前言¶
做拉片分析或视频剪辑前期准备时，常见路径是手工拖进度条找切点、截屏存关键帧、再逐个登记时间码。这类工作重复、容易漏切点，时间码写法也不统一。另一种做法是写一套临时脚本调 ffmpeg，但阈值、抽帧策略、输出格式每次都要重调。
镜头大师 Shot Master 把这套流程固化成一个可复用的 Skill：用 ffmpeg 做镜头切分与取帧，输出带统一时间码的分镜表和故事板，并在每个镜头上附带质量指标和类型推断结果。
这是什么¶
镜头大师 Shot Master（坐标 @user_a541be91/shotmaster-capmom）是一个社区来源的通用 SKILL.md 格式 Skill，发布者 user_a541be91，当前版本 2.13.0，分类 design-media，发布在 SkillHub。
它解决的问题是：把一段视频变成结构化的镜头清单——每个镜头有时间码、代表帧、质量指标、推断类型，并能进一步导出成剪辑软件可用的时间线格式，或对接混剪工作流。
官方地址：https://api.skillhub.cn/user_a541be91/shotmaster-capmom
SkillHub 页面：https://www.skillhub.cn/skills/user_a541be91/shotmaster-capmom
根据抓取资料，当前页面评分 100000，下载 1209，安装 0，标签 requires_api_key=false（不需要 API Key）。
核心能力¶
下面按功能分节说明。各能力的描述依据 Skill 的官方简介，具体命令行参数请以 SkillHub 页面为准。
镜头切分与取帧¶
- 基于 ffmpeg 做快速、精细、准确的镜头切分。
- 可选 PySceneDetect 作为高精度镜头检测后端。
- bestframe 模式在每个镜头内选最清晰代表帧，并支持并行加速。
分镜表与故事板输出¶
- 输出带 HH:MM:SS.mmm 时间码的分镜表，格式为 manifest 或 CSV。
- 同时输出故事板（contact sheet），便于一眼浏览整段视频的镜头分布。
- 用途是拉片分析剧情和视频剪辑前期准备。
质量护照三件套¶
每个镜头自带质量报告，包含三个指标：
- cut_confidence：切换置信度。
- sharpness：代表帧清晰度。
- motion_level：镜头运动量。
scene_type 镜头类型自动推断¶
在质量报告之上，Skill 会自动推断镜头类型，取值包括：名场面、动、大场面、近特、台词、哭、笑、空镜。这层推断让分镜表不只是时间码列表，还能直接用于按类型筛选素材。
分类标签导入与混剪素材体系对接¶
- 支持导入镜头分类标签：动、大场面、近特、台词、哭、笑、空镜、名场面。
- 对接混剪大师 anime-mashup-editing 的素材分类体系。
- 可按分类自动归档帧图。
时间线格式导出¶
支持三种时间线格式导出：
- EDL
- FCP XML
- OTTO
另外提供混剪专用的 cut_timeline 子命令，生成含 hook_candidates / static_candidates 字段的时间线 JSON，供混剪流程直接消费。
shot_to_timeline 混剪工作流集成¶
支持 shot_to_timeline 工作流：输入视频加 BGM，输出带节拍对齐的混剪时间线 JSON。这条路径把「分镜」和「混剪」串起来，不必在两个工具之间手工搬运时间码。
性能与测试¶
- sharpness 计算用 numpy 向量化，官方称约 11x 加速。
- bestframe 的清晰度缓存会在流程中传递，避免重复计算。
- 内置 28 项测试用例，覆盖所有模式与导出格式。
安装与启用¶
本文未抓取到官方安装命令与 SKILL.md 目录结构，因此不在此给出具体安装命令，避免编造。启用方式以 SkillHub 页面说明为准：
- 官方地址：https://api.skillhub.cn/user_a541be91/shotmaster-capmom
- SkillHub 页面：https://www.skillhub.cn/skills/user_a541be91/shotmaster-capmom
可确认的前置条件：requires_api_key=false，不需要 API Key。运行依赖 ffmpeg；可选 PySceneDetect 后端需要单独安装。
Cursor、Codex CLI、Claude Code 的安装方式差异，在本次抓取资料中没有对应说明，本文不作区分。
典型流程¶
以下流程基于官方简介中的子命令与输出物描述，命令行写法请以 SkillHub 页面为准。
1、输入一段视频，用默认的 ffmpeg 后端做镜头切分，得到带 HH:MM:SS.mmm 时间码的 manifest 或 CSV 分镜表。
2、需要更细的切分时，切换到 PySceneDetect 后端重跑，对比 cut_confidence 判断哪些切点置信度低、需要人工复核。
3、开启 bestframe，让每个镜头选出最清晰的代表帧；这一步会写入 sharpness 指标，并生成 contact sheet 故事板。
4、如果目标不是拉片而是混剪素材准备，用分类标签导入功能把镜头打上 动 / 大场面 / 近特 / 台词 / 哭 / 笑 / 空镜 / 名场面 标签，帧图按分类归档。
5、需要进剪辑软件时，导出 EDL、FCP XML 或 OTTO 中的一种。
6、如果下游是混剪流程，改用 cut_timeline 子命令，产出含 hook_candidates / static_candidates 的时间线 JSON；或者走 shot_to_timeline，把视频加 BGM 一起输入，直接得到带节拍对齐的混剪时间线 JSON。
适用场景与注意¶
适合的场景：
- 拉片分析剧情结构，需要一份可检索的镜头清单。
- 视频剪辑前期准备，要把素材按镜头类型和质量筛一遍。
- 混剪素材分类与归档，尤其是已经使用 anime-mashup-editing 分类体系的团队。
- 需要把镜头信息转成 EDL / FCP XML / OTTO 进时间线的场景。
需要注意的地方：
- ffmpeg 后端与 PySceneDetect 后端的切分精度不同，同一视频两种后端的结果可能有差异，建议以 cut_confidence 作为复核依据。
- scene_type 是自动推断结果，适合做筛选和粗分类，不能当作人工标注的替代。
- bestframe 的清晰度比较依赖帧图像质量，压缩严重的视频上指标区分度会下降。
- cut_timeline 产出的 hook_candidates / static_candidates 是给混剪流程用的候选标记，不等于最终成片决策。
- 本文写作时未能打开官方页面抓取安装命令与参数表，使用前请以 SkillHub 页面为准核对。
结尾¶
镜头大师 Shot Master 的价值在于把「切镜头、抽关键帧、登记时间码、写质量报告」这一整套重复劳动固化下来，输出格式对下游剪辑和混剪流程友好。对需要批量处理视频素材的人来说，它省掉的是从 ffmpeg 命令行到分镜表之间的手工整理工作。
官方地址：https://api.skillhub.cn/user_a541be91/shotmaster-capmom
