前言¶

做拉片分析或視頻剪輯前期準備時，常見路徑是手工拖進度條找切點、截屏存關鍵幀、再逐個登記時間碼。這類工作重複、容易漏切點，時間碼寫法也不統一。另一種做法是寫一套臨時腳本調 ffmpeg，但閾值、抽幀策略、輸出格式每次都要重調。

鏡頭大師 Shot Master 把這套流程固化成一個可複用的 Skill：用 ffmpeg 做鏡頭切分與取幀，輸出帶統一時間碼的分鏡表和故事板，並在每個鏡頭上附帶質量指標和類型推斷結果。

這是什麼¶

鏡頭大師 Shot Master（座標 @user_a541be91/shotmaster-capmom）是一個社區來源的通用 SKILL.md 格式 Skill，發佈者 user_a541be91，當前版本 2.13.0，分類 design-media，發佈在 SkillHub。

它解決的問題是：把一段視頻變成結構化的鏡頭清單——每個鏡頭有時間碼、代表幀、質量指標、推斷類型，並能進一步導出成剪輯軟件可用的時間線格式，或對接混剪工作流。

官方地址：https://api.skillhub.cn/user_a541be91/shotmaster-capmom
SkillHub 頁面：https://www.skillhub.cn/skills/user_a541be91/shotmaster-capmom

根據抓取資料，當前頁面評分 100000，下載 1209，安裝 0，標籤 requires_api_key=false（不需要 API Key）。

核心能力¶

下面按功能分節說明。各能力的描述依據 Skill 的官方簡介，具體命令行參數請以 SkillHub 頁面爲準。

鏡頭切分與取幀¶

• 基於 ffmpeg 做快速、精細、準確的鏡頭切分。
• 可選 PySceneDetect 作爲高精度鏡頭檢測後端。
• bestframe 模式在每個鏡頭內選最清晰代表幀，並支持並行加速。

分鏡表與故事板輸出¶

• 輸出帶 HH:MM:SS.mmm 時間碼的分鏡表，格式爲 manifest 或 CSV。
• 同時輸出故事板（contact sheet），便於一眼瀏覽整段視頻的鏡頭分佈。
• 用途是拉片分析劇情和視頻剪輯前期準備。

質量護照三件套¶

每個鏡頭自帶質量報告，包含三個指標：

• cut_confidence：切換置信度。
• sharpness：代表幀清晰度。
• motion_level：鏡頭運動量。

scene_type 鏡頭類型自動推斷¶

在質量報告之上，Skill 會自動推斷鏡頭類型，取值包括：名場面、動、大場面、近特、臺詞、哭、笑、空鏡。這層推斷讓分鏡表不只是時間碼列表，還能直接用於按類型篩選素材。

分類標籤導入與混剪素材體系對接¶

• 支持導入鏡頭分類標籤：動、大場面、近特、臺詞、哭、笑、空鏡、名場面。
• 對接混剪大師 anime-mashup-editing 的素材分類體系。
• 可按分類自動歸檔幀圖。

時間線格式導出¶

支持三種時間線格式導出：

• EDL
• FCP XML
• OTTO

另外提供混剪專用的 cut_timeline 子命令，生成含 hook_candidates / static_candidates 字段的時間線 JSON，供混剪流程直接消費。

shot_to_timeline 混剪工作流集成¶

支持 shot_to_timeline 工作流：輸入視頻加 BGM，輸出帶節拍對齊的混剪時間線 JSON。這條路徑把「分鏡」和「混剪」串起來，不必在兩個工具之間手工搬運時間碼。

性能與測試¶

• sharpness 計算用 numpy 向量化，官方稱約 11x 加速。
• bestframe 的清晰度緩存會在流程中傳遞，避免重複計算。
• 內置 28 項測試用例，覆蓋所有模式與導出格式。

安裝與啓用¶

本文未抓取到官方安裝命令與 SKILL.md 目錄結構，因此不在此給出具體安裝命令，避免編造。啓用方式以 SkillHub 頁面說明爲準：

• 官方地址：https://api.skillhub.cn/user_a541be91/shotmaster-capmom
• SkillHub 頁面：https://www.skillhub.cn/skills/user_a541be91/shotmaster-capmom

可確認的前置條件：requires_api_key=false，不需要 API Key。運行依賴 ffmpeg；可選 PySceneDetect 後端需要單獨安裝。

Cursor、Codex CLI、Claude Code 的安裝方式差異，在本次抓取資料中沒有對應說明，本文不作區分。

典型流程¶

以下流程基於官方簡介中的子命令與輸出物描述，命令行寫法請以 SkillHub 頁面爲準。

1、輸入一段視頻，用默認的 ffmpeg 後端做鏡頭切分，得到帶 HH:MM:SS.mmm 時間碼的 manifest 或 CSV 分鏡表。

2、需要更細的切分時，切換到 PySceneDetect 後端重跑，對比 cut_confidence 判斷哪些切點置信度低、需要人工複覈。

3、開啓 bestframe，讓每個鏡頭選出最清晰的代表幀；這一步會寫入 sharpness 指標，並生成 contact sheet 故事板。

4、如果目標不是拉片而是混剪素材準備，用分類標籤導入功能把鏡頭打上 動 / 大場面 / 近特 / 臺詞 / 哭 / 笑 / 空鏡 / 名場面 標籤，幀圖按分類歸檔。

5、需要進剪輯軟件時，導出 EDL、FCP XML 或 OTTO 中的一種。

6、如果下游是混剪流程，改用 cut_timeline 子命令，產出含 hook_candidates / static_candidates 的時間線 JSON；或者走 shot_to_timeline，把視頻加 BGM 一起輸入，直接得到帶節拍對齊的混剪時間線 JSON。

適用場景與注意¶

適合的場景：

• 拉片分析劇情結構，需要一份可檢索的鏡頭清單。
• 視頻剪輯前期準備，要把素材按鏡頭類型和質量篩一遍。
• 混剪素材分類與歸檔，尤其是已經使用 anime-mashup-editing 分類體系的團隊。
• 需要把鏡頭信息轉成 EDL / FCP XML / OTTO 進時間線的場景。

需要注意的地方：

• ffmpeg 後端與 PySceneDetect 後端的切分精度不同，同一視頻兩種後端的結果可能有差異，建議以 cut_confidence 作爲複覈依據。
• scene_type 是自動推斷結果，適合做篩選和粗分類，不能當作人工標註的替代。
• bestframe 的清晰度比較依賴幀圖像質量，壓縮嚴重的視頻上指標區分度會下降。
• cut_timeline 產出的 hook_candidates / static_candidates 是給混剪流程用的候選標記，不等於最終成片決策。
• 本文寫作時未能打開官方頁面抓取安裝命令與參數表，使用前請以 SkillHub 頁面爲準覈對。

結尾¶

鏡頭大師 Shot Master 的價值在於把「切鏡頭、抽關鍵幀、登記時間碼、寫質量報告」這一整套重複勞動固化下來，輸出格式對下游剪輯和混剪流程友好。對需要批量處理視頻素材的人來說，它省掉的是從 ffmpeg 命令行到分鏡表之間的手工整理工作。

官方地址：https://api.skillhub.cn/user_a541be91/shotmaster-capmom