# PySceneDetect 自动分镜切割：导出真实镜头 CSV、首中尾帧和切片

已实际运行原生剪辑/镜头工具，保留真实输出与误判；输入是程序动画和系统朗读，不是真实软件录屏或 AI 视频。

## 输入来源
本站原创程序绘图/动画、人工字幕和系统朗读均为输入或人工参考。AI 生成肖像、人物与店铺来自本站本批 imagegen，只用作输入。官方图片说明工具机制，不是本站模型结果。

## 运行
python3 verify.py

输入验证依赖 Pillow；剪辑工具使用官方 auto-editor 31.7.2 二进制，已不再发布到 pip。PySceneDetect 锁0.7.2。其他模型/GUI按官方步骤准备，未包含权重、密钥或付费额度。

## 1. 打开四镜头原始测试片
input.mp4 是本站原创程序商品片，24fps、288 帧，已知换镜在第 72、144、216 帧；不是 AI 模型生成。用这些已知边界检验检测与切割是否真的正确。

## 2. 安装锁定版本与依赖
使用 PySceneDetect 0.7.2，准备 OpenCV、NumPy 与 FFmpeg；对照当前 head/0.7.2 文档，不复制旧 0.6.2 帮助输出。小样只需 CPU，不下载神经网络权重。

## 3. 检测边界并保存清单
使用 detect-adaptive list-scenes 保存 Scenes.csv，再与已知帧边界比较。镜头号不是素材语义标签；一个长镜头内的动作变化不一定是切点。

## 4. 导出每镜头首中尾帧
save-images --num-images 3 会导出每镜头三帧。用真实文件看镜头有没有混入前后画面，不能只看终端说找到四个镜头。

## 5. 运行重编码切片
实际运行 split-video，由 FFmpeg 生成独立 MP4。本页使用默认重编码；--copy 只复制编码流，速度快但不保证逐帧精确，不作为精准切点的替代证明。

## 6. 重开切片核对长度
用 ffprobe 核对每片实际时长和帧数，再人工看边界首尾。已知目标四镜头仍以实际检测结果为准，错误或漏检写入报告而不是修改真值掩盖。

## 7. 把独立镜头接到创作任务
按镜头分别记录场景、主体与提示词，再进入现有视频一致性检查。保留输入、检测参数、CSV 和输出，AI 生成素材同样需要逐镜核对。

## 验收
重新打开实际结果，逐项核对内容、尺寸、时间码/图层。结构脚本通过不代表模型质量或外部工具已运行。

## 官方来源
https://www.scenedetect.com/docs/head/cli.html
https://www.scenedetect.com/cli/