训练记录入口
把相册或现场录制的视频归档到个人任务中，形成持续可追踪的训练记录。
产品定位
让普通球友也能拥有一次接近教练复盘的赛后分析。
AI羽剪服务的是“打完球之后不知道该从哪里看起”的场景。它把冗长录像先整理成清晰的比赛脉络，再把关键分、球路变化和个人习惯呈现出来，帮助训练者把注意力放在下一次改进上。
核心体验
围绕一次训练后的复盘动作设计，而不是只做视频剪辑。
比赛脉络整理
将长视频拆成一分一分的时间轴，减少用户拖动进度条查找内容的成本。
关键分回看
围绕比分拉开、连续得分和失误集中阶段，帮助球友优先查看真正影响局势的片段。
打法趋势沉淀
把多次训练中的出手选择、得分方式和失误来源沉淀为可比较的个人画像。
重点片段管理
收藏值得复看的回合，合并成训练集锦，方便赛后讨论、教练点评或自我复盘。
球友互动传播
把精彩回合发布到推荐区，通过浏览、点赞、转发和积分机制连接更多同城球友。
AI 能力
算法层负责把画面里的动作，转成可计算的比赛事件。
这一层不面向用户堆功能，而是把视频中的人、球、时间点和结果归因统一成结构化数据，为复盘报告提供基础。
- 识别对象：球员、骨骼点、羽毛球位置和场地关系。
- 建立时间轴：发球、击球、死球和每一拍的起止。
- 形成结论：得失分原因、打法风格、训练建议和片段标签。
训练对局分析
第 2 局
左侧球员
18
:
右侧球员
16
把长录像拆成可定位、可筛选、可复看的比赛片段。
将关键拍、球员位置和回合结果关联起来。
杀球得分
12
网前压制
9
主动失误
5
发球连得 3 分
18 拍相持
第 27 分失误偏多
算法模块
底层能力按“人、球、回合、击球、结果、报告”六层组织。
识别球员、骨骼点与整场 ID，支持跑动热力图、移动距离、站位覆盖、步伐比例、回中速度、体能状态和双打轮转分析。
识别发球开始和死球结束时刻，区分发球区域，支持推导比分、统计回合耗时、去除死球时间和生成集锦素材。
检测每帧球的位置，并预测遮挡或出画后的轨迹，输出每一拍的起止、起落点、杀球速度估计和落点热力图。
识别短发球、长发球、高远球、网前球、杀球和平推球，输出球路组成、进攻防守比例和打法风格。
结合球员 ID 与关键拍数据，分析发球得失分、杀球得失分、网前球得失分和其他非受迫失误，定位每分结束的主要原因。
生成球员技术画像、双方技战术对比、回合级复盘、比赛整体报告、训练建议、精彩片段标签和可视化报表。
AI羽剪
创建训练任务，等待系统生成复盘报告
上传视频
我的任务（进行中）
更多
周末训练局分析中
比分18 : 16
最长回合22 拍
技术统计
详情
12
9
5
把复杂分析收束在小程序的任务流里。
官网展示能力边界，小程序承载实际使用：创建任务、等待结果、查看报告、收藏片段、分享给球友。用户不需要理解算法细节，也能按训练场景完成一次复盘。
- 首页：快速进入任务、社区和个人记录。
- 任务：清楚展示等待、处理中、完成和失败状态。
- 详情：把报告、片段、收藏和分享放在同一条路径里。
使用流程
使用路径保持简单，分析复杂度交给后台处理。
-
01
拍摄或选择
用固定机位记录完整对局，尽量覆盖双方球员和主要场地区域。
-
02
创建任务
为视频补充必要信息后提交，系统进入后台处理队列。
-
03
阅读报告
从时间轴、关键分、球路变化和得失分原因中找到主要问题。
-
04
沉淀改进
收藏典型回合，带着具体片段和建议进入下一次训练。
团队介绍
围绕真实球馆环境打磨识别稳定性和产品可用性。
团队关注的不只是模型指标，还包括拍摄角度、灯光、地胶颜色、遮挡、用户等待时间和复盘理解成本。产品会在真实场景反馈中持续收敛。
算法服务
持续优化识别、追踪、归因和报告生成链路。
产品研发
把后台能力包装成球友容易理解和反复使用的任务流。
场景运营
通过球友、教练和场馆反馈判断哪些分析结果真正有用。
球馆适配
针对不同光线、地面、机位和遮挡情况调整处理策略。
社区共创
欢迎球友、教练和场馆一起打磨产品。
如果你希望把 AI羽剪用于日常训练、赛事活动、训练营或场馆运营，可以先体验小程序，再通过客服微信沟通合作方式。
小程序入口
微信扫码体验 AI羽剪
扫码后可创建训练任务、查看样例报告，并体验片段收藏与分享流程。
合作沟通
扫码添加客服微信
合作咨询、场馆接入、训练营共创和功能建议，均可通过客服微信直接沟通。
