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：

最硬的一道门是运镜实测对账：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

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截 → 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

node {baseDir}/scripts/video-shots.mjs frames shots.json --video <video>
node {baseDir}/scripts/video-shots.mjs sheet shots.json --cols 4 --rows 6
node {baseDir}/scripts/video-shots.mjs sheet shots.json --cols 4 --rows 6 --pick b

每镜两张：frames/S01a.jpg（起手 15% 处）和 S01b.jpg（收尾 85% 处）。 联系表把它们各拼成一张大图（行优先，S01 在左上），a 表看内容，b 表看运镜—— 同一格前后对照，取景变没变一眼就知道。

先看联系表，再看单帧。 一张张翻完整部片是浪费额度：一张联系表 = 二十几个镜头， 只在判不准的那几个镜头上回去看单帧（Read frames/S07a.jpg）。

Step 3 — 逐批填四个字段

一批 ≤ 25 个镜头（正好一张联系表）。每批拿到：

• {baseDir}/references/taxonomy.md（四张词表 + 判据，照着填）和 {baseDir}/references/analysis-pass.md（怎么看、常见病）
• 这一批的镜头底稿（镜号、起止、时长、实测运动）
• 这一批的 a / b 两张联系表

填的顺序：景别 → 类别 → 运镜 → 画面 → 节奏。运镜看 a/b 取景差 + 实测运动值， 两者打架时信实测。顺带记 subjects / onscreenText / audio—— 画面上烧录的对白字幕算台词，进 audio 并带上说话人；片名、字卡、界面文字进 onscreenText。

节奏（rhythm + rhythmNote）回答的是「观众为什么还没划走」： 钩子 / 铺垫 / 递进 / 重音 / 转折 / 兑现 / 换气 / 收口，八个角色选一个， 再用一句话写清观众这一刻看到什么（判据见 taxonomy.md 第五节）。 可选字段：不做节奏分析就一镜都别标；标了就得整片标全，门会拦半张表。 标满之后校验会顺带提示三件事：开篇有没有钩子、兑现前面有没有铺垫、有没有连着六镜节奏发平。

编辑 shots.json 时只动那几个字段：start / end / seconds / motion / seedCuts / meta 是机器字段，改了就是伪造证据，门会点名。

Step 4 — 补刀与并刀（发现漏切就修，别将就）

场景检测必然在两个地方出错：叠化和暗场对暗场漏刀，手持晃动和闪光多刀。 a 帧和 b 帧根本是两个场景，就是漏刀的铁证。

node {baseDir}/scripts/video-shots.mjs recut shots.json --track track.json \
  --split 63.5 --split 127.37 --merge 45.97 > shots.new.json && mv shots.new.json shots.json

自动重编号、重算时长与实测运动，补的刀记进 manualCuts（boundary 门认它）。 边界没动过的镜头标注原样保留；被拆被并的镜头标注清空并在 note 里写明出身—— 这两半是不是一回事，得重新看画面，不许把旧描述顺下去。

改完重抽这些镜头的帧（frames 会覆盖整个目录，直接重跑就行），把清空的格子补上。

Step 5 — 校验 ⛔ 不能跳

node {baseDir}/scripts/video-shots.mjs validate shots.json --track track.json --frames frames

15 道门全是代码：时间轴连续（按序、首尾相接、从 0 到片尾）、时长自洽（seconds = end − start， 短镜必须带 note）、镜号连号、景别/类别/运镜三张词表、转场枚举、画面描述可核对 （中文 ≥12 字 / 英文 ≥8 词 + 空话词表 + 不许「这个镜头…」「This shot…」开头）、画面描述不重复、主体对账 cast、 类别要有证据（对话必须有台词、字卡必须有画面文字、反应必须写是谁、空镜里不许有人）、 运镜实测对账、边界来自检测（自己加的刀必须在 manualCuts 里声明）、关键帧齐全、 节奏分析可核对（可选字段：整片标或整片不标；标了就得写清为什么，空话照拦）。

有违规逐条修，改完重跑，直到通过。 跳过的门会明说原因（没给 --track、没建 cast、 关键帧目录不存在）——跳过不是通过，汇报时要讲。拉英文片加 --lang en， 门的名字和违规信息都会用英文说。

「提示（不拦）」那一栏不是错误，是需要人判断的地方：固定机位实测偏高， 多半是主体在动，也可能是你把一次缓推看漏了，自己回去看一眼那一镜。

Step 6 — 出报告与汇报

node {baseDir}/scripts/video-shots.mjs render shots.json --md --track track.json > shots.md
node {baseDir}/scripts/video-shots.mjs render shots.json --html --track track.json \
  --video <原片相对报告的路径> > shots-report.html

--video 给报告里的播放器指原片（默认用 JSON 里的 source；观众也能在页面上现场选本地文件）。 界面语言用 --lang zh|en（默认中文）。render 自动去 frames/ 找关键帧， 先抽帧再 render，缺图明说缺、不摆占位图充数。

报告是单文件交互页（样式与交互来自 {baseDir}/scripts/report.css 和 report.js， render 时整段内联；这三个文件必须一起拷走）：

• 播放器：播放时同步高亮当前镜头、填充时间轴进度；点任意镜头或时间轴片段跳过去
• 镜头节奏带：片宽 = 时长占比，颜色深浅 = 景别远近
• 镜头表：列表 / 卡片两种视图，首尾关键帧并排（对照着看就是运镜），可搜索（镜号、画面、 台词、人物）、可按类别筛选、可按时长排序；点关键帧开大图
• 统计分布 / 出场人物 / 质量检查：默认收起，按需展开；人物卡点一下筛出他的全部镜头
• 页头一行给结论（14 项通过 · 1 条提示），提示里点名的镜号可以点着跳过去

汇报一句话说清：多少镜、平均镜长、每分钟切次、景别与运镜的大头、最长和最短的镜头在哪、 报告路径；补了几刀并了几刀、哪几道门跳过了、哪几条提示需要人看，明说。

最终落地：

<输出目录>/
├── shots.json              ← 拉片主数据
├── track.json              ← 运动曲线（机器证据，别手改）
├── shots.md
├── shots-report.html       ← 双击就能开
├── frames/                 ← S01a.jpg / S01b.jpg …
└── sheets/                 ← sheet-a01.jpg / sheet-b01.jpg …（联系表）

边界

• 没有语音转写。 台词只来自画面上烧录的字幕；没有字幕的片子 audio 大面积留空是正常的， 这时把 dialogue 判成 subject 更诚实——类别证据门会逼你做这个选择
• 实测运动不区分机位动还是主体动。 所以运镜门只拦「声称大动却实测不动」这一向， 反向只出提示。想改松紧调 params.staticMaxMotion / busyMinMotion
• 场景检测不认叠化。 叠化段落的切点取中点，transitionIn 写 dissolve
• 镜头数上限取决于耐心不是脚本。 一部 90 分钟的片子能拉，但那是几十张联系表； 长片建议按章节裁段分次拉
• 中英双语：--lang zh|en 贯穿所有命令——门的名字、违规信息、命令行输出、报告界面、 四张词表全跟着切（优先级 --lang > JSON 顶层 lang > 中文）。切的是标签， 画面描述、台词、人物名原样不动——那是内容不是标签。 seed --lang en 会把 lang: "en" 写进底稿，后面的 recut / validate / render 不带 --lang 也跟着走英文（连补刀写的 note 和英文表格里的标点都是半角的）
• 画面描述的判据跟着描述本身的语言走：中文数字数（≥12 字）、英文数词数（≥8 词）， 空话词表和废话开头各有一套。拉英文片就用英文写，门照样拦
• 报告要看视频得有原片：--video 指对路径，或在页面上现场选文件。报告本身不嵌视频数据

自测

node {baseDir}/scripts/selftest.mjs

449 项断言，不调模型、不花额度、不碰 ffmpeg。15 道门每一道都有击穿用例——证明它真的会拦。 改完脚本先跑这个。

自带样例

{baseDir}/examples/demo-shots.json + demo-track.json：一条 202.9 秒的 AI 短片完整拉片—— 53 个镜头，平均镜长 3.83 秒，每分钟 15.7 切；对话占 58%、固定机位占 55%； 最短 0.33 秒（雪地奔跑的闪切），最长 16.06 秒（结尾光柱下的长镜头）。 seedCuts 之外补了 10 刀（叠化和片尾字卡各占一半，全部记在 manualCuts 里）， 15 道门全绿，留着两条提示当范例（运镜实测偏高、片尾连着六镜节奏发平）。它是质量基准，也是自测夹具。