视频基本量与时序
本节目标
读懂视频任务包里的最小数字与叙事单位，避免把分辨率、帧率、码率和“流畅”混为一谈。
从帧到镜头
帧（frame）是一张时间点上的图像；帧率（frames per second, FPS）是每秒展示多少帧。8 秒、24 FPS 的片段在恒定帧率下有 个时间位置。帧率影响运动采样，不等于画质；把低帧率素材简单复制成高帧率不会创造真实运动信息。
分辨率是每帧的像素宽高，宽高比决定画布形状，码率大致描述单位时间内编码的数据量。最终文件大小还受编码器、画面复杂度、音频和容器影响，不能只用分辨率预测。
镜头（shot）是一次连续拍摄或看似连续的画面；场景（scene）是同一时空中的一组镜头；段落（sequence）可跨场景完成一个叙事目标。生成模型更适合接收单一动作、单一镜头意图的短作业。把“人物进门、坐下、回忆童年、飞到月球”塞进一次请求，容易出现跳变。
时间线的基本约束
每个镜头需要 start_seconds 和 end_seconds。工程上应先确定：
- 镜头不重叠，除非明确设计叠化层。
- 总时间覆盖目标时长，没有无意空洞。
- 字幕、旁白、音效的时间点落在有效范围内。
- 项目统一时间基准；小数秒转帧时明确舍入规则。
例如 24 FPS 下 2.5 s 对应第 60 帧附近。若剪辑系统使用从 0 开始的帧编号，边界是半开区间还是闭区间会影响一帧，任务包中要统一。
镜头语言是需求，不是装饰词
- 景别：远景交代环境，中景表现动作，近景强调细节。
- 机位：平视、俯视、仰视影响关系感。
- 运镜：固定、推、拉、摇、移、跟随；一次镜头尽量一个主运动。
- 焦点：主体清晰、背景虚化只是选择，不是“电影感”的同义词。
常见错误与排查
- 把 FPS 当生成质量开关：先看产品是否原生支持，再由后期规范转换。
- 时间相加不等于总时长：检查镜头间空隙与转场占用。
- 混用 16:9 与像素尺寸：比例相同不代表清晰度或编码相同。
- 一个镜头多个相斥运镜：拆镜头或明确主次。
练习与自测
为 12 秒“机器人端咖啡”的短片拆成三个镜头，写出起止时间、景别、一个主动作和一个运镜。计算 25 FPS 下理论帧数，并说明为何成片文件不一定正好含该数量的可解码帧。
下一步：生成原理与时序一致性。
参考资料
- FFmpeg Documentation（流、映射与处理概念；核对于 2026-07-14）
- WebVTT specification