讀不到當0 + 起步門檻8秒 + 剪輯log + 轉場改1秒

- smooth_speeds 改為「讀不到(None/??)一律當 GPS=0」,不再前向補值。
  停車時 OCR 常讀不到或把 0 誤讀成小數字,當 0 後孤立誤讀會被中位數吃掉,
  根本解決假性『起步』把一整段紅燈切兩半的問題(實測 02 的 05:18~07:45 已合為一段)
- depart_seconds 5 -> 8(起步要持續超過 8 秒才算真起步)
- transition_duration 0.5 -> 1.0(淡出淡入改 1 秒)
- 新增剪輯紀錄 <檔名>_cut_log.txt: 列出每段被剪掉的時間範圍與原因、保留片段
- find_keep_intervals 的 removals 改帶原因(dict),process_one 同步更新
- 移除先前嘗試的 depart_min_speed(改用讀不到當0更乾淨)

本次調整由 Claude Opus 4.8 (1M context) 協助開發與處理。

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

README.md

@@ -87,14 +87,14 @@ python auto_remove_redlight.py 01.MOV 03.MOV 05.MOV
 | `speed_threshold` | `0` | 時速 ≤ 此值視為停止 |
 | `min_confidence` | `0.5` | OCR 信心低於此值視為雜訊 |
 | `smooth_window` | `5` | 中位數濾波視窗（取樣點數） |
-| `depart_seconds` | `5.0` | 起步門檻（秒）：兩段停車間「持續行駛」需超過此秒數才算真正起步而保留；否則（起步 N 秒內又停）視為仍在等待，連同短暫蠕動一起剪掉（處理車陣走走停停），也順便吸收 OCR 雜訊斷點 |
+| `depart_seconds` | `8.0` | 起步門檻（秒）：兩段停車間「持續行駛」需超過此秒數才算真正起步而保留；否則（起步 N 秒內又停）視為仍在等待，連同短暫蠕動一起剪掉（處理車陣走走停停） |
 | `cut_before_stop` | `2.0` | 進入紅燈端（速度到 0）移除起點再往前幾秒，連減速進站一起砍 |
 | `keep_after_stop` | `2.0` | 綠燈起步端（速度從 0 開始跑）移除終點提早幾秒，多留卡達起步畫面 |
 | `min_keep` | `0.8` | 保留片段短於此秒數即丟棄 |
 | `use_gpu` | `true` | 是否使用 GPU（無 CUDA 時自動退回 CPU） |
 | `reencode` | `false` | `false` = 無損快剪；`true` = 重新編碼，切點精準到幀但較慢 |
 | `transition` | `true` | 剪接點是否加轉場（淡出淡入 + 恆定功率交叉淡化）。**開啟會強制重新編碼**，有 NVIDIA 顯卡時自動用 NVENC 加速 |
-| `transition_duration` | `0.5` | 轉場長度（秒），畫面與聲音共用以維持同步 |
+| `transition_duration` | `1.0` | 轉場長度（秒），畫面與聲音共用以維持同步 |
 | `video_transition` | `fadeblack` | 畫面轉場類型：`fadeblack`=淡出到黑再淡入；`fade`=交叉溶接；其餘見 FFmpeg `xfade` 文件 |
 | `video_quality` | `30` | 重新編碼畫質（NVENC `-rc vbr -cq`／x264 `-crf`）。數字越大檔案越小、畫質越低。參考（4K 來源約 54Mbps）：`28`≈高畫質（檔大）／`30`≈接近原檔／`33`≈省空間／`36`≈更小 |
 | `volume_boost` | `true` | **音量增益**（Adobe PR「增益／音量」）：是否放大音量 |
@@ -126,9 +126,12 @@ python auto_remove_redlight.py 01.MOV 03.MOV 05.MOV
 <影片資料夾>\no_redlight\
    ├─ 01_no_redlight.MOV    ← 去紅燈後的成品
    ├─ 01_speeds.csv         ← 每秒辨識時速紀錄（檢查用）
+   ├─ 01_cut_log.txt        ← 剪輯紀錄：哪些片段被剪掉、各自原因
    └─ ...
 ```
 
+> `*_cut_log.txt` 會列出每段被剪掉的時間範圍與原因（例如「等紅燈/停車約 42 秒」「停車至影片結尾」），以及保留下來的行駛片段，方便核對。
+
 ---
 
 ## 運作原理
@@ -136,9 +139,10 @@ python auto_remove_redlight.py 01.MOV 03.MOV 05.MOV
 1. 用 OpenCV 每隔 N 秒抽一幀
 2. 裁切出畫面上時速表的固定像素區域（ROI）
 3. 用 EasyOCR 只辨識數字，讀出當下時速
-4. 對逐秒時速做平滑濾波（補空值 + 中位數），壓掉跳動雜訊
-5. 時速持續為 0 超過門檻 → 判定為等紅燈，標記移除
-6. 用 FFmpeg 無損切割保留片段並拼接，輸出去紅燈影片
+4. 對逐秒時速做平滑濾波（**讀不到一律當 0** + 中位數），壓掉停車時的跳動雜訊與誤讀
+5. 時速持續為 0 超過門檻 → 判定為等紅燈，標記移除（走走停停會合併、結尾停車砍到底）
+6. 用 FFmpeg 切割保留片段並拼接（可選淡出淡入轉場 + 音量處理），輸出去紅燈影片
+7. 另輸出 `*_cut_log.txt` 剪輯紀錄，記下哪些片段被剪、原因
 
 ---