AI视频导演的「拉片神器」：用Claude/Codex一键拆解镜头、生成分镜报告与同步视频

你是否曾为一条AI生成的短视频反复暂停、截图、记笔记，只为搞清它为何节奏紧凑或叙事断裂？reelbench-skills 正是为此而生——它不是另一个AI视频生成器，而是一套专为「视频分析者」打造的轻量级技能工具包，让Claude Code或Codex化身你的AI剪辑助理，自动完成专业级拉片（shot-by-shot analysis）、质量门校验与分镜可视化同步。零API密钥、不联网调用、离线即开，真正把电影学院的镜头语言分析能力，塞进一个HTML文件里。

核心功能

全自动逐镜头拆解（video-shots）：输入一段MP4，5秒内输出53个镜头的完整结构表——精确到毫秒的切点、景别（特写/中景/全景）、运镜类型（推/拉/摇/跟）、画面主体、节奏密度（每分钟切镜数），所有时长均由ffmpeg底层测量，杜绝模型幻觉。
15道硬性质量门自动对账：不是泛泛而谈“节奏好”，而是逐条校验：单镜是否超8秒（影响注意力）、连续3镜是否同景别（易致单调）、运动镜头后是否接静止镜头（保障呼吸感）……全部达标才标绿，帮你一眼定位成片结构性缺陷。
交互式单文件拉片报告：双击shots-report.html即可打开——内嵌H5播放器实时高亮当前镜头；点击镜头列表直接跳转对应时间码；首尾关键帧并排对比；支持按景别/时长/运镜类型筛选排序；统计图表直观展示节奏分布与人物出场频次。
分镜信息与视频实时同步（video-sync）：生成左右/上下双栏视频：左侧播放原片，右侧同步滚动高亮分镜表，镜头切换瞬间，右侧表格自动滚动至当前镜并加粗显示，横版上下叠、竖版左右并，仅改一行CSS即可适配不同工作流。
离线全功能交付包：产出物含HTML报告、JSON结构化数据、Markdown简报、逐帧运动曲线（track.json）及106张关键帧图——无需服务器、不依赖CDN，拷贝整个demo-report/文件夹到U盘，双击就能向客户或导师演示分析逻辑。
多语言无缝切换：同一套流程，加--lang en参数即输出全英文报告，适配国际协作场景；中文报告则精准使用“拉片”“运镜”“景别”等影视行业术语，拒绝机翻腔。
零依赖极简安装：仅需本地已装Node.js（≥18）和ffmpeg，执行./scripts/install.sh --claude即可软链至Claude Code技能目录，git pull更新后立即生效，无需重启、无需npm install。
技能自包含，即拷即用：若不想配置软链，直接cp -r skills/video-shots ~/.claude/skills/，整个技能连同其HTML模板、JS逻辑、CSS样式全部打包，无外部资源引用，彻底规避环境兼容问题。

技术亮点

「Claude Code / Codex技能」原生架构：非独立应用，而是深度适配Claude Code（Anthropic官方VS Code插件）与Codex（开源替代）的技能模块，利用其代码解释器能力调用本地ffmpeg+Node脚本，实现AI模型只做“判断”、系统工具只做“测量”的职责分离。
HTML单页应用（SPA）极致轻量化：整份报告是纯静态HTML，所有交互逻辑由内联JavaScript驱动，播放器基于<video>原生API，关键帧图片Base64内联或相对路径引用，真正做到“下载即用、离线双击启动”，比任何Web应用都更可靠。
ffmpeg与AI分工明确的流水线设计：切点检测、时长计算、帧差分运动曲线（track.json）全部交由ffmpeg/ffprobe完成；Claude仅处理语义判断（如“这是俯拍还是仰拍？”“画面主体是人脸还是建筑？”），避免让大模型干它不擅长的像素级计算。
声明式CSS布局控制：video-sync的双栏同步视频布局，通过修改skills/video-sync/style.css中.layout-horizontal或.layout-vertical类即可切换，无需动JS逻辑，设计师可直接参与UI调整，开发与创意零耦合。
机器证据链闭环：每份报告附带track.json——这是ffmpeg逐帧计算的像素差异值序列，形成可验证的“运动强度曲线”，当质疑某镜“为何判定为运动镜头”时，直接查该镜对应的数值峰值，用数据说话，而非主观描述。

适合哪些人用

这是一款为AI视频实践者量身定制的生产力工具，尤其适合：

AI视频创作者：刚用Sora/Pika生成一段30秒短片，却说不清为何观众反馈“节奏乱”？运行reelbench-skills，5分钟得到带时间码的拉片报告，发现“前10秒连续4个特写无景别变化”，立刻针对性重生成中景过渡镜。
影视专业学生：老师布置分析《奥本海默》教堂长镜头作业，传统方法要手动记时、截图、归类。用本工具处理AI模拟的同类长镜头，自动生成46镜结构表+运动曲线，快速验证“长镜头如何通过微运动维持张力”的理论假设。

快速上手

三步完成部署：

安装基础依赖（macOS示例）：
brew install node ffmpeg
克隆并安装技能：
git clone https://github.com/eternityspring/reelbench-skills.git cd reelbench-skills ./scripts/install.sh --claude
在Claude Code中输入指令（示例）：
请用video-shots技能分析我上传的demo-video.mp4，输出中文拉片报告
等待片刻，即可获得demo-report/完整产物。

同类对比 / 注意事项

vs 通用视频分析平台（如Runway ML）：Runway侧重AI生成与编辑，分析功能浅层（仅基础剪辑建议）；reelbench-skills专注“深度拉片”，提供影视工业级的15道质量门、镜头节奏带、运动曲线等独有维度，且完全离线可控。
vs 传统拉片软件（如Frame.io标注）：Frame.io需人工逐帧标记，耗时数小时；本工具自动化率达90%以上，且输出结构化JSON供后续Python脚本批量分析，打通从分析到优化的闭环。
注意事项：需确保ffmpeg可执行路径在系统PATH中；首次运行可能因Node版本低于18报错，请先执行node -v确认；Claude Code需开启“允许运行本地技能”权限（设置→Advanced→Local Skills）。