reelbench-skills

reelbench-skills 是一款面向 Claude Code 和 Codex 的视频拉片 Skill，通过 video-shots 技能将成片拆解为逐镜头分析表，为 AI 视频创作提供量化质量保障。

在 AI 生成视频越来越普及的今天，如何客观评价一条 AI 视频的质量成为创作者面临的核心问题。reelbench-skills 从影视专业拉片方法论出发，将一条完整视频拆解为多个独立镜头，对每个镜头的时长、景别、类别、运镜和画面进行逐项量化评估。整个过程基于 ffmpeg 的客观数据（切点、帧差分）结合 AI 判断，无需人工反复观看，即可在几分钟内输出一份完整的镜头分析报告。

核心能力包括：自动切点检测（ffmpeg 帧级差分精准定位切点）、逐镜头分析（景别/运镜/画面类别 AI 判断）、14 道质量门核验（平均镜长/剪辑节奏/镜头多样性逐条对账）、交互式 HTML 报告（播放器同步高亮、镜头节奏带、可搜索镜头表）、统计分布分析（切速/景别/镜长分布）、零依赖设计（仅需 Node.js 和 ffmpeg，无 API Key）、跨平台安装（Claude Code + Codex）。

安装步骤：克隆仓库后运行 ./scripts/install.sh，可加 --claude/--codex 参数指定平台；或直接拷贝 skills/video-shots 到 ~/.claude/skills/。

使用流程：准备视频文件 → Claude Code 触发 Skill → ffmpeg 提取帧差分数据 → AI 逐镜头判断 → 执行 14 道质量门 → 生成 HTML 报告（含播放器、镜头表、关键帧）。

适用场景：AI 视频生成质量评估、创作节奏把控、多版本横向对比、教学复盘、批量自动化质检。

适用人群：Claude Code/Codex AI 视频创作者、视频制作团队剪辑师/导演、Sora/Runway/Kling 等 AI 视频工具用户、视频内容研究者。

工作原理：客观数据层由 ffmpeg 提取每帧像素数据计算差分值精准定位切点，输出运动曲线；主观判断层由 AI 在切点分段基础上判断景别/运镜/类别；14 道质量门覆盖镜长标准、切速范围、景别多样性、运动镜头占比等维度。

官方链接：https://github.com/eternityspring/reelbench-skills