视频拆解

要解决什么问题

内容团队常拿到一条抖音、小红书、B站或快手上的参考片，需要的不只是「抄文案」，而是可复用的结构、钩子节奏和情绪曲线，再换成自家品牌（技能默认按 华为全屋智能 仿写，也可指定其它品牌）出可拍摄的口播稿和分镜。手工拉片、对字幕、写报告和脚本往往串不起来，且容易误用未上市型号或把窗帘电机写成晾衣架。

技能如何工作

输入为单条视频链接或本地文件时，走九阶段流水线：识别平台 → 视频获取（L1 SSR 优先抖音，失败自动降级 L2 Playwright / L3 yt-dlp，元数据可继承）→ 预处理出首帧、关键帧与音频 → 四层字幕管道（软字幕 → ASR → 条件触发的说话人分离与 VLM → EasyOCR 兜底），单人口播场景可智能跳过部分层以省时间与 API 成本 → 生成 deconstruction_data_pack.json 与七层拆解报告 → 叙述性仿写文案（默认方案 A）→ 产品校验与「说人话」腔调质检 → 按需输出融合格式拍摄脚本（台词本 [Sx] + 9 列分镜表，默认精简版含发布信息块）→ 归档为 DOCX（经 md_to_docx.py 转换）。

任意环节失败会标注缺失并继续，不整链中断。

适用边界与注意点

• 有具体视频才应走本技能；纯故事/剧本分镜用 script-forging，选题批量口播用 copywriter，博主主页风格分析用 blogger-analyzer。
• 仿写强制 100% 替换场景、台词、人设与设备名，不得连续复制原文案超过 5 字，不得使用原视频画面；素材仅作拆解学习。
• 依赖本机 Python 环境、SILICONFLOW_API_KEY（ASR/VLM）及作者配置的 storage_root、品牌参考 references/*.md；路径占位符需按部署环境替换，DOCX 转换失败时可保留 Markdown 并标注。