基于AWS实现视频场景切换缩略图生成的方案咨询（替代Azure VI）

没有和Azure Video Indexer完全对齐的单服务开箱即用选项，但用AWS原生服务组合可以实现完全一致的效果，全流程可通过SDK调用，无需控制台手动操作，也不需要跨云：

• 最简单服务方案：直接用AWS MediaConvert内置能力实现，不需要额外对接Rekognition
  很多人没注意到MediaConvert本身自带镜头切换检测能力，不需要单独调用其他服务，创建转码任务时开启镜头检测，搭配帧捕获配置，就能自动在每个场景切换点输出对应缩略图，是上线成本最低的方案。
  SDK调用核心配置要点：
  1. 输入源配置填待处理视频的S3路径
  2. 输出组选择File Group类型，输出容器选RAW，编码格式选FRAME_CAPTURE，配置单帧捕获参数，核心配置参考：

{
  "Outputs": [
    {
      "ContainerSettings": {"Container": "RAW"},
      "VideoDescription": {
        "CodecSettings": {
          "Codec": "FRAME_CAPTURE",
          "FrameCaptureSettings": {
            "FramerateNumerator": 1,
            "FramerateDenominator": 1,
            "MaxCaptures": 1,
            "Quality": 80
          }
        }
      },
      "OutputSettings": {
        "FileGroupSettings": {
          "Destination": "s3://你的输出桶路径/scene_thumbs/"
        }
      }
    }
  ],
  "VideoPreprocessors": {
    "ShotDetection": {"Enable": "ENABLED"}
  },
  "TimecodeConfig": {"Source": "ZEROBASED"}
}

任务执行完成后，所有场景切换点的缩略图会直接存入指定S3路径，任务返回结果中会附带每张图对应的时间戳、镜头序号元数据，直接解析使用即可，不需要额外做时间对齐。

• 高精度组合方案：Rekognition + MediaConvert 配合实现
  如果对场景切分精度要求更高（需要识别软切、淡入淡出等特殊转场），就先用Rekognition的GetSegmentDetection接口拉取精确场景切分点：调用时将SegmentTypes参数设为["SHOT"]，返回结果中每个片段的StartTimestampMillis就是场景切换的精确毫秒级时间戳。
  拿到时间戳后，批量传给MediaConvert创建截帧任务：将每个时间戳转为和原视频帧率匹配的SMPTE时间码（格式为HH:MM:SS:FF），填入输入配置的InputClippings字段，每个剪辑段的起止时间码都设为对应场景点的时间码，配合前面的单帧捕获配置，就能精准在每个场景切换点生成缩略图。
• 注意事项：
  • 不需要自己搭EC2部署FFmpeg做截帧，MediaConvert按处理时长计费，截帧场景成本远低于自托管服务，且原生打通S3，没有额外的数据传输成本
  • 两个方案都支持全SDK调用，不需要登录控制台手动配置，IAM给MediaConvert分配对应S3的读写权限、Rekognition的调用权限即可直接跑通
  • 如果需要和Azure Video Indexer一样返回全量视频元数据，可以在调用Rekognition时同时开启标签、名人、内容审核等检测项，把返回结果和缩略图元数据组装后就能输出完全对齐的结构化结果

内容的提问来源于stack exchange，提问作者Illia Hryshkevych