video-expert-analyzer

Video Expert Analyzer - 视频专家分析工具

基于 Walter Murch 剪辑六法则 和 AI 自动评分系统 的专业视频分析工具。

支持平台

平台	支持状态	说明
Bilibili	✅ 完全支持	yt-dlp 下载 + B站API字幕
YouTube	✅ 完全支持	yt-dlp 下载
抖音 (Douyin)	✅ 完全支持	专用下载器（公开/分享链接无需浏览器 cookie）
小红书 (Xiaohongshu)	✅ 完全支持	专用下载器
其他平台	⚠️ 可能支持	取决于 yt-dlp 支持情况

核心特性

✅ 真实 AI 视觉评分 - 调用多模态大模型（Gemini 3.0/Kimi 2.5）真实分析画面内容
✅ 双路径评分 - 支持「Agent 模式」（宿主 AI 直接看图）和「API 模式」（远程 API 调用）
✅ 中英双语术语 - 所有专业术语附中文释义
✅ 可配置输出目录 - 首次使用设置，后续自动使用
✅ 精选片段自动复制 - 自动复制到 scenes/best_shots/
✅ 完整分析报告 - 包含理论依据、评分理由、整体评价（非模板）
✅ 动态权重系统 - 根据场景类型自动调整评分权重
✅ 智能文件夹命名 - 以视频标题（自动裁剪）命名输出文件夹，更直观易懂

⚠️ 重要提示：本 skill 的 AI 评分功能需要多模态（视觉理解）模型才能正常工作。
请确保使用 Gemini 3.0、Kimi 2.5 等具备视觉能力的模型来调用此 skill。

模型兼容性

模型	Agent 模式	API 模式	说明
Gemini 3.0 Flash	✅ 推荐	✅ 推荐	速度快、视觉能力强
Gemini 3.0 Pro	✅ 推荐	✅ 支持	最强视觉理解
Kimi 2.5	✅ 支持	✅ 支持	中文语境优秀
Claude (Sonnet/Opus)	✅ 支持	❌ 不支持	有视觉能力但无 OpenAI 兼容 API
纯文本模型	❌ 不可用	❌ 不可用	无视觉能力，无法评分

Agent 模式 = 在 IDE（Cursor/VS Code/OpenClaw）中，AI 助手直接查看帧图片评分
API 模式 = 在终端 CLI 中，通过 OpenAI 兼容 API 远程调用视觉模型

术语对照表 (Terminology)

五维评分维度 (Five Dimensions)

英文术语	中文释义	详细说明
Aesthetic Beauty	美感	构图(三分法)、光影质感、色彩和谐度
Credibility	可信度	表演自然度、物理逻辑真实感、无出戏感
Impact	冲击力	视觉显著性(Visual Saliency)、动态张力、第一眼吸引力
Memorability	记忆度	独特视觉符号、冯·雷斯托夫效应(Von Restorff Effect)、金句
Fun/Interest	趣味度	参与感、娱乐价值、社交货币(Social Currency)潜力

场景类型 (Scene Types)

类型	中文释义	特点
TYPE-A Hook	钩子/开场型	高冲击力、吸引注意力
TYPE-B Narrative	叙事/情感型	人物对话、情感表达
TYPE-C Aesthetic	氛围/空镜型	风景、慢动作、极简构图
TYPE-D Commercial	商业/展示型	产品特写、广告展示

筛选等级 (Selection Levels)

等级	中文释义	标准
MUST KEEP	强烈推荐保留	加权总分 ≥ 8.5 或 单项 = 10
USABLE	可用素材	7.0 ≤ 加权总分 < 8.5
DISCARD	建议舍弃	加权总分 < 7.0

理论术语 (Theory Terms)

英文	中文	说明
Walter Murch's Six Rules	沃尔特·默奇六法则	情感>故事>节奏>视线追踪>2D平面>3D空间
Von Restorff Effect	冯·雷斯托夫效应	独特的项目更容易被记住
Visual Saliency	视觉显著性	吸引眼球的程度
Social Currency	社交货币	内容被分享的价值
CTA	行动号召	Call to Action
SYNC	节奏同步	画面与音频节拍的契合度

快速开始

第 1 步：数据处理 Pipeline

# 首次配置（只需一次）
python3 scripts/pipeline_enhanced.py --setup

# 分析视频
python3 scripts/pipeline_enhanced.py https://www.bilibili.com/video/BV1xxxxx
python3 scripts/pipeline_enhanced.py "https://www.douyin.com/video/xxxxx"

第 2 步：AI 评分（二选一）

首次使用时，请选择评分模式：

🅰️ Agent 模式（推荐，IDE/OpenClaw/Cursor 用户）

如果你正在 IDE 或 AI 编程助手中使用此 skill，无需配置任何 API Key。 宿主 AI 助手（如 Gemini、Kimi）本身就具备视觉理解能力，可以直接「看图打分」。

流程： 当你（AI 助手）拥有视觉理解能力时，在 pipeline 完成后执行以下步骤：

1. 统计场景总数：先列出 <output_dir>/frames/ 目录，确定总共有多少个场景帧。这决定了后续分批策略。
2. 分批查看帧画面：每批 5-10 张帧图片为一个 batch（每批超过 10 张会降低单图分析质量，少于 5 张效率太低）。使用 view_file 工具批量查看 .jpg 文件。
3. 按以下维度为每个场景打分（1-10 整数）：
   • aesthetic_beauty（美感）：构图、光影、色彩
   • credibility（可信度）：真实感、物理逻辑
   • impact（冲击力）：视觉显著性、第一眼吸引力
   • memorability（记忆度）：独特符号、冯·雷斯托夫效应
   • fun_interest（趣味度）：参与感、娱乐价值
4. 分类场景类型：TYPE-A Hook / TYPE-B Narrative / TYPE-C Aesthetic / TYPE-D Commercial
5. 计算加权分并筛选：加权 ≥ 8.5 → MUST KEEP，≥ 7.0 → USABLE，< 7.0 → DISCARD
6. 将评分结果更新到 scene_scores.json 中每个场景的字段
7. 将精选片段（MUST KEEP + USABLE）对应的 mp4 复制到 scenes/best_shots/ 并按排名命名
8. 生成分析报告 <video_id>_complete_analysis.md

⚡ 大规模场景分批处理协议（>10 个场景时启用）

当场景数量超过 10 个时，必须使用分批分析模式。这不是建议，而是硬性要求——因为一次性处理过多场景时，AI 容易因上下文疲劳而跳过、抽样或给出模板化评分，导致分析质量崩塌。

🚫 反抽样声明（Anti-Sampling Policy）

每一个场景都是用户花了真金白银下载和切分的素材。抽样分析意味着用户会错过可能的最佳镜头——想象一下，被跳过的那个场景恰好是整个视频的高光时刻。因此：

• 禁止抽样、跳过、合并或"代表性选取"任何场景
• 禁止对未查看的场景给出评分（不看图就打分等于捏造数据）
• 禁止对多个场景使用相同的描述文字（每个镜头的画面内容不同，描述必然不同）
• 如果因为上下文限制确实无法继续，应当明确告知用户已完成到哪个场景，让用户决定如何继续，而不是悄悄跳过

分批规则：

• 每个 batch 包含 5-10 个场景（根据总数均匀划分）
• 按场景编号顺序处理：Batch 1 = Scene 001-010，Batch 2 = Scene 011-020，以此类推

每个 batch 执行流程：

1. 使用 view_file 查看本批次所有帧图片
2. 逐帧分析，每个场景必须包含：
   • 📝 唯一视觉描述（1-2 句）：描述该帧画面中实际看到的具体内容（人物/物体/动作/环境/色调）。这是证明你真正查看了图片的证据——如果描述不出画面内容，说明没有认真看图
   • 🎯 五维评分（1-10 整数）+ 场景类型 + 加权分 + 筛选等级
3. 立即将本批次评分写入 scene_scores.json
4. 输出子报告 batch_N_report.md（N = 批次号），包含：
   • 本批次场景编号范围
   • 每个场景的评分摘要表格（含视觉描述列）
   • 本批次 MUST KEEP / USABLE / DISCARD 数量统计
5. 向用户汇报进度："✅ Batch N/M 完成（场景 XXX-YYY），MUST KEEP: X 个，USABLE: Y 个。继续处理下一批..."

全部 batch 完成后：

1. 🔍 覆盖率校验（必须执行）：
   • 列出 frames/ 目录中的所有 .jpg 文件数量 = 应分析总数
   • 统计 scene_scores.json 中已有评分的场景数量 = 实际完成数
   • 输出校验结果："覆盖率：实际完成数/应分析总数 = XX%"
   • 覆盖率必须 = 100%。如果不足，列出遗漏的场景编号并补充分析
2. 汇总所有子报告，生成完整分析报告 <video_id>_complete_analysis.md
3. 复制精选片段到 scenes/best_shots/
4. 确认最终报告输出完成后，删除所有 batch_N_report.md 子报告
5. 向用户输出最终摘要：总场景数、各等级分布、Top 5 精选镜头

🅱️ API 模式（独立 CLI 运行用户）

如果你直接在终端运行脚本，需要配置视觉大模型 API：

# 设置 API 密钥（必需）
export VIDEO_ANALYZER_API_KEY="your-api-key"

# 可选：自定义端点和模型
export VIDEO_ANALYZER_BASE_URL="https://generativelanguage.googleapis.com/v1beta/openai"
export VIDEO_ANALYZER_MODEL="gemini-2.0-flash"

# 运行 AI 分析
cd ~/Downloads/video-analysis/<视频文件夹>
python3 <skill_dir>/scripts/ai_analyzer.py scene_scores.json --mode api

工作流程

┌─────────────────────────────────────────────────────────────┐
│                   VIDEO EXPERT ANALYZER v2.0                 │
└─────────────────────────────────────────────────────────────┘

第 1 阶段: 数据处理 (pipeline_enhanced.py)
1. 📥 下载视频              → video.mp4
2. 🎵 提取音频              → video.m4a
3. 🎞️  场景检测 (detect-content) → scenes/*.mp4
4. 🎤 智能字幕提取           → video.srt
   (B站API → 内嵌字幕 → RapidOCR → FunASR 四级降级)
5. 🖼️  帧提取               → frames/*.jpg
6. 📊 生成评分模板          → scene_scores.json

第 2 阶段: AI 视觉评分 (选择一种模式)
┌────────────────────────┬────────────────────────┐
│   🅰️ Agent 模式         │   🅱️ API 模式           │
│   宿主 AI 直接看图评分  │   远程调用视觉大模型    │
│   无需 API Key         │   需要 API Key          │
│   IDE/OpenClaw/Cursor  │   独立 CLI 运行          │
└────────────────────────┴────────────────────────┘
                         ↓
7. 🤖 真实视觉分析评分     → 基于画面内容的真实评分
8. 🧮 动态权重计算         → 根据类型计算加权得分
9. ⭐ 精选镜头筛选         → 复制到 scenes/best_shots/
10. 📄 生成完整报告        → *_complete_analysis.md

分析方法论

Walter Murch 剪辑六法则

情感 Emotion > 故事 Story > 节奏 Rhythm > 视线追踪 Eye-trace > 2D平面 2D Plane > 3D空间 3D Space

一个情感真挚但画面略抖的镜头，优于一个画面完美但内容空洞的镜头。

五维评分体系 (Five-Dimension Scoring)

维度 (Dimension)	基础权重	评估要点
Aesthetic Beauty 美感	20%	构图(三分法)、光影质感、色彩和谐度
Credibility 可信度	20%	表演自然度、物理逻辑、无出戏感
Impact 冲击力	20%	视觉显著性(Visual Saliency)、动态张力
Memorability 记忆度	20%	独特符号(Von Restorff Effect)、金句
Fun/Interest 趣味度	20%	参与感、娱乐价值、社交货币

动态权重系统（根据场景类型自动调整）

类型 (Type)	权重分配 (Weighting)	适用场景 (Application)
TYPE-A Hook	IMPACT 40% + MEMORABILITY 30% + SYNC 20%	开场钩子、高能时刻
TYPE-B Narrative	CREDIBILITY 40% + MEMORABILITY 30% + AESTHETICS 20%	叙事段落、情感表达
TYPE-C Aesthetic	AESTHETICS 50% + SYNC 30% + IMPACT 20%	空镜头、氛围营造
TYPE-D Commercial	CREDIBILITY 40% + MEMORABILITY 40% + AESTHETICS 20%	产品展示、商业广告

筛选决策规则

等级 (Level)	中文释义	标准 (Criteria)	用途 (Usage)
🌟 MUST KEEP	强烈推荐保留	加权总分 > 8.5 或 单项 = 10	核心素材，极致长板
📁 USABLE	可用素材	7.0 ≤ 加权总分 < 8.5	过渡素材，辅助叙事
🗑️ DISCARD	建议舍弃	加权总分 < 7.0 或有瑕疵	建议舍弃

输出文件结构

{output_dir}/
└── {video_id}/
    ├── {video_id}.mp4                      # 完整视频 (Full Video)
    ├── {video_id}.m4a                      # 音频文件 (Audio)
    ├── {video_id}.srt                      # 字幕文件 (Subtitles)
    ├── {video_id}_transcript.txt           # 转录文本 (Transcript)
    ├── scene_scores.json                   # 完整评分数据（AI已填写）⭐
    ├── {video_id}_complete_analysis.md     # ⭐ 完整分析报告（中英双语）
    ├── scenes/                             # 场景片段 (Scene Clips)
    │   ├── {video_id}-Scene-001.mp4
    │   ├── {video_id}-Scene-002.mp4
    │   ├── ...
    │   └── best_shots/                     # ⭐ 精选片段（已复制）
    │       ├── 01_USABLE_xxx.mp4
    │       ├── 02_MUST_KEEP_xxx.mp4
    │       └── README.md                   # 双语说明文件
    └── frames/                             # 场景预览帧 (Preview Frames)
        ├── {video_id}-Scene-001.jpg
        └── ...

完整分析报告内容

生成的 *_complete_analysis.md 包含中英双语术语对照：

1. 统计概览 (Statistics Overview)

• 各等级场景数量统计（带中文释义）
• 各维度平均分（英文术语 + 中文释义）

2. 场景排名表 (Scene Rankings)

• 按加权分数排序
• 显示类型（英文 + 中文）
• 筛选建议（英文 + 中文）
• 核心优势

3. 术语对照表 (Terminology Reference)

完整的专业术语中英对照表，包含：

• 英文术语
• 中文释义
• 详细说明

4. 各场景详细评估（每个场景包含）

• 基础信息: 类型分类（双语）、加权得分、筛选建议（双语）
• 内容描述: AI 自动生成的场景描述
• 五维评分表格: | 英文术语 | 中文释义 | 得分 | 权重贡献 |
• 入选/淘汰理由: AI 生成的理论依据
• 剪辑建议: AI 生成的使用建议

5. 精选片段推荐 (Best Shots Recommendations)

• 入选精选文件夹的片段列表（双语）
• 各类别最佳镜头：
  • 最佳 Hook 候选 (Best Hook Candidate)
  • 最佳视觉 (Best Visual)
  • 最佳可信度 (Best Credibility)
  • 最佳记忆度 (Best Memorability)

6. 整体影片评价 (Overall Assessment)

• 综合评分
• 评价结论（双语）
• 优势分析（各维度详细评价）
• 改进建议（专业术语 + 中文解释）
• 使用场景建议（社交媒体/产品展示/品牌宣传/广告投放）

使用示例

基础分析

# 配置输出目录（首次）
python3 scripts/pipeline_enhanced.py --setup

# 分析视频
python3 scripts/pipeline_enhanced.py https://www.bilibili.com/video/BV1xxxxx

# 进入输出目录运行 AI 分析
cd ~/Downloads/video-analysis/BV1xxxxx
python3 <skill_dir>/scripts/ai_analyzer.py scene_scores.json

快速分析（自定义场景检测阈值）

python3 scripts/pipeline_enhanced.py URL --scene-threshold 20

调整精选阈值

python3 scripts/ai_analyzer.py scene_scores.json 6.5  # 阈值 6.5

命令参考

pipeline_enhanced.py

选项	说明
--setup	配置输出目录
-o, --output	指定输出目录
--scene-threshold	场景检测阈值 (默认27)
--best-threshold	精选阈值 (默认7.5)

ai_analyzer.py

パラメーター	説明
scene_scores.json	スコアファイルのパス
--mode api	API モード（VIDEO_ANALYZER_API_KEY の設定が必要です）
--mode agent	エージェントモード（ホスト AI が記入するテンプレートを生成します）

環境変数	説明
VIDEO_ANALYZER_API_KEY	ビジョン LLM の API キー（API モードで必須）
VIDEO_ANALYZER_BASE_URL	API エンドポイント（デフォルトは Gemini）
VIDEO_ANALYZER_MODEL	モデル名（デフォルトは gemini-2.0-flash）

依存関係の要件

# 系统依赖（安装 ffmpeg）
brew install ffmpeg               # macOS
winget install ffmpeg             # Windows
sudo apt install ffmpeg           # Ubuntu/Debian

# 一键安装所有 Python 依赖
pip3 install -r requirements.txt

# 或手动安装核心依赖
pip3 install yt-dlp scenedetect[opencv] requests funasr modelscope torch torchaudio

# 可选依赖
pip3 install openai              # API 模式评分
pip3 install rapidocr-onnxruntime # 烧录字幕 OCR 检测

環境チェック

# 一键检测所有依赖是否就绪
python3 scripts/check_environment.py

プラットフォーム固有の説明

抖音動画のダウンロード

抖音のスクレイピング対策により、yt-dlp では抖音動画を直接ダウンロードできません。このツールセットには専用の抖音ダウンローダーが組み込まれており、次の操作が可能です。

• ✅ 抖音リンクを自動認識します（douyin.com と v.douyin.com の短縮リンクに対応）
• ✅ 動画情報（タイトル、投稿者）を自動抽出します
• ✅ ウォーターマークのない動画をダウンロードします
• ✅ 文字起こし用の音声を自動抽出します

対応する抖音リンクの形式：

• https://www.douyin.com/video/xxxxx
• https://www.douyin.com/jingxuan?modal_id=xxxxx
• https://v.douyin.com/xxxxx (短縮リンク)

抖音ダウンロードの仕組み：

1. モバイル端末の User-Agent を使用してページにアクセスします
2. ページの HTML から RENDER_DATA の JSON データを抽出します
3. 動画の直接リンクを解析します（playwm を play に自動置換して、ウォーターマークのないバージョンを取得します）
4. 適切な Referer ヘッダーを使用して動画をダウンロードします

エージェント向けの必須ルール：

• 抖音リンクを処理する際は、先にウェブページへのログイン、ブラウザーの cookie、WSL 経由でのホストブラウザー cookie の読み取りを試さないでください
• 公開されている抖音リンクや共有リンクには、ローカルスクリプトを直接実行してください：
  • python3 scripts/pipeline_enhanced.py "<抖音链接>"
  • または python3 scripts/download_douyin.py "<抖音链接>" ./video.mp4
• エージェントが「抖音のウェブ版にはログインが必要です」または「WSL では cookie を読み取れません」と表示した場合は、誤った方法を試しています。ローカルのダウンロードスクリプトに切り替えてください
• 抖音アプリからコピーした共有短縮リンク（https://v.douyin.com/...）を優先してください。長いリンクにも対応しています

トラブルシューティング

ターミナルコマンドが応答しない

IDE で cp または Python スクリプトを実行した際にターミナルが応答しない場合、通常は IDE のターミナルプロキシに問題があります。次の方法で解決できます：

• 方法 A: macOS 標準の Terminal.app を開いて、コマンドを手動で実行します
• 方法 B: copy_by_index.py スクリプトを使用して、JSON インデックスからファイルを一括コピーします

FunASR の初回ダウンロードが遅い

FunASR は初回実行時に、約 2～3GB の Paraformer モデルをダウンロードする必要があります。ダウンロードが遅い場合：

• ミラーを設定します：export MODELSCOPE_CACHE=~/.cache/modelscope
• または、B站 API の字幕を使用します（ローカルモデルは不要で、非常に高速です）

エージェントモードのスコアリングに関する注意事項

• ビジョン機能を備えたマルチモーダルモデルを使用する必要があります（「モデルの互換性」表を参照）
• 純粋なテキストモデル（GPT-3.5、Claude Haiku など）では、エージェントモードのスコアリングを実行できません
• 1 回に読み込む量が多くなりすぎないよう、1 バッチにつき 3～5 枚のフレーム画像を確認することをおすすめします

WSL／リモート環境で抖音リンクに cookie エラーが発生する

エージェントが WSL、リモートコンテナー、またはデスクトップブラウザーのない環境で「ウェブ版へのログインが必要で、cookie を読み取れないため抖音リンクを開けません」と表示した場合は、次のように対処してください：

• ウェブページへのログインをこれ以上試さないでください
• scripts/pipeline_enhanced.py または scripts/download_douyin.py を直接実行してください
• ユーザーから提供されたリンクが長い形式の場合は、抖音アプリから共有リンクを再度コピーしてもらい、v.douyin.com の短縮リンクを取得してから実行してください
• 非公開、削除済み、地域制限あり、または有効期限切れのコンテンツに限り、直接ダウンロードできない可能性があります

---

更新履歴

v2.2.0 (2026-03-24)

• ⚡ 大規模シーンのバッチ処理プロトコル：シーンが 10 件を超える場合はバッチ処理（1 バッチあたり 5～10 件）を必須とし、各バッチのサブレポートと進捗報告を出力します。すべて完了した後に集計してクリーンアップします
• 🚫 サンプリング防止策：シーンのスキップや統合を禁止し、確認した証拠として一意の視覚的な説明を必ず出力します
• 🔍 カバー率 100% の検証：完了後にフレーム数とスコア付け済みの数を照合し、カバー率が必ず 100% になるよう検証します
• 📝 description の書き換えを促すトリガーワードを更新：中国語キーワードを 8 個追加し、小红书プラットフォームにも対応しました
• 🌐 Windows／Linux 向けの ffmpeg インストール手順を追加しました
• 🗑️ 古くなった QUICKSTART.md を削除し、実行ログを整理しました
• ⚠️ モデルの互換性に関する知見：Kimi 2.5 は 30 カットを超えると手抜きをする挙動が発生しました（サーバー側のツール呼び出し回数制限が原因の可能性があります）。GPT 5.4 は 127 カットの連続分析を完了できました（ウォームアップ後、11 分 48 秒）。Gemini／Opus は未テストです

v2.1.0 (2026-02-27)

• ✅ 字幕のスマート抽出：video-copy-analyzer に合わせ、B站 API → 埋め込み字幕 → RapidOCR → FunASR の 4 段階フォールバックに対応しました
• ✅ 小红书への対応を追加：xiaohongshu_downloader.py を統合しました
• ✅ requirements.txt を追加：すべての依存関係を一括インストールできます
• ✅ モデル互換性マトリックスを追加：各モデルに適したモードを明確にしました
• ✅ check_environment.py を書き換え：v2.1 の実際の依存関係を検出します
• ✅ 廃止ファイルを整理：旧版 pipeline、Whisper 文字起こしなど、廃止されたスクリプト 6 件を削除しました
• ✅ トラブルシューティングのセクションを追加

v2.0.0 (2026-02-27)

• ✅ AI スコアリングシステムを書き換え：偽データによるシミュレーションを廃止し、実際のビジョン LLM に接続しました
• ✅ 2 つのスコアリング方法に対応：エージェントモード（ホスト AI が直接画像を確認）＋ API モード（リモート呼び出し）
• ✅ シーン検出を修正：detect-adaptive → detect-content に変更し、カット分割の精度が向上しました
• ✅ 音声文字起こしエンジンを Whisper から FunASR (Paraformer-zh) に置き換えました
• ✅ 中国語シーンの文字起こし速度が大幅に向上しました（10 分の音声を約 22 秒で処理）
• ✅ --whisper-model パラメーターを削除しました（FunASR は paraformer-zh モデルを固定で使用します）
• ✅ VAD による自動分割＋句読点の復元を内蔵しました

v1.4.0 (2026-02-06)

• ✅ 抖音動画のダウンロードに対応しました
• ✅ 抖音リンクを自動認識し、ダウンロード方法を切り替えます
• ✅ 抖音の短縮リンクと長いリンクに対応しました
• ✅ ウォーターマークのない動画を自動取得します

v1.3.0 (2026-02-05)

• ✅ 中国語・英語の用語対照を追加しました
• ✅ すべての専門用語に中国語の説明を付けました
• ✅ レポート内の用語表を二言語で表示します

v1.2.0 (2026-02-05)

• ✅ AI による自動分析機能を追加しました
• ✅ 動的な重み付けスコアリングシステムを追加しました
• ✅ 完全な分析レポートを自動生成します
• ✅ 厳選したカットを自動コピーします

v1.1.0 (2026-02-05)

• ✅ 出力ディレクトリの設定機能を追加しました
• ✅ 厳選したクリップを自動保存します
• ✅ 詳細な分析レポートのテンプレートを生成します

v1.0.0 (2026-02-05)

• 初回リリース
• 基本的な動画分析機能

---

Walter Murch の編集に関する 6 つのルールに基づいています (Walter Murch's Six Rules of Editing)
AI 自動スコアリングシステム (AI Automatic Scoring System)
動的重み付けアルゴリズム (Dynamic Weighting Algorithm)
中国語・英語の二言語用語対照 (Bilingual Terminology Reference)