【功能建议】视频理解抽帧支持场景检测智能采样（当前固定间隔 + 相邻 MD5 去重对真人出镜课程失效） #464

现状

backend/app/utils/video_reader.py 的 extract_frames() 以固定间隔生成采样时间戳：

timestamps = [i for i in range(0, int(duration), self.frame_interval)][:max_frames]

唯一的"智能"成分是 dedupe_enabled 时的相邻帧 MD5 精确比对去重。

问题

1. 固定间隔与内容无关：短于采样间隔的画面切换必然被漏掉；静止画面则重复采样（有相邻去重兜底）。
2. MD5 去重只对"整帧逐字节相同"生效：最常见的课程视频形态是"PPT + 讲师头像画中画"，人物任何微小动作都会改变整帧 MD5，去重完全失效。
3. 实际代价：一小时课程按 5s 采样产生 720 帧 → 拼图后全部送入多模态模型。图片 token 是视觉理解的主要成本，其中大量是无效重复帧。

建议

用 ffmpeg 自带的场景切换检测优先按镜头切点采样：

ffmpeg -i input -vf "select='gt(scene,0.3)',metadata=print:file=-" -an -sn -dn -f null -

• 检测到切点 → 按切点时间戳抽帧（始终包含首帧；带最小间隔防抖动连切；保留 max_frames 上限）
• 检测失败 / 未检出切换（纯静止视频）→ 回退现有固定间隔逻辑，行为完全兼容
• 实现集中在 video_reader.py，几十行；不触碰拼图、导出等下游逻辑

收益

• 成本：拼图数量显著下降，多模态 API 图片 token 开销降低（帧数通常可少一个数量级）
• 质量：切点采样不会漏掉短镜头/翻页，固定间隔会
• 兼容：静态全屏 PPT 视频在无切点时自动回退原行为

我可以提交实现 + 单元测试的 PR。