先说清：拆参考片是为下一条片攒方法和数值
video-reference 是按需使用的拆片技能，不在默认生产路径上。它把一部已完成的成片拆成两层：这条片怎么做的（事实），换一份素材还能怎么用（方法）。事实只留在本地，导出的 production_reference.json 只含方法和测得的数值。
它不调用 MiMo 或任何 LLM，不打分，也不判断你的新片和参考差多少。下次写稿时，video-script 只在 work_dir 里有这个文件时读它，优先级是：用户指令 > 本片证据 > 参考。数值是参考值，不是硬指标，与你素材里的声音归属、完整台词或表演冲突时，以素材为准。
剪辑节奏那篇按单个剪点取舍；这篇先拿到一组能复核的数字，再逐条决定用不用。
拆片五步：测量、复核、标注、写方法、导出
输入是成片文件，最好加上对它跑出的视频理解结果（建议 5 秒 ASR 窗口）；没有也能跑，只是旁白语速为空。视频理解是另一个技能，是否联网看它自己的说明；video-reference 本身只在本地用 ffmpeg 解码。
- measure：一次解码整片，写出切点、镜长分布和响度；成片不变时复用缓存。
- frames 复核：固定阈值在真实成片上两头都会错，所以每次都看待复核窗口（
--review）和最长 5 个镜头（--longest 5）的截帧，把漏切、误报写进cut_fixes；看过无需改动也写{}。 - 标注：声音归属（旁白、原声对白、动作声、环境声、音乐、静音）和叙事段落（钩子、铺垫、转折、升级、兑现）；声音边界放在实际开口与停下处，不按字幕。
- 写事实与方法：事实带时间或测量锚点；方法写规则、适用与避免条件、作用于哪份策划文件和证据，数字只引用测量路径，不手写。
- check → export：零 error 才导出；叙事结构、节奏、镜头剪辑、旁白字幕、音画分工五个维度，各至少一条方法，或写明跳过原因。
量到什么，精度到哪一层
| 数值 | 怎么来 |
|---|---|
| 切点与镜长 | ffmpeg 场景分数：≥10 分必算，≥4 分须是前后 0.3 秒内的孤立峰。得出镜长中位数、p10/p90、短于 1 秒与长于 8 秒的占比、每分钟切点和 10 秒窗口曲线。复核过标 reviewed，否则 measured |
| 响度 | 整体响度、响度范围 LRA、真峰值、逐秒短期响度；measured |
| 各声音归属 | 时长、占比、块时长中位数、段内每分钟切点、平均响度；旁白还可按作用（背景、因果、伏笔、解读、过渡）分占比 |
| 各叙事段落 | 时长、每分钟切点、旁白占比，位置按全片比例记 |
| 旁白语速 | 每秒字数，只用旁白覆盖 ≥80% 的 ASR 窗口，是粗窗口精度，不是逐词对齐 |
| 换手对齐 | 声音归属切换落在画面切点 ±0.25 秒内的比例 |
| 第一段原声 | 原声对白（含原片自带画外音）首次出现的位置，导出只留全片比例 |
| 字幕形态 | 是否烧录、最多几行、原声台词的标记 |
后六项来自你的标注（导出的节奏数值标 labeled），只和标注一样准。
测不到的，和不能带走的
测不到、不判断：慢叠化测不到；运动后的暗场硬切、0.3 秒内分数相近的两个切点不会自动算，只进待复核窗口。检查规则不判断语义，方法的方向要你对照派生值来写。数值只说明参考片这样做了，不说明这样好看，也不说明适合你的题材。
不能带走：
- 导出前会拦下原片人名、与台词或资料共有连续 8 个汉字的句子、绝对时间码和路径；它只拦字面泄漏，拦不住改写过的剧情。
U/里的拆解文件和截帧含原片事实与画面，只留本地，不进新项目，也不提交。- 参考片的画面、旁白原文和逐段安排都不进你的片子，也不要逐句改写它的旁白。技能自己的反例之一就是“照着这部片的结构做”：没有条件，无法迁移。
- 参考片要你本地已有；能否获取、分析和使用，由你自己确认。
这与短剧对标片段拆视听的边界一致：迁移做法，不迁移内容。
原创纸面例：拿参考片的节奏对照渡口解说稿
以下全部为本文虚构：参考片 R 是假想的 6 分钟悬疑短片解说，不对应任何真实频道、作品或视频；数值只作示意，没有实际运行、剪辑或试听。
R 导出的两条方法（示意）：
- m1｜叙事结构，用于故事方案：开场一句旁白交代处境，随后让第一段原声冲突接管。适用：冲突原声能独立听懂；避免：台词要靠大量前情才听得懂。
- m2｜音画分工，用于画面声音板：旁白段用较长镜头，原声段保留原片自身的剪辑节奏。避免：靠动作声推进的段落。
我的片子是已获授权的 8 分钟原创短片：末班渡轮开船前，售票员阿澄发现乘客的船票印着明天的日期；争执戏是一个很长的双人镜头。我按自己的分镜表手算草稿数值：
| 项目 | 参考 R（示意）→ 我的草稿（手算） |
|---|---|
| 第一段原声位置 | 0.04 → 约 0.19（开场约 95 秒全是旁白） |
| 旁白占比 | 0.55 → 约 0.72 |
| 旁白段每分钟切点 | 12 → 约 15（缆绳、灯的插镜多） |
| 原声段每分钟切点 | 24 → 约 8（原片长镜头） |
| 旁白语速 | 4.1 字/秒（粗窗口）→ 约 4.6（稿字数 ÷ 计划时长） |
这张表是我手工做的对照，不是技能输出。逐条决定：
- m1 改用：开场旁白删到一句“末班船还剩十分钟，窗口只剩阿澄一个人”，接乘客递票，让她那句“这张票是明天的”提前到约 0.07。不追到 0.04：观众先看见递票，这句原声才听得懂。
- m2 只用一半：旁白段删掉重复插镜，约降到 11；原声段跳过参考的 24——阿澄盖章前的停顿要靠不切来保留，以素材为准。
旁白占比随之降到约 0.62，不再为接近 0.55 继续删；语速等配音后按正常速度听过再定。两条都在 recap_story_plan.json 的可选字段 reference_methods 里记为 adapt，并写明理由。这次只改了两处方案，不证明新稿更好看；R 的段落顺序、旁白和画面都没有进入这份稿。
五种常见误用
- 逐项追平参考值：先问方法的适用条件你的素材满不满足，再看数字。
- 只看全片每分钟切点：全片平均会混掉原声段和旁白段的差别，要看分声音归属、分段落的值。
- 不复核就用镜头数：暗场硬切可能只有 5–7 分，快速运动的单个镜头每 0.2 秒就有一个 7–8 分的峰；重新测量后待复核窗口变了，要按新窗口重看。
- 按字幕定声音边界：按字幕出现帧定的旁白结束点实测晚 0.24–0.42 秒，而换手对齐只容差 ±0.25 秒，边界放错，这个比例只反映标注习惯。
- 把方法写成剧情摘要：带人名、复述发生了什么、写具体时间点的条目都无法迁移，要改写成“什么情况下怎么做”。
常见问题
参考片的段落结构可以直接套到我的稿上吗？
不建议整套套用。写稿在自由创作（CREATE）模式下，可以把参考的结构当作一个候选假设，与素材自己长出的假设比较后再选；按指令写或返修（DIRECTED / REVISION）时默认不套用。即使选中，借用的也只是段落功能和由谁的声音主导，具体内容来自你的素材。
能用 video-reference 比较我的成片和参考片、算出差距吗？
不能。它不打分，不调用任何模型，也不做新片与参考的差距判定；没有脚本读取导出物，它的存在也不改变任何阶段的通过与否。本文的对照表是作者按自己分镜表手算的纸面对照。
没有 ASR 或视频理解结果还能拆吗？
能测切点、镜长和响度，也能标注声音归属和段落。旁白语速会为空，人名泄漏扫描只剩你在事实里写的实体词，检查会给出警告；看画面改用全片每 2 秒取帧的接触表。
用 skill 来做
用 $video-reference 拆我本地提供的这条参考解说成片（以及它的视频理解输出目录，如有）。先 measure，再看待复核窗口和最长镜头的截帧并写 cut_fixes；按声音实际起止标注声音归属与叙事段落，原片事实与可迁移方法分开写，target 只引用测量路径；check 零 error 后再 export 到我下一次制作的 work_dir。不要给参考片或我的片子打分，不做新片与参考的差距判定；导出物里不能有原片人名、台词或时间码，breakdown 与截帧只留本地。