analyze-video-editing

分析视频剪辑

研究成片如何营造注意力、情绪和节奏。将影片视为由画面、声音、对白、文字和结构同步构成的整体，而不只是剪辑列表。

将 SKILL_DIR 设置为包含此文件的绝对目录。用户希望将分析所得创意落实到剪辑中时，请使用相邻的 video-editing 技能。

从可检查的素材开始

对于本地文件：

uv run "$SKILL_DIR/scripts/video_analyzer.py" analyze \
  /path/to/video.mp4 \
  --work-dir /path/to/analysis \
  --subtitles /path/to/captions.vtt

对于公共 URL，先检查下载器的实际元数据内容，再选择格式。不要猜测字段或流是否可用：

uvx --from yt-dlp yt-dlp --dump-single-json --no-playlist URL > source.json
uvx --from yt-dlp yt-dlp --no-playlist \
  -f 'bv*[height<=1080]+ba/b[height<=1080]' \
  --merge-output-format mp4 -o 'source.%(ext)s' URL

如果有字幕，请下载。如果下载权限或网站访问情况不明确，请向用户索取本地副本。

如果影片较长，请先分析一段有代表性的范围：

uv run "$SKILL_DIR/scripts/video_analyzer.py" analyze source.mp4 \
  --work-dir analysis-first-three-minutes --start 0 --end 180 \
  --subtitles source.en.vtt --ocr

脚本会写入：

• analysis.json：探测数据、镜头边界、黑场和静音区间、音频电平、节拍估算、转录提示、运动估算和 OCR 候选结果；
• timeline.md：精简的证据表；
• contact-sheet.jpg：所选范围内的视觉节奏；
• frames/：具有代表性的镜头画面；
• strips/：主要剪切点、黑场区间和其他事件附近的密集画面。

场景检测、光流分析、节拍跟踪和 OCR 都是候选生成工具。它们可以减少逐帧浏览，但不能取代观看和剪辑判断。

当声音设计、音乐连续性或音效很重要时，将语义聆听与信号证据结合起来：

python3 "$SKILL_DIR/scripts/audio_listener.py" \
  source.mp4 \
  --work-dir analysis/audio-movement \
  --start 60 --end 172 --mode movement

此可选命令会提取原始音频、生成频谱图、测量半秒响度窗口，并且除非提供 --prepare-only，否则会请求 Gemini 生成剪辑声音分析。它会从环境变量中读取 GEMINI_API_KEY，绝不接受命令行参数中的凭据。使用 --mode transition 可对剪切点、声音中断、黑场区间或疑似淡出前后的内容进行重点高灵敏度分析。

在接受模型对安静片段的分类之前，请阅读 references/audio-and-timing.md。

分三层构建分析

明确标注以下类别：

1. 测量结果： 时间戳、镜头时长、硬切分数、黑帧、静音、音频电平、检测到的节拍、转录文字、OCR 边界框。
2. 观察结果： 构图、主体、摄影机行为、灯光、镜头观感、文字处理、表演、看似采用的 B-roll 或访谈模式。
3. 解读： 紧张感、释放感、强调、对比、叙事功能，或某种并置为何有效。

切勿将运动分类器或音乐估算结果当作确定事实。属于推断时，请使用“看起来是手持拍摄”或“可能是音乐重新进入”之类的表述。

分析同步的各个层面

对于每个重要节拍，请思考：

• 画面： 展示了什么？剪切点处发生了什么变化？画面是远景、中景、近景、插入镜头还是抽象画面？
• 摄影机： 静止、固定、手持、稳定器跟拍、摇摄、俯仰、推进、拉远、拉焦，还是固定画面内的主体运动？
• 剪辑： 硬切、匹配剪辑、跳切、淡入黑场、淡出、叠化、变速、蒙太奇，还是异常长的停留镜头？
• 对白： 此处出现了哪句台词？下一幅画面是直观呈现、对比、反应，还是情绪上的呼应？
• 声音： 对白、环境底噪、环境音、音效、配乐、节奏、静音。视觉剪辑前后，有什么声音进入、退出或音量发生变化？
• 文字： 字幕、章节标题、片尾字幕、标签还是图形母题？记录其位置、大小、颜色、字母大小写形式、持续时间、出现方式，以及它是遮挡还是补充画面。
• 功能： 吸引注意、升级、交代背景、重置、提出论点、提供证据、介绍角色、蒙太奇、转场还是收束？

请阅读 references/editorial-analysis.md，了解分析报告用语；阅读 references/audio-and-timing.md，了解声音驱动的分析方法。

从两个尺度进行报告

创建以下两项：

• 针对信息量最大的片段制作微观时间线，通常记录前 60–180 秒内每个有意义的变化；
• 为整部影片制作宏观语法：反复出现的镜头类型、平均镜头时长、访谈／B-roll 模式、图形系统、音乐段落、章节重置和节奏升级策略。

一个实用的合成行示例如下：

01:03.875–01:06.167 | hard cut | handheld exterior insert |
score re-enters and beat becomes explicit | large chapter title fills frame |
turns a reflective line into a formal chapter launch

避免在文字说明中制造虚假的精确感。在证据表中使用精确到帧的数字，在说明中则使用易读的 mm:ss 时间戳。

将分析转化为可复用的经验

提炼原则，而非模仿。对于每种手法，请说明：

• 它解决了什么观众问题；
• 它生效所需的前提条件；
• 它的代价或风险；
• 一种将它改编到不同主题中的方法。

示例：“这里使用四秒的淡入黑场奏效，是因为开场段落已积累了紧张感，而持续的环境声又避免了重置让人觉得视频已经结束。”

如果用户想应用分析结果，请将证据和选定的原则交给 find-broll 技能，用于寻找插入镜头素材；然后交给 video-editing 进行制作。不要将参考影片的精确时间、字体或转场设为默认值。

质量标准

• 亲自检查有代表性的帧和事件条带。
• 如果措辞会影响剪辑，请对照画面核实转录内容。
• 检查由闪光、大标题或镜头快速摇动造成的误判剪切。
• 区分源视频字幕与平台字幕。
• 仅在证据支持的精度范围内描述声音。
• 优先通过长上下文语义聆听确认提示音的身份，然后在转场附近进行针对性检查。
• 对照频谱图和响度曲线，核实所谓的静音、环境声、音乐结尾和淡出。
• 报告中提及公开来源时，请注明该来源。
• 不要再分发下载的参考媒体。