插件

把视频（本地文件，或 B 站 / yt-dlp 链接）压成一张可寻址的宫格图：每格烧编号、对应精确时间、挂台词，底部还有同时间轴的音频包络；video_zoom 可对任意窗口高清重看——纯文本模型因此能「看」视频，而不是读别人写的摘要。

SAOS-3624/dsh-video-storyboard 的高性能分支，与上游二选一、不能同装。把视频压成可寻址的宫格分镜（编号、每格时间戳与台词、音频包络）；需要 Node 20+、PATH 上的 ffmpeg/ffprobe，文件无字幕轨时还需配置 ASR 端点。

五个工具，把视频当成原料而不是节目来读。video_outline 把整片映射成文字、一张图都不画：4-60 个等分窗口，每行给切点数量、语音占比、强度条和标签，再给出值得先看的窗口以及下一步的精确 start/end —— 零图像 token。video_probe 不解码画面就给元数据和阅读计划。video_storyboard 把一个时间窗口压成一张分镜图，再给一份文本索引，把每一格绑到时间码、切点数量与取帧时刻；在那一档尺寸下文字会糊掉的格子会被标记 zoom，dedupe global 可以把切走之后又回来的画面折叠掉。video_zoom 把短窗口里的 1-9 格按更大尺寸重画。video_read 只解关键帧，逐屏 OCR，返回大纲加 \[mm:ss] 文本 —— 讲座、幻灯片和录屏走这条，因为文字才是内容。它也能把只有声音没有画面的文件读成转录稿（字幕轨、DSH_ASR_CMD、你传的转录文件，长音频按 45 秒切在静音处），没有任何可读文字时会把六张变化过的画面拼成一张图，还可以把结果导出成 SRT、WebVTT 或纯文本。切点、叠化与单帧闪烁用一遍 ffmpeg 找出；十分钟以上的片只解关键帧分析，两小时课程快 2.7 倍；格子永远不会缩到源图的五分之一以下，所以 1440p 的图用同样的 token 换更少更大的格子。OCR 可以用 Windows 自带的引擎、带行框的 tesseract，或 DSH_OCR_CMD。凡是要文件的地方都能直接给 B 站链接（bilibili.com/video/BV…、裸 BV 号、av 号、b23.tv 短链）：300 秒以内直接在 CDN 上读、不落盘，更长的下一遍缓存，缓存有 4 GB / 24 片的预算，play 链接缓存十分钟，不是单个视频的链接会各自说明是什么。需要 ffmpeg，有 ffprobe 时用 ffprobe，除此之外没有运行时依赖。它是 SAOS-3624/dsh-video-storyboard 的接口兼容重实现：注册同样的 video_probe / video_storyboard / video_zoom 工具名，所以两者不能同时启用。