名转换。不要把 API Key 写进 JSON 配置或提交到版本库。

另一个中转站 Tiantoken 使用独立配置 [configs/tiantoken.json](configs/tiantoken.json)。在本地 `.env` 设置 `TIANTOKEN_BASE_URL=https://api.tiantoken.com` 和 `TIANTOKEN_API_KEY`，运行时增加 `--config .\configs\tiantoken.json`；原中转站配置保持独立。

```powershell
node .\tools\model-check.mjs --config .\configs\tiantoken.json --list-models
node .\tools\model-check.mjs --config .\configs\tiantoken.json --dry-run
```

该配置默认第一阶段使用 `gpt-6-astra`（Responses），第三阶段使用 `gpt-image-2`（images/edits），可通过 `TIANTOKEN_UNDERSTANDING_MODEL`、`TIANTOKEN_COMPLETION_MODEL` 或对应 CLI 参数覆盖。2026-09-20 已验证认证与模型列表访问，返回 113 个模型，含上述两个 ID；尚未验证实际理解、图片编辑或 Responses 图片生成工具能力。此配置不等于已接入 Astra 主导的第三阶段图片生成。

### Python 与外部项目

本项目固定使用 **Conda 环境 `ai-spine`**，不使用或创建 `.venv`。第一阶段的 Alpha 校验需要 Python 3、`Pillow`、`numpy`、`opencv-python`。

执行项目命令前先 `conda activate ai-spine`。Node 管线会检查 Python 属于该 Conda 环境；`--python` 也只能指定该环境的解释器。未激活环境或缺少依赖时会报错，不会自动创建环境或安装依赖。

旧版拆件和 Spine 导出还需要：

- Python 3；
- `Pillow`、`numpy`、`opencv-python`；
- 相邻目录中的 `spine-animation-ai` 项目。

当前本机验证组合为 Python 3.11、PyTorch 2.7.1 + CUDA 12.6、torchvision 0.22.1。在 `AI_spine` 目录补全依赖；已有此 CUDA 版本时跳过第一条安装命令：

```powershell
conda activate ai-spine
python -m pip install torch==2.7.1 torchvision==0.22.1 --index-url https://download.pytorch.org/whl/cu126
python -m pip install -r .\requirements.txt
python -m pip install --no-deps --no-build-isolation -e F:\Study\SAM3\sam3
```

不激活终端也可明确指定安装目标：

```powershell
conda run -n ai-spine python -m pip install -r .\requirements.txt
```

检查解释器和依赖：

```powershell
conda run -n ai-spine python -c "import sys, cv2, PIL, numpy; print(sys.executable); print('Dependencies OK')"
```

`spine-animation-ai` 是外部只读依赖，使用时需要遵守其 PolyForm Noncommercial 许可证。

## 常用命令

以下命令默认在 `AI_spine` 目录、已激活的 `ai-spine` Conda 环境中运行。自动化可使用 `conda run -n ai-spine node ...`。

### 查询中转站模型

```powershell
node .\tools\model-check.mjs --list-models
```

### 检查本地配置

不请求模型，也不生成付费内容：

```powershell
node .\pipeline.mjs --mode annotated-parts `
  --config .\configs\deepseek-qwen.json `
  --reference ..\spine-animation-ai\demo\character_reference.png `
  --dry-run
```

### 使用 DeepSeek Flash 理解角色结构

当前已验证可用的配置是 `deepseek-flash + chat-completions + stream=false`：

```powershell
node .\pipeline.mjs --mode annotated-parts `
  --config .\configs\deepseek-qwen.json `
  --reference ..\spine-animation-ai\demo\character_reference.png `
  --out-dir .\output\sombrero-understand-deepseek `
  --stop-after understand
```

重点检查输出目录中的：

- `report.html`：人工复核页面；
- `semantic-parts.json`：v2 语义计划，包含 `rig_role`、`bind_to`、三项 `completion`；
- `geometry-validation.json`：原始点诊断、框内前景比例、候选及阻塞原因；
- `segmentation-prompts.json`：程序生成的 SAM 候选提示；模型原始正负点不会传入；
- `validation.json`：本地结构校验结果；
- `manifest.json`：模型、输入、代码版本和产物记录。

输入保留画布尺寸。已有透明背景直接保留 Alpha；不透明白底只移除与边界连通的近白区域。其他背景需先提供抠图 PNG。候选来自粗框内前景的距离变换，不能保证属于目标部件，仍需语义复核。关节点不会吸附到前景。

已有结果可离线检查，无需再次请求模型：

```powershell
node .\tools\model-check.mjs `
  --reference .\output\sombrero-understand-deepseek-flash\source.png `
  --parts-file .\output\sombrero-understand-deepseek-flash\semantic-parts.json `
  --out-dir .\output\sombrero-grounding-review
```

旧版 v1 计划会保守迁移到 v2，迁移推断写入 notes，仍需复核；原文件不覆盖。

### 使用 GPT-6 Astra 做对照实验

```powershell
node .\pipeline.mjs --mode annotated-parts `
  --config .\configs\astra-qwen.json `
  --reference ..\spine-animation-ai\demo\character_reference.png `
  --out-dir .\output\sombrero-understand-astra `
  --stop-after understand
```

当前中转站的 Astra 通道要求 Responses 协议和流式响应。若中转站返回 overloaded，应使用新的输出目录稍后重试。

### 临时覆盖理解模型

```powershell
node .\pipeline.mjs --mode annotated-parts `
  --config .\configs\deepseek-qwen.json `
  --understanding-model YOUR_EXACT_MODEL_ID `
  --understanding-protocol chat-completions `
  --stream false `
  --reference .\reference.png `
  --out-dir .\output\model-experiment `
  --stop-after understand
```

每组模型实验应使用独立的输出目录，避免覆盖对照结果。只有输入、配置、代码和产物哈希全部一致时，才可以通过 `--resume` 复用结果。

### 使用本地 SAM 生成标注和拆解图

复用已有第一阶段结果，不重新请求 DeepSeek，也不需要中转站密钥：

```powershell
conda run --no-capture-output -n ai-spine node .\tools\model-check.mjs `
  --stage segmentation `
  --input-dir .\output\sombrero-grounding-v2 `
  --out-dir .\output\sombrero-sam-local `
  --sam-dir F:/Study/SAM3
```

打开输出目录的 `report.html`：`annotated.png` 是原图上的不同半透明颜色标注，`parts-sheet.png` 是白底拆解图，`parts/` 保存原像素透明部件。运行期间加载 GPU 权重，完成后子进程退出，不启动常驻服务。

加入 `--dry-run` 可检查环境与本地路径，不加载权重推理。输入必须含 `source.png`、v2 `semantic-parts.json`、`segmentation-prompts.json`。完整参数与质量检查见[第二阶段文档](docs/2-segmentation-stage.md)。

### 第三阶段：按部件补全

先从已有 SAM 输出准备画布、允许新增区域和提示词，不请求模型：

```powershell
node .\tools\model-check.mjs --stage completion `
  --input-dir .\output\sombrero-sam31-v3 `
  --out-dir .\output\sombrero-completion-prepare `
  --completion-model qwen-image-3.0 `
  --prepare-only
```

打开 `report.html` 检查部件和允许新增区域。以下命令对 `head` 发起一次部件编辑任务，再检查候选并恢复原图可见像素；会调用中转站图片模型：

```powershell
node .\tools\model-check.mjs --stage completion `
  --input-dir .\output\sombrero-sam31-v3 `
  --out-dir .\output\sombrero-completion-head `
  --completion-model qwen-image-3.0 `
  --part head
```

`--part` 可重复；省略则处理所有具备可见 mask、补全需求和允许区域的部件。当前 SAM 示例仍有错分，应先复核。补全不会自动纠正上游语义；通过几何检查的 PNG 保存到 `parts/`，仍需人工复核。完整参数、离线候选导入与限制见[第三阶段文档](docs/3-completion-stage.md)。

第三阶段请求会显式发送与局部画布一致的 `size`（默认 `1024x1024`）。如果中转站仍返回其他尺寸，可使用 `--candidates-dir 旧补全目录 --candidate-size-policy uniform` 离线复查：只允许同宽高比的画布等比例缩放，保留原候选，继续检查位置与新增区域并恢复原像素。默认 strict 模式仍拒绝尺寸不符；详细命令见第三阶段文档。

### 单独测试图片补全接口

此命令只验证图片编辑适配器并保存原始候选，不代表补全部件已经验收通过：

```powershell
node .\tools\model-check.mjs --stage completion `
  --image .\local-part.png `
  --prompt-file .\task.txt `
  --out-dir .\output\qwen-edit-test `
  --completion-model qwen-image-3.0
```

### 运行旧版完整管线

```powershell
node .\pipeline.mjs `
  --reference ..\spine-animation-ai\demo\character_reference.png `
  --out-dir .\output\legacy-character `
  --genielabs-dir ..\spine-animation-ai `
  --image-model qwen-image-3.0 `
  --attempts 1 `
  --animations idle,walk,wave
```

旧流程依赖生成式拆件与传统 CV 定位，对低纹理、低分辨率和生成后外观变化较大的角色不稳定。其输出应通过 `assembled.png` 和 `preview-rigged.html` 人工检查后再导入 Spine。

### 运行测试

```powershell
conda run -n ai-spine npm test
```

测试使用本地 mock HTTP 服务或注入响应，不调用真实付费模型。