用途：当需要从视频中提取屏幕文字时使用此技能，例如讲座录像、教程录屏或演示视频，其画面文字会随时间变化。
主要能力：使用 ffmpeg 按指定 FPS 抽帧；可选启用感知去重，用平均感知哈希（aHash）比较相邻帧，丢弃视觉差异比例低于阈值的近似重复帧（如静态幻灯片）；随后对保留帧并行运行 Apple Vision OCR；结果按帧号排序写入 JSONL，每条含 frame、time_sec、text 字段；也可生成带帧标题和 OCR 文本块的 Markdown。
使用方式： python3 ${CLAUDE_PLUGIN_ROOT}/scripts/video_ocr.py <video_file> [-o output.jsonl] [--fps 3.0] [--workers 8] [--dedupe] [--dedupe-threshold 0.15] [--hash-size 8] [--frames-out <dir>] [--markdown <output.md>] [--markdown-images] 关键参数：video 为必填输入视频路径；-o/--output 默认 ocr_output.jsonl；--fps 默认 3.0；--workers 默认 8；--dedupe 默认关闭；--dedupe-threshold 默认 0.15（判定相似的视觉差异上限）；--hash-size 默认 8；--frames-out 保存保留帧为 JPG；--markdown 可选 Markdown 输出；--markdown-images 需配合 --frames-out 嵌入帧图像。
依赖：ffmpeg（brew install ffmpeg）用于抽帧；macOS 与 PyObjC（pip install pyobjc-core pyobjc-framework-Vision pyobjc-framework-Cocoa）用于 Vision OCR；Pillow（pip install pillow）为 --dedupe 所需。
限制：OCR 依赖 Apple Vision，需在 macOS 上运行；去重基于 aHash，仅处理相邻帧的近似重复；资料未提供其他平台支持、性能数据或收费信息。