| name | read_any_video |
| description | LLM 读不了视频 —— 本 skill 帧间差分分析 把视频拆成模型能读的关键帧 + 带时间戳的运动时间线， 让模型得以描述、总结、定位视频中的任意瞬间。 触发场景：提供视频文件 / URL（.mp4/.mov/.avi/gif 等） Give LLMs eyes for video: extract key frames + a timestamped motion timeline so the model can describe, summarize, or locate moments in a video. |
Read Any Video · 让 LLM "看见"视频
LLM 读不了视频。 这个 skill 把视频拆成它能读的东西：关键帧图片 + 运动时间线。
模型无法直接播放或理解 .mp4。本工具用帧间差分分析找出
哪里静止、哪里有动作、关键瞬间在第几秒，只抽出真正有信息量的帧
交给模型去看——于是模型就能描述、总结、定位视频里的任意瞬间。
除了内置脚本，零额外依赖。
⚡ 工作流：先扫描，再聚焦
1. 拿到视频 → 下载 URL / 用本地路径 / 解压或重命名伪装文件
2. scan 扫描 → 运动时间线 + 活跃片段的稀疏关键帧
3. zoom 聚焦 → 对感兴趣的区间做高密度抽帧（可选）
4. 总结 → 输出带时间戳的客观叙事
一句话：别一上来就暴力抽几百帧，先 scan 看全局，再 zoom 抠细节。
🛠 命令一览
scan · 默认入口
python3 <SKILL_DIR>/scripts/video_frames.py scan <video>
逐帧计算运动分数，自动切分为「静止 / 活跃」片段，
只在活跃片段抽帧——把算力花在真正有内容的地方。
- stderr：运动时间线（请先读这里）
- stdout：JSON，含
timeline、active_segments、frames[]{path, t}
可选参数：--start/--end、--density N（帧/秒，默认 2）、
--threshold、--max-width（默认 900）。
zoom · 聚焦细节
python3 <SKILL_DIR>/scripts/video_frames.py zoom <video> --start 10 --end 12 --density 8
在一个窄区间内做高密度抽帧。scan 锁定可疑区域后再用，
还能在更小的区间上反复聚焦，层层逼近关键瞬间。
grid · 全局缩略图
python3 <SKILL_DIR>/scripts/video_frames.py grid <video>
均匀采样并拼成一张带时间戳的九宫格大图。
长视频或第一眼总览时特别好用。
只有当用户提供了背景预期时，才去做「与预期对比」的判断。
📝 注意事项
- 脚本路径：
<SKILL_DIR>/scripts/video_frames.py（绝对路径）
- 依赖：
opencv-python-headless + numpy（自动安装）
- 线程数固定为 1 以兼容沙箱环境——请勿删除
- 帧输出到
/tmp，读完即可丢弃
- 伪装文件（.txt/.bin/.zip）：先解压或重命名再用，OpenCV 按内容而非扩展名识别
- 永远先 scan / grid，切勿一次性暴力抽取几百帧
