视频转漫画流水线（Video to Comic）

接收一组视频，输出可直接发布的漫画页（或可继续加工的半成品）。

与 photo-to-comic-strip 的关系：那个技能处理「已有照片」，本技能处理「原始视频」并多做前三个阶段的视频理解。画风库与角色锚点方法两边共享，改风格时两边都要改。

何时用 / 不用

技能构成

两个脚本都只依赖 ffmpeg + Pillow，不需要 ffprobe / numpy / cv2。

启动前必做：告知成本

图像生成每张消耗约 5–10 积分，属额外计费。开工前必须向用户报清张数与总量，得到确认再跑。

若不想消耗积分：只跑阶段一到三，交付分镜脚本 + 排版占位版 HTML（版式已排好、格子留空），用户后续自己补图。这同样是完整交付物。

工作目录约定

所有产物落在一个工作目录下，阶段间用文件传递，任何一步都能中断续跑：

<workdir>/
├── frames/            # 阶段一：关键帧
├── sheets/            # 阶段一：联系表（给模型看的）
├── frames.json        # 阶段一：清单
├── analysis.json      # 阶段二：视频理解结果
├── storyboard.json    # 阶段三：分镜脚本
├── anchor/
│   └── character-anchor.png   # 阶段四：角色锚点（跨批次长期复用）
├── panels/            # 阶段五：逐格漫画图
├── storyboard.json    # 阶段三：分镜脚本（shoot.py 的输入）
├── comic.html         # 阶段六：排版文件
└── comic.png          # 阶段六：成品图

阶段一 · 视频解析与关键帧提取

python {baseDir}/scripts/extract_keyframes.py \
  --input "<视频文件或包含视频的目录>" \
  --outdir "<workdir>" \
  --interval 8 --scene-threshold 0.30 --max-frames 48

参数怎么调：

脚本不依赖 ffprobe、numpy、cv2，只用 ffmpeg + Pillow。传目录时会按文件名自然序拼接，时间轴跨文件连续。

已内置的健壮性处理（不用你操心，但知道有这回事）：

产出：frames/（关键帧）、sheets/（联系表）、frames.json（含每帧时间戳、来源、类型、感知哈希）。

阶段二 · 内容分析（读图理解）

关键成本控制：先读 sheets/ 里的联系表（一张图含 20 帧），一次通读全片；再挑少数几张读 frames/ 原图做细节分析。

> ⚠️ 不要一上来就逐张读原图。48 帧原图会白白烧掉大量上下文，而联系表已经能覆盖 90% 的判断。

读联系表时，要求模型输出这份结构化结果，落到 analysis.json：

{
  "main_line": "一句话概括这条视频发生了什么",
  "setting": "地点、天气、时段",
  "characters": [
    {
      "role": "主角",
      "appearance": "性别/年龄段/发型/体型/标志性特征",
      "wardrobe": "全程穿着的服装（含每段变化）",
      "frames": ["v01_003", "v01_007"]
    }
  ],
  "beats": [
    { "frame": "v01_003", "t": 12.4, "what": "发生了什么事", "why": "为什么值得画" }
  ],
  "visual_style": "素材本身的影像风格（色调/光线/镜头语言）",
  "suggested_genre": "基于素材调性推荐的漫画画风",
  "usable_frames": ["v01_003", "v01_007"],
  "rejected_frames": [{ "frame": "v01_011", "reason": "纯风景空镜/重复/糊" }]
}

characters[].appearance 与 wardrobe 写得越细，阶段四的锚点越准。

阶段三 · 分镜脚本

用 references/prompt-library.md 里的「事件提炼」与「旁白生成」指令，把 analysis.json 压成 storyboard.json：

{
  "title": "漫画标题（≤10 字，有画面感）",
  "date": "2026-09-13",
  "layout": "grid-4",
  "theme": "paper",
  "style_block": "（逐字固定的画风段，整批共用）",
  "panels": [
    {
      "no": 1,
      "source_frame": "v01_003",
      "shot": "wide establishing shot",
      "scene": "英文场景描述：地点 + 动作 + 景别 + 光线 + 此刻服装",
      "caption": "中文旁白（≤12 字）",
      "sfx": "拟声词，可省"
    }
  ]
}

选帧判据：读者看这几格能不能明白「这天发生了什么」。
纯风景空镜、重复画面、无信息量的过渡帧一律不选。

景别要有变化——四格里至少一格远景、一格特写。全是中景会很闷。

阶段四 · 角色锚点（一致性地基）

从 usable_frames 里挑人物最清晰的那一帧，用图像生成（image-to-image）转成漫画版人物。

prompt 用 references/prompt-library.md 的「角色锚点段」（画风段 + 角色描述 + 定妆照要求）。

产出存为 anchor/character-anchor.png，全片所有格子引用同一张。

纪律：

• 锚点里服装定死成常穿那套
• 换画风 = 重做锚点（绘本风锚点跑水墨风分镜，人物会精神分裂）
• 锚点做好后给用户看一眼再往下跑——这一步不对，后面全废

阶段五 · 逐格生成

每格一次图像生成调用，输入两张图：

• image1 = 该格对应的原始关键帧（定构图与场景）
• image2 = 角色锚点（定人脸与服装）

prompt 结构：

[画风段，逐字固定] + [本格英文场景描述] + [角色一致性约束]

参数建议：

先跑 1 格试水，确认画风与人物一致性到位，再批量跑剩下的。别一口气跑完九格才发现风格不对。

常见问题与处置

阶段六 · 排版输出

复制 assets/comic-template.html 到工作目录，改内嵌的 COMIC_CONFIG：

const COMIC_CONFIG = {
  layout: "grid-4",     // grid-4 | grid-6 | grid-9 | strip
  theme: "paper",       // paper（绘本·水墨）| dark（电竞·霓虹）
  title: "周末骑行日记",
  date: "2026-09-13",
  footer: "山与我 · Mountain and Me",
  frames: [
    { src: "panels/panel-01.png", caption: "六点半就爬起来了" },
    ...
  ]
};

模板特性：

• 四种形态靠 layout 切换，两套主题靠 theme 切换
• 缺图的格子自动显示「待生成 XX」占位——分镜没出图也能先看版式
• 支持 sfx 字段渲染拟声词
• 加 ?shot=1 去掉页面外边距，截图更干净
• 支持 ?config=xxx.json 从外部喂配置（需经 http 服务，file:// 下会被 CORS 拦）

截图成图：用配套脚本一步到位。

python {baseDir}/scripts/shoot.py \
  --html {baseDir}/assets/comic-template.html \
  --config "<workdir>/storyboard.json" \
  --out "<workdir>/comic.png" \
  --width 1080 --height 1800

脚本做了三件省事的事：

1. 自动注入配置 —— 把 storyboard.json 内联进模板再截图，无需起 http 服务，绕开 file:// 下 fetch 被 CORS 拦的问题。frames[].src 的相对路径按 JSON 文件所在目录解析。
2. 自动定位浏览器 —— 优先用 chrome-headless-shell。⚠️ 本机实测：完整版 Chrome 加 --headless=new 会挂住不返回，必须走 headless-shell。
3. 自动裁掉底部空白 —— 无头截图只能按窗口尺寸出图，窗口给高才不截断内容，代价是底部拖一片空白。脚本用逐行平均色找内容边界自动裁掉（背景是渐变，没法用比对单色的办法）。

--height 给足就行，裁切会自动处理。条漫（strip）形态内容很高，建议给 3600。

截图备选方案：browser-skill (bsk) 驱动真实 Chrome，适合模板里用了 ?config= 外部加载、或需要交互调整的场合。

降级方案

质量检查清单

交付前逐条过：

• [ ] 四格连起来能讲清一件事（不是四张精美插画）
• [ ] 主角四格都是同一张脸、同一套衣服（换装处有明确交代）
• [ ] 景别有变化（至少有远景 + 特写）
• [ ] 光线/时段连贯（不会一格清晨一格正午）
• [ ] 每格旁白 ≤12 字，且不鸡汤
• [ ] 画面里没有模型画出来的乱码文字
• [ ] 手机竖屏看，格子里的字能看清

踩坑记录

1. 每格必须写「此刻的服装」 —— 实测：只写「晚上在家看手机」，模型会让主角戴着骑行头盔坐沙发上。
2. 风格段逐字固定 —— 改一个词，四格就像四个人画的。
3. 不要依赖模型画字 —— 一律由排版层叠加。
4. 联系表优先于原图 —— 先读联系表通读全片，再挑帧读原图，否则上下文会被撑爆。
5. 先跑一格试水 —— 画风没锁定就批量跑，是纯粹的积分浪费。
6. 锚点是长期资产 —— 同一个主角的锚点存下来，跨批次复用，这才是「日更漫画」能成立的前提。
7. 完整版 Chrome 无头模式会挂住 —— 本机实测 --headless=new 跑到超时都不返回；截图一律走 chrome-headless-shell（shoot.py 已内置这个优先级）。
8. ffprobe 不一定装了 —— 所以元信息从 ffmpeg -i 的 stderr 里解析，只有 ffmpeg 也能跑。
9. ?shot=1 参数别丢 —— 它去掉页面外边距，截图才干净。
10. -vsync 在新版 ffmpeg 已被移除 —— 传了会 Unrecognized option 直接报错退出、一个文件都不出。这个报错极具迷惑性：抽帧结果为空，很容易被误读成「这段视频没有场景切换」。pick_sync_flags() 会自动探测，改脚本时别再手写死 -vsync。
11. 时间戳不要用公式推算 —— 一律从 showinfo 的 pts_time 取实际值。用 i*interval 推算的话，遇到比 interval 短的片段，整条时间线就错位了。
12. 去重必须同时看结构和颜色 —— dHash 要先转灰度，色相信息全丢。只用它的话「同构图不同调色」的镜头会被判成同一帧（实测 24 帧去重后只剩 1 帧）。现在的签名是「dHash + 4×4 彩色缩略图」，两个维度都像才算重复。
13. 颜色指纹别用「平均色」 —— 色彩分布均匀的画面（比如大片天空、彩条）平均下来会互相抵消成中性灰，色相怎么转都一样，等于没判断。要用缩小后的彩色图。