video-shots

## video-shots 给成片**拉片**——把一条片子拆成逐镜头的分析表：**时长、景别、类别、运镜、画面**。 **前提刻在骨子里：镜头边界是量出来的，不是看出来的。** 模型看视频最不可靠的就是报时间—— 「这个镜头大概 3 秒」和「2.97 秒」差的不是精度，是这份表能不能用。所以这里划一条死线： | 谁来定 | 什么 | 怎么定 | | --- | --- | --- | | **代码** | 切点、时长、片长、帧率 | ffmpeg 场景检测 + ffprobe，两位小数 | | **代码** | 每个镜头的实测运动量 | 逐帧差分曲线的区间中位数（两端剔除，避开切点尖峰） | | **模型** | 景别、类别、运镜、画面 | 看关键帧判断——**只有这四件事是模型的活** | | **代码** | 判断对不对 | 14 道质量门，逐条对账 | 最硬的一道门是**运镜��测对账**：摄影机真动了，像素不可能不变。所以「声称推/拉/摇/移/跟， 实测帧间变化接近 0」这一向直接拦——这是模型拉片最常见的幻觉。反过来（声称固定、实测很动） **不拦**，只出提示：固定机位前面有人跳舞，帧间差一样会爆。 `{baseDir}` = 本文件所在目录。脚本 `{baseDir}/scripts/video-shots.mjs`，零依赖，`node` 直接跑。 **边界（不做的事）**：不转写语音（没有 ASR，台词靠画面上烧录的字幕读，读不到就留空并说明）、 不做人脸识别与人物自动归并（`cast` 是人工编号）、不评价片子好坏（报告只给事实和统计）、 不剪辑不导出片段、不做镜头内的物体检测。 --- ### Step 0 — 定输入与范围 只要一个视频文件。先问清两件事，问不到就按默认走并在汇报里说明： - **拉全片还是拉一段**：全片是默认。只要某一段就先用 ffmpeg 裁出来再拉，别在整片上标一半。 - **拉来干什么**：做仿写参考（重画面与运镜）、做剪辑节奏分析（重时长与类别）、 做投放素材盘点（重产品镜与字卡）。用途不同，`note` 里该多记什么不同——**表的结构是一样的**。 ### Step 1 — seed 工作底稿 ⛔ 切点在这一步定死 ```bash cd <输出目录> node {baseDir}/scripts/video-shots.mjs seed <video> --track track.json --title "<片名>" > shots.json ``` stderr 会报：片长、帧率、分辨率、检测到几个切点、合并后几个镜头。**先看这一行再往下走**： - 平均镜长十几秒、镜头数明显偏少 → 阈值高了，`--threshold 0.15` 重跑（暗戏、慢片、 同机位对话多的片子都要往下调） - 镜头数比肉眼数的多出一�� → 阈值低了，往 `0.4` 调，或留到 Step 4 用 `recut --merge` 并 - 一条 3 分钟的片子跑完只要几秒钟，**多跑两遍比将就一份烂底稿划算** 底稿里 `start` / `end` / `seconds` / `motion` 已经填好，`size` / `category` / `camera` / `frame` 是空的—— **那四个空格子才是模型的活**。 ### Step 2 — 抽关键帧与联系表 ```bash node {baseDir}/scripts/video-shots.mjs f...