用途：为已有音频转录的视频补充画面信息，生成带周期性视觉描述的“视觉转录”，便于后续检索、剪辑或内容整理。它明确要求不直接读取视频文件，必须先抽帧再分析。
前置条件：视频需已有音频转录；如没有，需先运行 transcribe-audio 技能。
主要流程：
- 复制并清理转录。复制转录文件为 visual_video.json，再用 prepare_visual_script.rb 去除词级时间数据并美化 JSON： cp libraries/[library]/transcripts/video.json libraries/[library]/transcripts/visual_video.json ruby .claude/skills/analyze-video/prepare_visual_script.rb libraries/[library]/transcripts/visual_video.json
- 抽帧（二分搜索）。先建目录：mkdir -p tmp/frames/[video_name]。≤30 秒视频在 2 秒处抽一帧；>30 秒抽开始（2 秒）、中间（时长/2）、结束（时长-2 秒）。示例： ffmpeg -ss 00:00:02 -i video.mov -vframes 1 -vf "scale=1280:-1" tmp/frames/[video_name]/start.jpg 当首、中、尾画面主体、场景或角度不同时继续细分；画面不再明显变化时停止；采样频率不得高于每 30 秒一次。
- 添加视觉描述。读取 visual_video.json 与抽出的 JPG 帧，增量编辑 JSON：对话段落添加 visual 字段；B-roll 段落插入新条目并标记 b_roll: true。描述最多 3 句；首段需详细（主体、场景、镜头类型、光线、摄影风格），后续镜头相似则简短，差异大时可写至 3 句。
- 清理并返回。删除临时帧目录：rm -rf tmp/frames/[video_name]，然后返回结构化结果，包含视频文件名、视觉转录路径与视频完整路径。
限制与注意：不要更新 library.yaml，由父智能体处理以避免并行执行时的竞态条件。资料未提供该技能的收费、平台支持范围或效果保证等信息。