逐镜头拆解爆款短视频并换成自己的产品

原文要点

该n8n模板流程：Apify下载参考短视频，场景检测actor找出每个硬切并为每个镜头存一张关键帧，任务后台轮询避免长片超时；所有关键帧一次交给Gemini Flash分析构图、角度、运镜和光线，逐镜头写出把原产品换成目标产品的图像提示词和运动提示词；fal.ai逐镜头生成静帧并按各自运动提示词做动画，每段剪回原镜头时长后按原顺序拼接。成本随镜头数而非片长增长。作者给出的参考：Apify免费档每月续5美元额度，短条约0.03美元一次；Gemini免费层可覆盖镜头分析；fal.ai图像与视频生成任何档位均收费。需建三个独立Header Auth凭据。

这次做成什么

复刻“逐镜头拆解→换成自己产品→按原节奏重拼”这条流水线。因本条不含可下载工作流文件，本站设计的独立练习是：先在本地拆镜头并手动复刻核心环节（关键帧→逐镜头中文提示词→静帧→动画→按时长重拼），跑通后再到原模板接入自动化；未核实的界面参数需回原模板核对。

准备什么

• 一段有权使用的参考短视频文件或可下载链接
• Google AI Studio账号及Gemini API密钥
• 本地安装ffmpeg用于镜头切分与拼接
• 如跑完整自动化还需Apify与fal.ai付费额度
• n8n模板需自行从n8n.io/workflows/19399获取并核对

具体怎么做

1. 本地切镜头并导出关键帧

   用ffmpeg场景检测把参考片按硬切拆开，每个镜头导出一帧，命名shot_01.jpg、shot_02.jpg……同时记录每镜头起止秒数与时长，存成scenes.json（本站合成样例见材料）。阈值先取0.3，切得太多就调高，漏切就调低。

2. 一次调用让模型逐镜头写提示词

   在AI Studio或API里把全部关键帧一次性发给Gemini Flash，配合下方“逐镜头拆解提示词”，要求输出JSON数组：每镜头含framing、angle、movement、lighting、image_prompt、motion_prompt六个字段，并把“目标产品”替换进两个prompt。确认数组长度等于镜头数。

3. 逐镜头生成静帧并动画化

   把每条image_prompt送到图像模型生成对应静帧，再以该静帧为输入、用该镜头的motion_prompt做图生视频；完整模板里这一步由fal.ai逐镜头完成，练习中可换用你已有的图像/视频服务。

4. 剪回原时长并按原顺序拼接

   把每段生成视频用ffmpeg剪成scenes.json里对应镜头的原始时长，按镜头序号顺序concat成成片；音频练习中可先静音或后配。

5. 接入完整模板时配置三个凭据

   在n8n中分别创建三个Header Auth凭据：Apify用Authorization: Bearer令牌，Gemini用X-goog-api-key，fal.ai用Authorization: Key密钥；各凭据只挂各自服务的节点，然后在Set Source Reel And Target Product节点填参考片URL与目标产品即可运行。

可直接复制的材料

你是短视频分镜分析师。我会一次性给你一段参考短视频的全部镜头关键帧（按顺序），以及一个目标产品：【在此填写你的产品名与一句话卖点】。
请对每张关键帧输出一个JSON数组元素，字段如下：
- shot_index：镜头序号，从1开始，必须与图片顺序一致；
- framing：构图（如特写/中景/俯拍，主体在画面中的位置）；
- angle：拍摄角度与机位高度；
- movement：运镜方式（推、拉、摇、跟、固定等）；
- lighting：光线氛围（色温、方向、明暗对比）；
- image_prompt：一段图像生成提示词，复刻该镜头的构图、角度与光线，但把画面中出现的商品替换为我的目标产品，写明产品的材质与摆放；
- motion_prompt：一段视频运动提示词，描述该镜头内的运镜与主体动作，产品替换同上。
只输出JSON数组本身，不要解释。每个prompt用中文写，不超过80字。

[{"shot":1,"start":0.0,"end":3.2,"duration":3.2,"keyframe":"shot_01.jpg"},{"shot":2,"start":3.2,"end":7.8,"duration":4.6,"keyframe":"shot_02.jpg"},{"shot":3,"start":7.8,"end":12.0,"duration":4.2,"keyframe":"shot_03.jpg"}]

# 按场景阈值0.3导出每镜头关键帧
ffmpeg -i ref.mp4 -vf "select='gt(scene,0.3)',showinfo" -vsync vfr frames/shot_%02d.jpg
# 剪回原镜头时长（示例：第2镜头4.6秒）
ffmpeg -i gen_shot_02.mp4 -t 4.6 -c copy clip_02.mp4
# 按原顺序拼接
ffmpeg -f concat -safe 0 -i clips.txt -c copy final.mp4

输入与输出示例

本站虚构演示输出，非作者运行结果；实际镜头数与描述以你的检测和模型输出为准。

输入

参考片为12秒气泡水广告，阈值0.3检出3个镜头（时长3.2/4.6/4.2秒），目标产品填“云栖冷萃咖啡250毫升罐装，卖点是零糖”。

对应输出

[{"shot_index":1,"framing":"特写，罐体居中偏右，背景虚化","angle":"平视微仰","movement":"缓慢推近","lighting":"暖色侧光，高光在罐体左缘","image_prompt":"特写镜头，一罐云栖冷萃咖啡居中偏右立于木桌，铝罐哑光质感，暖色侧光勾出左缘高光，背景浅景深虚化","motion_prompt":"镜头缓慢向咖啡罐推近，罐身轻微反光流动，背景保持虚化"},{"shot_index":2,"framing":"中景，手部入画拿起产品","angle":"俯拍约45度","movement":"固定机位","lighting":"明亮顶光","image_prompt":"俯拍45度中景，一只手拿起云栖冷萃咖啡罐，桌面有冰块与咖啡豆点缀，明亮顶光","motion_prompt":"固定机位，手将咖啡罐举向镜头，罐身标签转正"},{"shot_index":3,"framing":"全景，产品置于前景，人物在后景举杯","angle":"平视","movement":"轻微横摇","lighting":"黄昏逆光","image_prompt":"平视全景，前景一罐云栖冷萃咖啡清晰，后景人物举杯剪影，黄昏逆光暖调","motion_prompt":"镜头轻微从左向右横摇，前景咖啡罐保持清晰，后景人物举杯动作"}]

做完检查这些

• 导出的关键帧数量与scenes.json中镜头数完全一致
• 模型返回JSON数组长度等于镜头数，且每条同时含image_prompt与motion_prompt
• 每条prompt中均出现目标产品名而非原片商品
• 重拼后成片总时长等于各镜头原始时长之和
• 完整模板中三个Header Auth凭据各自只挂在对应服务的节点上

容易卡住的地方

• n8n会把同一个Header Auth凭据跨主机复用，导致密钥被发错服务，必须建三个独立凭据
• 模板钉死Gemini模型版本而非gemini-flash-latest别名，因为别名追踪最新Flash且免费层配额最紧
• fal.ai的图像与视频生成在任何档位都收费，练习时可用自有服务替代
• 镜头阈值过低会检出大量软切，成本随镜头数线性上升
• Claude加Higgsfield的替换方案作者明确标为未实测的可选项
• 长片依赖后台轮询场景检测任务，同步等待会中途超时