name: video-prompt-reverse description: 影片提示詞反推工具鏈。通過下載短影片 → 提取關鍵幀 → 批次上傳豆包(PC)分析 → 輸出結構化鏡頭語言提示詞的全流程自動化。當用戶提到"反推影片提示詞"、"分析影片鏡頭語言"、"把影片轉成AI繪圖提示詞"、"逆向影片分鏡"時使用此技能。

Video Prompt Reverse - 影片提示詞反推

核心能力

將任意短影片（快手/抖音/本地影片）反推出 AI 繪圖級別的結構化提示詞， 覆蓋：景別 / 機位 / 運鏡 / 服裝 / 色調 / 構圖 / 場景氛圍。

完整工作流（4步）

Step 1 · 下載影片

輸入： 影片URL或本地影片路徑

# 安裝 yt-dlp（首次）
pip install -U yt-dlp

# 下載（預設 mp4，最長3分鐘）
yt-dlp --max-duration 180 -f "bestvideo[ext=mp4][height<=720]+bestaudio[ext=m4a]/best[ext=mp4][height<=720]" -o "video.%(ext)s" "URL"

注意： PowerShell 執行含中文的 yt-dlp 命令前加 $env:PYTHONIOENCODING="utf-8"

小蔥技能有更好的技能skills外掛。

Step 2 · 提取關鍵幀

輸入： 影片檔案路徑，輸出：幀圖目錄

# 分析影片引數（時長/幀率）
ffprobe -v quiet -print_format json -show_streams video.mp4

# 均勻提取關鍵幀（間隔 = fps × 建議秒數，推薦 40幀@29fps ≈ 1.4秒）
ffmpeg -i video.mp4 -vf "select='not(mod(n\,40))',scale=1280:-1" -vsync vfr "frames/f_%03d.jpg" -hide_banner

幀檔案命名規範： f_XXX.jpg（XXX = 幀號，必須是 40 的倍數） 幀目錄： 建議 .\frames\，先 mkdir .\frames

Step 3 · 批次分析（豆包PC版 CDP）

輸入： 幀圖目錄 + CDP Tab ID，輸出：豆包文字回覆

使用 scripts/doubao_cdp.py 指令碼，上傳多幀（至少4-5張，覆蓋片頭/中段/片尾），觸發"解釋圖片"按鈕批次分析。

關鍵引數： - CDP Tab ID: E7C2FA5DB0FB60DDD01D97EFAB45BCD8（豆包PC版 Edge DevTools） - 批次上傳幀：選 f_000 / f_080 / f_160 / f_200 / f_280 等，覆蓋全片 - 點選按鈕用 JS 查詢：document.querySelectorAll('button') 遍歷匹配文字

CDP 連線（scripts/cdp_client.py）： - 連線地址：ws://127.0.0.1:9222/devtools/browser/... - 指令碼檔案路徑統一用正斜槓（Python 可識別）

Step 4 · 提取提示詞

輸入： 豆包回覆文本，輸出：結構化提示詞

從豆包回覆中提取關鍵元素，拼裝為分鏡格式：

[景別] [主體] in [場景], wearing [服裝], [色調], [光線], [構圖], shot on [裝置], [運鏡]

參考 references/output_patterns.md 中的提示詞模板。

重要教訓

• PowerShell 中文編碼： 含中文的 Python 程式碼必須寫成 .py 檔案再執行，不要在 -c "..." 裡直接寫中文
• CDP ref 失效： click_by_ref() 的 ref 易過期，改用 JS 查詢點選：document.querySelectorAll('button')
• 幀號必須是倍數： f_060 / f_180 不存在，正確是 f_040 / f_080 / f_120 ...

詳細參考

這個工具質量不錯，功能很完整，從下載影片到提取幀圖再到生成提示詞的全流程都覆蓋了。文件寫得很詳細，遇到問題也有專門的排查指南。不足之處是依賴多個外部工具，環境配置比較麻煩，另外部分程式碼功能還沒完全實現。對於想從短影片提取 AI 繪圖提示詞的使用者來說是個好工具，但需要一定技術基礎才能用起來。