用分布式工作流设计 AI 视频生成
文章将 AI 视频生成拆解为脚本、分镜、配音、字幕和渲染等相互依赖的任务。它用长时间渲染、Webhook 重复投递、版本丢失和误发布等场景说明生产系统需要处理的故障。
AI 深度解读
AI 视频演示只需要提交一句提示词,等着拿 MP4。做进产品以后,用户会关掉页面,渲染会超时,Webhook 会重复送达,市场同事也会要求改回上一版。作者把这条流水线看成一个分布式构建系统:提示词提交后,系统创建一项有编号的任务,让它在浏览器之外继续运行。
这篇最值得前端和全栈读者借鉴的是任务接口怎么划边界。页面刷新后怎么找回进度,提交失败后怎么安全重试,生成完成后谁决定能不能发,都要在接入模型时想清楚。
提交接口应该先返回任务
「给新客户做一条 45 秒的竖屏讲解视频」看起来是一句提示词,落到制作上却有脚本、分镜、配音、音乐、字幕、时间轴、渲染和导出。换一段配音,字幕的时间点可能跟着移动。剪短一个镜头,音乐的落点可能就对不上了。用户只改了一句话,后面却可能有几步要重做。
把整个过程塞进一个阻塞的 HTTP 请求,页面就很难判断连接断开时任务究竟走到了哪一步。作者的做法是先持久化任务,再把任务 ID 返回给客户端。下面的 TypeScript 代码展示了提交接口的返回约定。
type VideoJobState =
| "pending"
| "planning"
| "producing"
| "succeeded"
| "failed";
type VideoJob = {
id: string;
state: VideoJobState;
progress?: number;
outputUrl?: string;
error?: {
code: string;
message: string;
retryable: boolean;
};
};
async function submitVideo(brief: string): Promise<VideoJob> {
const response = await fetch("/api/video-jobs", {
method: "POST",
headers: { "content-type": "application/json" },
body: JSON.stringify({ brief }),
});
if (!response.ok) {
throw new Error(`Submission failed with ${response.status}`);
}
return response.json();
}
看 submitVideo 的返回类型 Promise<VideoJob>。请求成功时,前端已经拿到 id 和 state,可以进入任务详情页。outputUrl 是可选字段,视频可以稍后生成。至于服务端何时写库、如何启动后台工作,这段客户端代码只定义了接口,具体实现由应用补齐。
等待有截止时间,重试要认得原任务
渲染慢时,作者建议用有截止时间的轮询。请求间隔逐渐拉长,叠加一点随机延迟,避免同一批任务总在同一时刻查状态。任务进入 succeeded 或 failed 后,等待循环就可以退出。
const sleep = (ms: number) =>
new Promise((resolve) => setTimeout(resolve, ms));
async function waitForVideo(jobId: string): Promise<VideoJob> {
const deadline = Date.now() + 15 * 60_000;
let delay = 5_000;
while (Date.now() < deadline) {
const response = await fetch(`/api/video-jobs/${jobId}`);
if (!response.ok) {
throw new Error(`Status check failed with ${response.status}`);
}
const job: VideoJob = await response.json();
if (job.state === "succeeded") return job;
if (job.state === "failed") {
throw new Error(job.error?.message ?? "Video generation failed");
}
const jitter = Math.floor(Math.random() * 1_000);
await sleep(delay + jitter);
delay = Math.min(Math.round(delay * 1.4), 15_000);
}
throw new Error("Video job exceeded the waiting deadline");
}
看最后两行间隔计算。初始间隔为 5 秒,每轮乘 1.4 后四舍五入,基础间隔封顶 15 秒,随机抖动另加 0–999 毫秒。15 * 60_000 只限制循环何时发起下一次检查,已经发出的 fetch 仍需要单独设置超时。示例遇到非成功 HTTP 响应会直接退出,临时网络故障的重试策略得另行实现。
作者建议把推进任务所需的等待放在后台 worker。页面只读取应用保存的最新状态,关掉后回来也能接上。规划中、制作中、待审核、已就绪这样的阶段提示,比一个持续转动的加载图标更能交代目前走到了哪一步。前端等到超时,也只能说明这次等待结束,渲染仍可能继续。
轮询解决的是「什么时候再查」,提交重试要解决的是「这还是不是刚才那一单」。用户双击、队列重投,或者供应商已经接单而应用没等到响应,都可能让同一条视频渲染多次。作者在 CreateJobInput 里加入 idempotencyKey,用 db.videoJob.findUnique 查询已有任务,再用 db.videoJob.create 建立 pending 记录。同一次逻辑提交沿用同一个键,并在昂贵的工作开始前写入数据库。并发请求可能同时查到空结果,所以还需要数据库唯一约束。实际实现也要处理插入冲突,把已有任务返回给重试方。
改稿要能从任意一版接着做
如果每次修改都覆盖同一条记录,最后很难追出某版用了什么素材、按哪条指令生成,以及审核当时通过的是哪份成片。作者建议每次修改都创建新的任务,用 parentJobId 指向来源。Revision 同时保存 jobId、instruction、createdBy、createdAt 和 operation,操作类型有 create、edit、remix、extend。
这样,换一种风格可以从已批准版本另开分支,续写结尾也能找到原来的成片。审核者看到「只改第二幕标题」和「整条重做成轻松的社媒广告」,就可以按改动范围决定看哪些内容。
留下 MP4 只是留住了结果。要追查两条相似提示词为什么产出不同,还得保存原始需求、归一化后的设置、参考素材标识、供应商任务 ID、模型或工作流版本、状态变更、错误详情、输出元数据和审核决定。供应商链接如果会过期,可以按留存策略把获批素材复制到自有存储。提示词里可能有客户信息、未发布的产品名和私有素材链接,作者建议共享日志默认只记标识符和结构化事件。
发布前还要过一次内容审核
供应商返回 succeeded,只说明渲染成功。字幕写错品牌名、画面放错产品界面、配音读错数字,或者参考素材超出授权范围,都可能发生在一次成功的 API 调用里。
作者为此单独定义了 EditorialState,包含 unreviewed、needs_changes、approved 和 rejected。时长、画面尺寸、有无音频、黑帧和字幕时间边界可以自动检查。事实准确性、品牌表达、素材授权以及成片是否值得发布,仍由人审核。这样自动检查可以先筛掉常见问题,发布则依据成片的审核结果。
我的判断
我会先采用持久化任务 ID 和明确的状态接口。这两个约定直接影响用户刷新后能恢复什么、请求超时后能查到什么。低频的内部工具可以先做按需查询或低频轮询。已有 Webhook 的团队可以用它更新状态,同时让前端继续读同一个任务接口。回调重复时,状态更新也要能重复执行。
幂等示例能防重复建任务,但供应商调用还有一段独立的故障窗口。假如 worker 在供应商接单后、保存对方任务 ID 前中断,下一次执行仍有可能再发一单。能否安全恢复,取决于供应商是否支持幂等请求或查回既有任务,原文没有交代。保存模型版本和素材标识也主要解决追溯问题,能否生成相同画面还取决于供应商如何保留旧版本及其生成行为。
原文提供的是架构经验和示例代码,没有给出实测结果或对照数据。文中的 5 秒、15 秒和 15 分钟可以帮助理解退避策略,生产参数得结合供应商限流、实际渲染耗时和用户愿意等待多久来定。
能拿来做什么
- 前端提交成功后用
jobId进入任务详情页,并让刷新后的页面从状态接口恢复进度。查询暂时失败时,保留任务入口,让用户能回来继续看。 - 在 Node 提交接口中,为同一轮提交复用
idempotencyKey,在数据库加唯一约束,并在插入冲突时查回原任务。主动发起新版本时再生成新键。 - 做改稿功能时,先保存
parentJobId、修改指令和当时使用的素材标识,让评审能打开来源版本和当前版本逐一对照。 - 发布接口同时检查渲染状态和当前版本的审核状态。自动检查通过后,把成片交给审核者核对产品名、画面和素材授权。