前言¶

做设计还原或竞品分析时，经常手上只有一段产品演示视频、一条功能录屏，没有设计稿、没有标注。想知道对方用了什么配色、什么字号、卡片圆角和间距大概是多少，只能靠人工一帧一帧截图比对，慢且容易漏。

另一条常见路子是拿通用多模态对话逐帧提问，问一帧答一次，信息散落在聊天记录里，没法直接变成一份可复用的规范文档。

这个 Skill 走的是另一条路线：先用 ffmpeg 把视频的关键帧抽出来，再用视觉模型批量分析，最后汇总成结构化报告。下面介绍它的具体能力。

这是什么¶

视频视觉分析 是一个面向视频画面的视觉信息提取 Skill，由 SkillHub 社区发布者 user_5c5812b2 维护，坐标 @user_5c5812b2/video-visual-analysis，版本 1.0.0，来源标记为 community，分类 design-media。

它解决的问题很具体：从一段视频中提取 UI 设计规范（配色、字体、布局、组件样式）、功能模块信息、产品特征、交互设计，输出结构化分析报告，而不是让模型随口描述几句画面。

核心能力¶

按官方简介，能力分为四块：

1、用 ffmpeg 抽取视频关键帧，把连续视频转成一组可分析的静态画面。
2、用视觉模型对抽出的帧做批量分析。
3、从画面中提取 UI 设计规范，覆盖配色、字体、布局、组件样式四个维度；同时提取功能模块信息、产品特征、交互设计。
4、输出结构化分析报告。

它面向的触发场景在简介里列得很清楚：分析视频 UI、提取视频设计灵感、视频关键帧分析、视频视觉信息提取、从视频中获取创作灵感、拆解视频界面设计、视频画面分析、提取视频设计规范。这八类需求本质上都是「从视频画面里要设计信息」，Skill 把它们收敛到一条流程上。

处理流程¶

从简介描述的管线看，一次分析大致是四步：

1、输入视频文件（录屏、演示视频、功能讲解片）。
2、ffmpeg 按关键帧策略抽帧，得到一组静态图片。
3、视觉模型对这批图片批量分析，识别配色、字体、布局、组件样式等视觉要素。
4、把逐帧结果汇总，产出结构化报告。

需要注意，第 2 步的抽帧策略直接决定覆盖面：抽得少会漏掉转场和短暂出现的界面，抽得多则增加模型调用开销。这是使用时需要自己把控的参数。

安装与启用¶

抓取到的页面资料里没有提供安装命令、依赖清单或配置文件字段，因此这里不写命令，接入方式以官方页面为准。

可以确认的两点是：

1、这类 Skill 基于通用 SKILL.md 格式，接入方式是把 Skill 交给支持该格式的 Agent 加载使用。
2、页面标签为 requires_api_key=false，即标注为不需要 API key。

运行时依赖按简介可以判断有两类：一是本机 ffmpeg，用于抽帧；二是视觉模型，用于画面分析。两者都需要在运行环境中可用，抽帧这一步必须在装了 ffmpeg 的环境里执行。

适用场景与限制¶

适合的场景：

1、手上有产品演示视频或功能录屏，需要还原 UI 设计规范。
2、做竞品视觉分析，想从宣传片里提取配色和组件风格。
3、从视频中找创作灵感，需要把画面特征整理成可参考的条目。

已知的限制：

1、分析对象是抽出来的静态帧，不包含视频时序信息。动效、转场节奏、交互前后的状态变化只能靠帧序列间接推断，直接给不出精确参数。
2、输出质量受抽帧策略和视觉模型能力双重影响。模型能识别画面里明显存在的配色和布局，但精确数值（如具体字号、像素间距）属于估计值，需要人工复核后再写进规范。
3、长视频抽帧数量多，批量分析的调用成本随时长上升。
4、页面显示评分 100000、下载 4712，同时安装数显示为 0，统计口径上存在不一致，选用前建议自行核对实际可用性与维护状态。

小结¶

这个 Skill 的价值在于把「抽帧 + 视觉分析 + 汇总报告」这条链路固化下来，省去自己拼脚本和写提示词的成本。它不负责精确测量，产出的是结构化的视觉分析结论，用于设计还原和灵感收集时可以直接当输入。

官方地址：https://api.skillhub.cn/user_5c5812b2/video-visual-analysis
SkillHub 页面：https://www.skillhub.cn/skills/user_5c5812b2/video-visual-analysis