Video Frame Analyzer

SKILL.md

---
name: video-frame-analyzer
description: >
  AI漫剧/短剧视频智能帧分析工具。自动提取关键帧 → 多模态逐帧解读 → 输出完整分析报告（剧情大纲、镜头语言、角色设定、台词整理、商业改编建议）。适用于抖音/视频号短剧拆解、竞品分析、改编策划。
tags:
  - video
  - analysis
  - ai-drama
  - short-video
version: "1.0.0"
author: AI漫剧花大叔
copyright: © 2026 AI漫剧花大叔。保留所有权利。转载或使用请注明出处。
license: MIT-0
author_url: https://github.com/shijin-ai
agent_created: true
---

# 视频帧智能分析 Skill

## 快速开始

> **使用前提**：先切换到多模态模型（支持图片输入），如 GLM-5v-Turbo 或 GPT-4o。
> 在 WorkBuddy 对话框输入 `/model` 切换模型。

1. **上传视频** 或直接告诉 AI 视频路径
2. **发送指令**："分析这个视频" 或 "拆解这条短剧"
3. AI 自动完成全流程 → 输出完整报告

---

## 适用场景

- 拆解竞品短剧/AI漫剧的叙事结构和镜头语言
- 分析视频剧情、角色、台词，输出改编建议
- 批量处理多个视频，建立素材库分析报告

---

## 工作流程

### 第一步：确认视频来源

询问用户视频路径，或让用户上传视频文件到工作目录。
支持 mp4 / mov / avi 等常见视频格式。

### 第二步：智能提取关键帧

**重要**：必须先切换到**多模态模型**（支持图片输入）再开始！

用 Bash 工具执行帧提取脚本：

```bash
# 获取 skill 目录路径（自动解析）
SKILL_DIR="$(dirname "$(find ~/.workbuddy/skills -name 'smart_extract.py' 2>/dev/null | head -1)")"
# 执行提取（自动用当前工作目录作为输出）
python "$SKILL_DIR/smart_extract.py" "你的视频路径.mp4" "视频名_frames/" 15
```

**参数说明**：
- `视频路径`：支持绝对路径或相对于当前工作目录的路径
- `输出目录`：帧图片存放位置，默认为 `{视频名}_frames/`
- `最大帧数`：默认15帧，覆盖单集短剧完整剧情

> 如遇 OpenCV 依赖问题，改用保底方案：
> ```bash
> python "$SKILL_DIR/extract_frames.py" "你的视频路径.mp4" "视频名_frames/" 3
> ```

### 第三步：逐帧分析（分批，避免上下文溢出）

**⚠️ 核心原则**：每批最多分析 **3-4 帧**，分析完立即写入文件，再继续下一批。
**严禁**一次性将所有帧图发给模型，会导致 `400 input length too long` 错误。

**操作循环**：
1. 用 `Read` 工具读取 **3-4 张**帧图片
2. 按以下维度分析每帧：画面内容、字幕/台词、镜头类型、叙事功能、情绪基调
3. 用 `Write` 工具将分析结果追加到 `{视频名}_分析_partX.md`
4. 清空上下文，继续读取下一批帧，重复步骤1-3

**每帧分析模板**：
```markdown
## 帧N [时间] 文件名
**场景**：
**画面内容**：
**镜头类型**：（特写/近景/中景/全景/航拍）
**叙事功能**：
**情绪基调**：
**字幕/台词**：
```

### 第四步：整合完整报告

所有帧分析完成后，生成 `{视频名}_完整分析报告.md`，包含以下章节：

1. **视频基本信息**（时长、帧数、AI生成标识）
2. **逐帧详细分析**（表格形式）
3. **剧情大纲**（分幕整理故事线）
4. **镜头语言分析**（镜头类型分布、叙事节奏）
5. **角色设定**（角色表，标注一致性问题）
6. **字幕/台词整理**（时间轴表格）
7. **商业分析与改编建议**（亮点、问题、改编方案）
8. **技术备注**（提取参数、文件路径）

---

## 注意事项

### 模型切换（必须！）
```bash
/model GLM-5v-Turbo
# 或
/model GPT-4o
```
- 必须使用**多模态模型**（支持图片输入）
- 纯文本模型（如 MiMo-V2.5-Pro）**无法**分析图片，会报错
- 切换后需重新开始本流程

### 上下文管理
- 每批 **3-4 帧 → 写文件 → 清空上下文** → 下一批
- 这是避免 `400 input length too long` 的核心策略
- 写文件比清空上下文更可靠，确保中间结果不丢失

### AI生成视频的特殊问题
分析时特别注意以下几点（在报告中标注）：
- **角色一致性**：性别/外貌是否在场景间突变（如女孩→男孩）
- **AI水印**：画面是否有"内容由AI生成"等标识
- **表情自然度**：人物表情是否僵硬、不自然
- **场景割裂**：故事线之间是否有合理过渡（常见拼接问题）

### 输出文件命名规范
| 文件类型 | 命名格式 |
|---------|---------|
| 逐帧分析（分批） | `{视频名}_分析_part{1,2,3}.md` |
| 完整报告 | `{视频名}_完整分析报告.md` |
| 帧图片目录 | `{视频名}_frames/` |

---

## 常见错误处理

| 错误 | 原因 | 解决方案 |
|------|------|---------|
| `ImportError: No module named 'cv2'` | OpenCV 未安装 | `pip install opencv-python` |
| `ImportError: No module named 'moviepy'` | moviepy 未安装 | `pip install moviepy Pillow` |
| `400 input length too long` | 一次性发图太多 | 改为每批 3-4 帧 |
| `无法打开视频` | 视频路径含中文/空格 | 用绝对路径或加引号 |
| 模型无法识别图片 | 当前为纯文本模型 | 先切换到多模态模型 |
| `400 Param Incorrect` | 模型切换后参数不匹配 | 重新执行读图命令 |

---

## 依赖环境

```bash
pip install opencv-python          # 智能帧提取（推荐）
pip install moviepy Pillow           # 保底帧提取（备选）
```

Python 版本：3.8+

---

## 示例触发词

当用户说以下内容时，激活本 Skill：
- "分析这个视频"
- "拆解这条短剧"
- "帮我看看这个AI漫剧的叙事结构"
- "视频帧分析"
- "帮我分析竞品视频"
- "帮我看看这个短剧的剧情"