拉片笔记

“拉片笔记（Lapian Notes）”是一款面向电影创作者的本地化分析工具，核心功能是将影片自动转化为可编辑的结构化笔记。全流程在用户设备完成，影片与笔记数据不上传任何服务器。工具支持1秒间隔抽帧生成时间轴、自动匹配字幕、打包AI分析素材，并可将AI返回结果导回生成剧情泳道图、结构树及观众情绪曲线。

其设计重点在于解决纯文本AI无法处理视听语言的问题，通过画面截图与字幕的组合输入，使AI能识别无对白段落、镜头手法等视觉叙事要素。Windows与macOS均提供一键启动脚本，无需编程基础即可使用。

核心工作流：四步完成从影片到结构化笔记

工具界面顶部内置常驻向导，将复杂流程简化为四个明确步骤：

1. 导入影片：选择本地视频文件后，系统自动执行格式转码（需ffmpeg）、1秒间隔抽帧、内嵌字幕提取或网络字幕搜索（中文走伪射手，外文走OpenSubtitles），最终生成包含截图与字幕的AI分析包
2. 发送分析包：将ZIP包上传至任意AI服务（ChatGPT/Claude/Gemini等），指令已自动复制到剪贴板；若AI不支持ZIP，可切换“国内AI免压缩包版”导出散文件；或使用“AI直连分析”填入自有API Key实现全自动流转
3. 导回AI结果：导入AI生成的JSON文件后，系统自动生成多泳道时间轴、段落结构树、情绪强度曲线，多线复用段落自动创建引用卡
4. 精修与导出：点击任意段落进入编辑面板（含功能标注、节拍还原、创作意图等），支持单段深拆、播放器联动跳转、Markdown/剧本正文/长图导出

关键限制提示：免费AI额度不足时会隐性抽样分析，导致段落划分粗糙。需在prompt中明确要求“完整解压逐段分析”，或切换付费模型以确保6000–8000张截图被全量处理。

AI接入策略：为何排除纯文本模型预设

工具对AI服务的接入采取差异化设计，核心考量是拉片任务对视觉信息的强依赖：

• 预设多模态模型：Gemini、Kimi、OpenAI、Claude等支持图像理解的模型可直接使用，确保视听手法、情绪曲线等依赖画面的分析质量
• DeepSeek未预设原因：作为纯文本模型，无法解析截图内容。强行用于拉片会导致视觉型影片分析失效，仅在对白密集场景勉强可用。用户仍可通过“自定义”接口接入，但需手动取消“附带画面拼图”选项，工具将降级为纯字幕分析模式
• API Key安全机制：密钥仅存储于本地浏览器，token消耗计入用户自有账户；在线试用版不支持直连，仅本地完整版开放此功能

这一设计避免了用户误用不适配模型导致体验落差，同时保留灵活性供特定场景调用。

本地运行架构与数据安全边界

所有数据处理严格限定在用户设备内，但需注意浏览器环境带来的操作约束：

• 存储位置：笔记文本存于localStorage，帧截图缓存于IndexedDB，均不离开本机
• 项目备份：“保存项目”导出自包含ZIP（笔记+截图+Markdown），用于跨浏览器迁移或长期归档
• 刷新限制：受浏览器安全策略限制，页面刷新后需重新选择影片文件才能触发抽帧，已有笔记与截图不受影响
• 开发者注意：自动转码与字幕搜索依赖dev server本地接口，静态部署（npm run build）时这两项功能降级为手动操作，其余分析功能正常

启动脚本会自动下载便携版Node.js（首次约几分钟），后续秒开。运行时需保持黑色服务窗口开启，关闭即退出程序。Mac用户首次启动若遇安全拦截，按住Control点击文件→打开→确认即可，仅需一次。

适用场景与能力边界澄清

该工具专为系统学习电影叙事的创作者设计，以下场景价值显著：

• 拆解经典影片的三幕式结构、支线交织逻辑
• 分析导演如何通过镜头长度、构图变化操控观众情绪节奏
• 对比不同版本剪辑对叙事重心的影响
• 建立个人视听语言素材库（段落引用卡可跨项目复用）

但需明确其非万能工具：

• 非影评生成器：输出是结构化分析框架，非成品文章，仍需人工解读与写作
• 非实时协作平台：数据纯本地，团队共享需手动导出ZIP传递
• 非版权豁免工具：免责声明强调仅限合法访问影片用于学习研究，网络字幕版权归原作者，禁止商业用途
• AI质量上限受制于输入：即使使用顶级模型，若抽帧间隔过大或字幕缺失，分析精度仍会下降

建议初次使用者选取90分钟以内、对白与视觉平衡的影片测试，避免直接用3小时史诗片耗尽免费额度却得残缺结果。工具的价值在于提供可重复、可验证的分析脚手架，而非替代人的审美判断。