Video Prompt Reverse - 视频提示词反推

核心能力

将任意短视频（快手/抖音/本地视频）反推出 AI 绘图级别的结构化提示词， 覆盖：景别 / 机位 / 运镜 / 服装 / 色调 / 构图 / 场景氛围。

完整工作流（4步）

Step 1 · 下载视频

输入： 视频URL或本地视频路径

# 安装 yt-dlp（首次）
pip install -U yt-dlp

# 下载（默认 mp4，最长3分钟）
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 执行含中文的 yt-dlp 命令前加 $env:PYTHONIOENCODING="utf-8"

Step 2 · 提取关键帧

输入： 视频文件路径，输出：帧图目录

# 分析视频参数（时长/帧率）
ffprobe -v quiet -print_format json -show_streams video.mp4

# 均匀提取关键帧（间隔 = fps × 建议秒数，推荐 40帧@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

帧文件命名规范： f_XXX.jpg（XXX = 帧号，必须是 40 的倍数） 帧目录： 建议 .frames，先 mkdir .frames

Step 3 · 批量分析（豆包PC版 CDP）

输入： 帧图目录 + CDP Tab ID，输出：豆包文字回复

使用 scripts/doubao_cdp.py 脚本，上传多帧（至少4-5张，覆盖片头/中段/片尾），触发"解释图片"按钮批量分析。

关键参数：

• CDP Tab ID: E7C2FA5DB0FB60DDD01D97EFAB45BCD8（豆包PC版 Edge DevTools）
• 批量上传帧：选 f_000 / f_080 / f_160 / f_200 / f_280 等，覆盖全片
• 点击按钮用 JS 查找：document.querySelectorAll('button') 遍历匹配文字

CDP 连接（scripts/cdp_client.py）：

• 连接地址：ws://127.0.0.1:9222/devtools/browser/...
• 脚本文件路径统一用正斜杠（Python 可识别）

Step 4 · 提取提示词

输入： 豆包回复文本，输出：结构化提示词

从豆包回复中提取关键元素，拼装为分镜格式：

[景别] [主体] in [场景], wearing [服装], [色调], [光线], [构图], shot on [设备], [运镜]

参考 references/output_patterns.md 中的提示词模板。

重要教训

• PowerShell 中文编码： 含中文的 Python 代码必须写成 .py 文件再执行，不要在 -c "..." 里直接写中文
• CDP ref 失效： click_by_ref() 的 ref 易过期，改用 JS 查找点击：document.querySelectorAll('button')
• 帧号必须是倍数： f_060 / f_180 不存在，正确是 f_040 / f_080 / f_120 ...

详细参考