dsh-video-storyboard：让 DeepSeek Harness 用一张图看懂视频

它是做什么的？

它是 DeepSeek Harness（DSH）的视频分镜插件，把一段视频压成一张带编号的分镜图，让纯文本模型也能“看”视频。它解决的是模型无法直接观看视频、逐帧截图又太耗 token 的问题：5 分钟素材只产出一张图、916 个格子、约 384 tokens，而逐帧方案同样覆盖范围要花 3,0726,144 tokens。核心能力包括场景切分、按镜头密度分配格子、为每格配时间戳与字幕、叠加音频包络，并提供放大局部画面的二次调用。

核心功能

• 单图分镜：把整段视频排成 9~16 个带编号的格子，每格标注时间范围与落在其中的字幕行，模型可以直接引用某一格。
• 场景感知切分：在 HSV 空间做场景变化检测，按目标切点频率自适应阈值，快剪素材也不会漏切。
• 密度自适应布格：按局部切点密度分配格子，快节奏段落格子更密，静止长镜头不会被拆成一堆重复帧。
• 最清晰帧选取：每段取 3 个候选帧，按拉普拉斯方差挑最锐利的一张，避免选到模糊转场帧。
• 音频包络与字幕：底部条带在同一时间轴上标出响度、静音段与切点，字幕先于布格计算，用于决定每格时长。
• 局部放大：通过 video_zoom 对指定格子请求近景，无需重新处理整段视频。

怎么使用这个插件？

在 DSH 中启用后，把视频文件交给 video_storyboard 工具，它会返回一张分镜图以及每格的时间戳和字幕信息，模型据此引用格子或继续追问。需要看清细节时，用 video_zoom 指定格子编号获取放大画面。同一文件再次调用会命中缓存，实测 90 秒素材首次扫描约 9 秒、二次调用约 3.6 秒。运行需要 Node 20 及以上，并在 PATH 中提供 ffmpeg 与 ffprobe，除此之外没有其他运行时依赖；该插件由 SAOS-3624 维护，采用 MIT 协议。

报错怎么排查？

分镜生成失败时，先确认 ffmpeg 与 ffprobe 能在命令行中直接调用，这是最常见的环境问题。若切点数量明显偏少或格子内容重复，说明阈值与素材节奏不匹配，可按官方说明调整切点频率相关参数。若返回的帧模糊，检查是否使用了按直方图选帧的替代方案，本插件默认按拉普拉斯方差挑选最清晰帧。