短视频内容拆解 (Short Video Breakdown)
Overview
把一个短视频变成可复用的「创作说明书」：从原始文件抽取关键帧与音轨，逐帧理解画面、字幕/口播、镜头语言与节奏，最终产出 分镜表 + 脚本结构 + 爆款要素 + 复制方法论 的标准拆解报告。适用于抖音/快手/视频号/小红书/B站等平台的爆款对标、脚本仿写、选题研究。
When To Use
- 用户拖入视频文件并要求：拆解、分析、脚本分析、分镜、爆款结构、钩子分析、节奏分析、对标、仿写、提取文案/口播。
- 触发词示例：「拆一下这个视频」「分析它的脚本结构」「这个爆款为什么火」「提取视频文案」「帮我做分镜表」。
- 不适用：视频剪辑、生成、加特效、数字人 —— 那些交给视频生成类 skill。
Workflow
0. 准备：确认输入与依赖
- 确认用户提供了视频文件路径（本地文件或会话内上传）。若只给了平台链接（抖音/小红书等），先用
agent-browser打开页面获取可下载的视频，或至少拿到标题/文案/评论；注意平台反爬，原视频直链常短时失效，优先请用户直接传文件。 - 抽帧后端获取顺序（
scripts/extract_frames.py内已实现，无需手动调）：① 环境变量FFMPEG_BIN/FFMPEG_PATH→ ② 系统 PATH 中的ffmpeg→ ③ 常见手动路径（D:/ffmpeg、C:/ffmpeg、D:/tools/ffmpeg）→ ④ 回退imageio-ffmpeg自带静态二进制。推荐方案：系统直接装 ffmpeg 并加入 PATH（零额外空间）。若用 pip 方案：python -m pip install imageio-ffmpeg；当前 C 盘空间紧张时，把受管 Python 的 venv 建到 D 盘或任意有空间的盘（如python -m venv D:/wb_ffmpeg_env后在该 venv 内pip install imageio-ffmpeg），并把TMP/TEMP也指到该盘，避免撞 C 盘空间墙。
1. 抽帧与提取音轨
运行 bundled 脚本（路径按需调整）：
python scripts/extract_frames.py --video "<视频路径>" --out "<输出目录>" --frames 30
脚本会：① 解析时长/分辨率；② 按 --frames 自适应间隔抽 JPG 到 <out>/frames/；③ 提取 16k 单声道 wav 到 <out>/audio.wav；④ 写出 <out>/manifest.json（duration / fps / width / height / interval / 帧文件列表 / audio 路径）。
- 帧数建议：<15s 用 --frames 20~25；30~60s 用 30；1 分钟以上用 35~45；超长视频先做关键场景检测（见 references/breakdown_guide.md）。
- 帧数控制在 20–45 张，平衡覆盖度与逐帧读取的 token 成本。
2. 逐帧多模态分析
用 Read 工具逐张（或分批）读取 <out>/frames/*.jpg，对齐 manifest.json 的时间码（帧序号 × interval）：
- 画面：场景、人物/主体、关键物体、画面文字与 UI、色调与质感。
- 字幕/口播：字幕烧录在画面时，按时间顺序归并连续帧的文案；跨帧重复只记一次。
- 镜头语言：景别（远/全/中/近/特写）、运镜（固定/推/拉/摇/移/手持）、转场、构图。
- 钩子与情绪：标注每段在「吸引—停留—共鸣—行动」上的作用。
长视频/帧多时分 2–3 批读取避免遗漏；结论务必带上时间码。
3. 语音转写（可选，非必须）
若环境具备 ASR（如 whisper / 平台转写），对 audio.wav 转写并与画面字幕交叉校对；否则在报告中明确标注「口播内容依据画面字幕识别，未经音频转写核验」，不臆造听不清的台词。
4. 结构化拆解与产出
依据 references/breakdown_guide.md 的框架与分析维度产出报告，至少包含：
1. 基础信息卡（平台特征、时长、分辨率、是否竖屏、节奏基准）
2. 分镜表（时间轴 | 画面 | 字幕/口播 | 镜头语言 | 功能/钩子）
3. 脚本结构（黄金3秒 Hook → 铺垫 → 转折/冲突 → 高潮/价值 → 结尾 CTA，标注时间码）
4. 爆款/可复用要素（选题、开头钩子、情绪曲线、节奏、互动引导、BGM/视觉风格、人设）
5. 一句话方法论 + 复制清单（若要做同类视频，照此执行）
报告写成 Markdown 存到 <out>/拆解报告.md；如需时间轴可视化，套用 assets/timeline_report.html 模板生成可预览的 HTML（把分镜数据填入模板中的时间轴容器即可）。
5. 交付
用 present_files 同时给出 Markdown 报告与（可选）HTML 时间轴，方便用户查看与下载。
Notes & Boundaries
- 抖音/小红书等直链常带签名且短时有效，
agent-browser抓取易失败；始终优先让用户传文件。 - 等间隔抽帧可能错过瞬时转场/闪屏；对强剪辑视频用 references 的关键场景检测模式二次抽取。
- 不杜撰听不清的台词；音频转写缺失时在报告中标注。
- 尊重版权：拆解用于学习/对标，输出不得冒充原创或商用盗用。
