用途：将视频在横屏与竖屏间转换，输出为源宽高互换的宽高比（16:9→9:16、4:3→3:4 等），而非在竖屏画面中加黑边。裁剪窗口跟随活跃说话人（嘴部在动的人），而非最大或置信度最高的脸。原始输入不会被修改，并生成 .crop.json 侧车文件记录裁剪计划、分段说话人判定与所用参数。
主要能力：通过 MAR（嘴部宽高比）方差做视觉活跃说话人检测，结合音频能量与唇动交叉相关的音视频融合；按中心距离匹配进行稳定人脸跟踪；带迟滞的说话人分段切换，避免抖动；段内裁剪固定，段间硬切（默认 --motion cut），可选平滑移动（--motion smooth）；音频直接流拷贝不重编码。使用 MediaPipe Tasks FaceLandmarker（478 点网格）经 ffmpeg 以默认 5 fps 采样，单次 ffmpeg crop+scale 渲染。无人说话时自动回退为最大人脸。
安装与用法：pip install mediapipe opencv-python numpy；ffmpeg 与 ffprobe 需在 PATH 中。首次运行会下载约 4 MB 的 face_landmarker.task 模型到 ~/.claude/skills/wjs-reframing-video/models/ 并缓存，首次离线运行会失败。可用 --target portrait|landscape 覆盖方向，--output-size 1080x1920 指定输出尺寸，--bitrate 控制码率（默认 12M）。
适用场景：把 16:9 的播客、访谈、演讲转为竖屏短视频（视频号、抖音、小红书、YouTube Shorts、TikTok、Reels）；把 9:16 手机录像转为横屏播放器使用；4:3 档案素材转为 3:4 手机比例。
限制：不适用于需要每张脸各自裁切的多人口播问答（应改用 wjs-editing-multicam）；无脸的动画或空镜会回退为中心裁剪，常不符合意图；源含强烈手持运镜会放大抖动，需先稳定；模型针对约 2 米内的人脸调校，远景小人脸可能检测不到，此时会中心裁剪导致画面错位，建议改用确定性固定裁剪；嘴部动作（打哈欠、笑、吃东西）会被误判为说话；侧脸或低头超过约 60° 时关键点可能失效；重叠说话只能选一人；长时间静音段落会回退到最大人脸；带烧录字幕或下三分之一的源需先去除；广角鱼眼需先做畸变校正；608×1080 放大到 1080×1920 约 1.78 倍，锐利文字上可见伪影。输出码率超过平台上限时需调整，如视频号上限 10 Mbps，可传 --bitrate 8M。