Python 视频智能分镜大师:用 PySceneDetect v0.6+ 精准切割每一帧

from scenedetect import detect, ContentDetector# 基础用法：自动检测视频中的快速剪辑scene_list = detect('input_video.mp4', ContentDetector(threshold=27.0))# 进阶用法：更精细的参数控制detector = ContentDetector(    threshold=27.0,       # 阈值越高越不敏感，默认27    min_scene_len=15,     # 最短场景帧数，防止误检    weights=ContentDetector.Components(delta_hue=1.0, delta_sat=1.0, delta_lum=1.0, delta_edges=0.0))scene_list = detect('input_video.mp4', detector)# 输出检测到的所有场景for i, scene in enumerate(scene_list, start=1):    start, end = scene    print(f"场景 {i}: {start.get_timecode()} -> {end.get_timecode()} · 共 {end.get_seconds() - start.get_seconds():.2f} 秒")

from scenedetect import detect, AdaptiveDetector# 处理运动场景剧烈、光照变化大的视频scene_list = detect('sports_video.mp4', AdaptiveDetector(    adaptive_threshold=3.0,   # 标准值与滚动均值的比值，越低越敏感    min_scene_len=30,         # 最少30帧内不能出现第二个场景    window_width=2            # 计算滚动均值时前后各取2帧))for i, scene in enumerate(scene_list, start=1):    print(f"场景 {i}: {scene[0].get_timecode()} - {scene[1].get_timecode()}")

from scenedetect import detect, ThresholdDetector# 专门检测淡入淡出效果的配置scene_list = detect('ad_fade.mp4', ThresholdDetector(    threshold=12,          # 像素强度差异的阈值    min_scene_len=15,      # 最短场景帧数    fade_bias=50           # 淡变偏置值，用于调整渐变检测的灵敏度))print(f"检测到 {len(scene_list)} 个包含淡入淡出效果的场景。")

from scenedetect import detect, HistogramDetectordetector = HistogramDetector(    threshold=0.5,        # 直方图相似度阈值，0为完全不同，1为完全相同    min_scene_len=15,     # 可接受帧数或时间字符串    bins=256              # 直方图箱数)scene_list = detect('input_video.mp4', detector)print(f"通过直方图分析，共分割出 {len(scene_list)} 个场景。")

from scenedetect import detect, HashDetectorscene_list = detect('surveillance.mp4', HashDetector(    threshold=0.2,         # 哈希距离阈值，越低要求变化越剧烈    min_scene_len=15,      # 可接受帧数、秒数或时间码字符串    hash_size=16,          # 哈希尺寸，越大精度越高    low_contrast_threshold=3 # 依场景定))print(f"通过感知哈希技术，共检测到 {len(scene_list)} 个关键过渡。")

from scenedetect import open_video, SceneManagerfrom scenedetect.detectors import ContentDetector, AdaptiveDetector, ThresholdDetector# 1. 打开视频流video = open_video('my_video.mp4')# 2. 实例化管理器scene_manager = SceneManager()# 3. 添加检测器（甚至可以叠加多个不同的检测器）scene_manager.add_detector(ContentDetector(threshold=25.0))# scene_manager.add_detector(AdaptiveDetector(adaptive_threshold=3.5))# scene_manager.add_detector(ThresholdDetector(threshold=10))# 4. 执行检测scene_manager.detect_scenes(video, show_progress=True)# 5. 获取结果scene_list = scene_manager.get_scene_list()print(scene_list)# 输出: [(FrameTimecode(start), FrameTimecode(end)), ...]

from scenedetect import open_video, SceneManager, split_video_ffmpegfrom scenedetect.detectors import ContentDetectorvideo_path = 'input.mp4'video = open_video(video_path)scene_manager = SceneManager()scene_manager.add_detector(ContentDetector())scene_manager.detect_scenes(video)scene_list = scene_manager.get_scene_list()# 一键切割视频（需安装ffmpeg）split_video_ffmpeg(video_path, scene_list, output_dir='output_scenes', show_progress=True)

from scenedetect.scene_manager import save_images, write_scene_list, write_scene_list_html# 为每个场景保存首帧、中间帧和末帧save_images(scene_list, video, num_images=3, output_dir='scene_images')# 将场景时间码写入 CSV 文件write_scene_list('scene_list.csv', scene_list)# 导出可视化的 HTML 报告write_scene_list_html('scene_list.html', scene_list)

import osfrom scenedetect import open_video, SceneManager, StatsManager, split_video_ffmpegfrom scenedetect.detectors import ContentDetectorvideo_dir = './project_videos'output_base = './scene_outputs'for filename in os.listdir(video_dir):    if filename.lower().endswith(('.mp4', '.mov', '.avi')):        video_path = os.path.join(video_dir, filename)        video = open_video(video_path)        # 使用 StatsManager 缓存帧数据，加速多次运行检测        stats_manager = StatsManager()        scene_manager = SceneManager(stats_manager)        scene_manager.add_detector(ContentDetector(threshold=28))        scene_manager.detect_scenes(video)        scene_list = scene_manager.get_scene_list()        # 为不同的视频建立各自的输出文件夹        video_output_dir = os.path.join(output_base, f'{os.path.splitext(filename)[0]}_scenes')        os.makedirs(video_output_dir, exist_ok=True)        split_video_ffmpeg(video_path, scene_list, output_dir=video_output_dir, show_progress=True)        print(f"✅ 已完成: {filename}，切出 {len(scene_list)} 段场景。")