廣告拆解分析 是做什麼的？
1. 測量（免費、本地）
在每個影片上執行捆綁腳本。需要 ffmpeg；whisper.cpp（whisper-cli）為可選，用於生成文字稿。
bash scripts/teardown.sh path/to/ad.mp4 out_dir/
此腳本會輸出：
hook.jpg：從0到3秒每隔0.5秒的幀圖。sheet.jpg：全片共16幀的幀圖。metrics.json：時長、剪輯次數、每分鐘剪輯數、平均鏡頭長度、首次剪輯時間。transcript.txt：僅當安裝了 whisper-cli 時生成。將WHISPER_MODEL設定為模型的路徑。
2. 觀察與標註
檢視 hook.jpg 和 sheet.jpg。忽略黃色時間戳記，它們不屬於廣告內容。根據僅能看到的或讀到的內容，填寫以下記錄：
{
"format": "food_montage | owner_or_staff_talking | creator_or_influencer | customer_reactions | offer_graphic | kitchen_process | mixed",
"frame0": "第一個畫面中實際出現的內容",
"hook_type": "food_motion | food_still | face_talking | text_headline | offer | person_eating | process_cooking | other",
"hook_text": "前3秒內出現的螢幕文字，或 null",
"motion_in_first_second": true,
"hands_in_frame": "none | some | most",
"people": "none | staff_or_chef | owner | customers | creator",
"speech": "none | voiceover | on_camera_talking",
"onscreen_text": "none | dish_labels | headline | offer | captions | mixed",
"offer": "具體的優惠內容（文字），或 null",
"brand_shown_by_sec": 0.0,
"ending": "logo_card | offer_card | food_shot | person_talking | abrupt | other",
"cta_words": "明確的行動呼籲文字，或 null",
"visual_style": "phone_native_raw | polished_studio | mixed"
}
3. 與基準比較
開啟 benchmarks.md 並將廣告與其進行對比。針對每一項目標示「通過」或「未達標」，並附上數值差距。例如：「首次剪輯在4.1秒，而基準為1.9秒」，或「畫面中無手部出現，而79%的獲獎廣告都有手部入鏡」。
4. 生成報告
保持簡短且直接：
- 一句話結論。
- 它做了哪些獲獎廣告常見的事。 最多3點。
- 最大的3個差距，每個差距需對應時間戳記與具體修正方式。
- 值得借鑑的一個亮點，應作為模式而非具體素材。
當用戶提供多個廣告時，請加入總結表格以及至少3個廣告共同擁有的模式。