Hook Analyzer

视频前三秒钩子分析 (Hook Analyzer)

概述

视频前三秒钩子分析技能从分镜拆解结果中提取前三秒的分镜数据，并构造结构化的分析上下文，包含视觉内容描述、关键帧图片 URL、运镜方式等信息，为后续的 LLM 多维度评分分析提供输入。

适用场景

1. 短视频优化：评估视频开头的吸引力，提升 3 秒留存率
2. 创意评审：从5个维度量化分析钩子质量
3. 竞品对标：对比不同视频开头的钩子策略

分析维度

本技能提取的数据供以下 5 个维度评分（由 LLM 完成评分）：

使用步骤

方式一：从文件读取分镜数据

# 1. 先使用 video-breakdown skill 处理视频并获取分镜结果
python ../video-breakdown-skill/scripts/process_video.py "https://example.com/video.mp4" > breakdown.json

# 2. 提取前三秒分镜数据
python scripts/analyze_hook_segments.py breakdown.json

方式二：通过 stdin 管道传入

cat breakdown.json | python scripts/analyze_hook_segments.py -

输出格式

{
  "segment_count": 3,
  "total_duration": 2.8,
  "total_video_segments": 15,
  "analysis_mode": "multimodal",
  "segments": [
    {
      "index": 0,
      "start_time": 0.0,
      "end_time": 1.0,
      "duration": 1.0,
      "visual_content": "画面描述",
      "speech_text": "语音文字",
      "shot_type": "特写",
      "camera_movement": "推镜头",
      "function_tag": "开场",
      "frame_images": [
        {"type": "image_url", "image_url": {"url": "https://..."}}
      ],
      "frame_count": 3
    }
  ]
}

钩子类型分类

分析结果可用于识别以下钩子类型：

• 痛点型：直击用户痛点，引发共鸣
• 好奇型：设置悬念，引发好奇
• 冲突型：制造对比或冲突吸引注意
• 价值型：直接展示价值承诺
• 情感型：以情感共鸣打动用户
• 视觉冲击型：通过强烈视觉效果吸引
• 悬念型：留下悬念引导继续观看

评分标准

注意事项

1. 此脚本只做数据提取，不做 LLM 评分（评分由 Agent 的 LLM 完成）
2. 提取的 frame_images 字段中包含关键帧 URL，可供 Vision 模型直接分析
3. 每个分镜最多取前 3 帧关键帧，避免 token 超限
4. 输入必须是 process_video 返回的完整 JSON 数据

故障排除

Converted and distributed by TomeVault — claim your Tome and manage your conversions.