snip – Videos schneiden und neu anordnen
Schneidet Videos in Segmente, ordnet sie neu an und exportiert sie mit einer bestimmten Bildrate (FPS). Nützlich für die Erstellung von Highlight-Reels, das Umordnen von Szenen oder die Änderung des Videotempos.
Das Skill-Verzeichnis (in dem sich diese SKILL.md befindet) wird im Folgenden als $SKILL_DIR bezeichnet.
Verwendung
Verwende diesen Skill, wenn der Benutzer folgendes möchte:
- Ein Video in bestimmte Segmente schneiden
- Videosegmente in einer anderen Reihenfolge anordnen
- Unerwünschte Abschnitte aus einem Video entfernen
- Die Ausgabe-Bildrate (Schnitte pro Sekunde) ändern
- Sprachsegmente automatisch erkennen für natürliche Schnitte (priorisiert)
- Szenenwechsel automatisch erkennen als Fallback
Einrichtung (nur beim ersten Mal)
cd "$SKILL_DIR" && uv sync
Agenten-Workflow
1. Frage den Benutzer
Bevor ich das/die Video(s) schneide, benötige ich folgende Informationen:
📹 Quellvideo(s)
Liste die Videodateien und deren Pfade auf
✂️ Zu schneidende Segmente
Gib für jedes Segment an:
- source: Dateiname
- start: Startzeit in Sekunden (z. B. 0.0, 5.5)
- end: Endzeit in Sekunden (z. B. 2.0, 10.0)
Beispielsegmente:
[
{"source": "video.mp4", "start": 0.0, "end": 1.0},
{"source": "video.mp4", "start": 3.0, "end": 4.5},
{"source": "video.mp4", "start": 1.5, "end": 2.5}
]
🎬 Ausgabe-FPS (optional)
Standard: 30 fps
Übliche Optionen: 24, 30, 60
📁 Eingabe-/Ausgabeverzeichnis (Standard: ./input und ./output)
Warte auf die Antwort des Benutzers, bevor du fortfährst.
2. Bestimme die Schnittstrategie
Prioritätsreihenfolge:
- Explizite Segmente – Wenn der Benutzer bestimmte Start-/Endzeiten angibt, verwende diese
- Audio-Transkription – Wenn
transcription.enabled: true(Standard), suche eine vorhandene Transkription oder generiere eine und schneide an den Grenzen von Sprachsegmenten - Adaptive Szenenerkennung – Fallback, wenn keine Transkription verfügbar ist oder diese fehlschlägt
Audio-Transkription (Primäre Methode)
Der Skill versucht zuerst, Audio-Transkription zu verwenden, um zeitgestempelte Sprachsegmente aus dem Video zu erhalten. Dies erzeugt natürlichere Schnitte, die auf dem gesprochenen Inhalt basieren.
🤖 Modus: Audio-Transkription (PRIORITÄT)
Der Cutter wird:
1. Nach einer vorhandenen Transkriptions-JSON im Ausgabeverzeichnis suchen (z. B. video_transcription.json)
2. Falls nicht gefunden, die Audio-Transkription automatisch ausführen
3. Das Video an den Grenzen der Sprachsegmente schneiden
⚙️ Konfiguration:
- transcription.enabled: true (Standard)
- fallback_to_adaptive: true (Standard) – Szenenerkennung verwenden, wenn Transkription fehlschlägt
- min_segment_duration: Mindestdauer pro Segment (Standard: 1.0)
- max_segment_duration: Maximale Dauer pro Segment (Standard: 30.0)
Beispielkonfiguration:
{
"segments": [{"source": "video.mp4", "start": 0, "end": 60}],
"transcription": {
"enabled": true,
"fallback_to_adaptive": true,
"min_segment_duration": 1.0,
"max_segment_duration": 30.0
}
}
Adaptive Szenenerkennung (Fallback)
Wenn die Transkription deaktiviert ist oder fehlschlägt, verwendet der Skill die visuelle Szenenerkennung:
🎬 Adaptive Szenenerkennung (FALLBACK)
Erkennt automatisch Szenenwechsel in deinem Video, um Schnitte zu setzen.
Dies vermeidet langweilige, repetitive Inhalte, indem es an natürlichen Übergängen schneidet.
⚙️ Erkennungsmodus:
- adaptive – Am besten für wechselnde Beleuchtung / allmähliche Änderungen [Standard]
- content – Am besten für schnelle, klare Szenenschnitte
- threshold – Am besten für die Erkennung von Ein-/Ausblendungen
📏 Filter für Szenendauer:
- min_scene_duration: Mindestdauer pro Szene in Sekunden (Standard: 1.0)
- max_scene_duration: Maximale Dauer pro Szene in Sekunden (Standard: 10.0)
🎛️ Erweitert (optional):
- threshold: Pixel-Differenz-Schwellenwert für den content-Modus (Standard: 27.0)
- adaptive_threshold: Verhältnis-Schwellenwert für den adaptiven Modus (Standard: 3.0)
- window_width: Anzahl der Frames für die Mittelwertbildung (Standard: 2)
- min_scene_len: Minimale Anzahl von Frames vor einem Schnitt (Standard: 15)
- min_content_val: Minimale Inhaltsänderung (Standard: 15.0)
Beispielkonfiguration mit Auto-Erkennung als Fallback:
{
"segments": [{"source": "video.mp4", "start": 0, "end": 60}],
"transcription": {
"enabled": false
},
"auto_detect": {
"enabled": true,
"mode": "adaptive",
"min_scene_duration": 1.0,
"max_scene_duration": 10.0
}
}
3. Bearbeite config.json
Erstelle oder aktualisiere $SKILL_DIR/config.json basierend auf den Benutzerangaben.
4. Ausführung
cd "$SKILL_DIR" && uv run python scripts/cutter.py --config config.json
5. Ergebnisse melden
Teile dem Benutzer den Ausgabedateipfad, die Dauer und die Bildrate (FPS) mit. Gib an, welche Methode verwendet wurde (transkriptionsbasiert oder Szenenerkennung).
Konfigurationsreferenz
| Schlüssel | Werte | Standard | Beschreibung |
|---|---|---|---|
input_dir | Pfad | ./input | Ordner mit den Eingabevideos |
output_dir | Pfad | ./output | Zielordner |
segments | Array | (erforderlich) | Liste der Segmentdefinitionen |
output_fps | Ganzzahl | 30 | Ausgabe-Bildrate |
Segmentdefinition
| Schlüssel | Typ | Beschreibung |
|---|---|---|
source | Zeichenkette | Dateiname im input_dir |
start | Gleitkommazahl | Startzeit in Sekunden |
end | Gleitkommazahl | Endzeit in Sekunden |
Transkription (Prioritäts-Methode)
| Schlüssel | Werte | Standard | Beschreibung |
|---|---|---|---|
enabled | boolean | true | Transkriptionsbasiertes Schneiden aktivieren |
fallback_to_adaptive | boolean | true | Szenenerkennung verwenden, wenn Transkription fehlschlägt |
min_segment_duration | Gleitkommazahl | 1.0 | Überspringe Segmente kürzer als dies (Sekunden) |
max_segment_duration | Gleitkommazahl | 30.0 | Überspringe Segmente länger als dies (Sekunden) |
Auto-Erkennung (Fallback)
| Schlüssel | Werte | Standard | Beschreibung |
|---|---|---|---|
enabled | boolean | false | Automatische Szenenerkennung aktivieren (nur Fallback) |
mode | adaptive, content, threshold | adaptive | Erkennungsalgorithmus |
min_scene_duration | Gleitkommazahl | 1.0 | Überspringe Szenen kürzer als dies (Sekunden) |
max_scene_duration | Gleitkommazahl | 10.0 | Überspringe Szenen länger als dies (Sekunden) |
threshold | Gleitkommazahl | 27.0 | Pixel-Differenz-Schwellenwert für content/threshold-Modus |
adaptive_threshold | Gleitkommazahl | 3.0 | Verhältnis-Schwellenwert für den adaptiven Modus |
window_width | Ganzzahl | 2 | Frames für Mittelwertbildung davor/danach |
min_scene_len | Ganzzahl | 15 | Minimale Frames vor einem Schnitt |
min_content_val | Gleitkommazahl | 15.0 | Minimale Inhaltsänderung |
Erkennungsmodi (Fallback)
- adaptive (Standard): Am besten für Videos mit wechselnder Beleuchtung oder allmählichen Übergängen
- content: Am besten für Videos mit scharfen, klaren Szenenschnitten
- threshold: Am besten für die Erkennung von Ein-/Ausblendungen
Häufige Befehle
# Standardkonfiguration (verwendet Transkription falls verfügbar, fällt auf adaptive zurück)
cd "$SKILL_DIR" && uv run python scripts/cutter.py --config config.json
# Adaptive Szenenerkennung erzwingen (Transkription überspringen)
cd "$SKILL_DIR" && uv run python scripts/cutter.py --config config.json --no-transcription
# Benutzerdefinierte Verzeichnisse
cd "$SKILL_DIR" && uv run python scripts/cutter.py \
--input /pfad/zu/videos --output /pfad/zu/ausgabe
Ausgabe
Jede Konfiguration erzeugt eine output.mp4 im output_dir, die die zusammengefügten Segmente enthält.
Der Ton bleibt aus den ursprünglichen Videosegmenten erhalten.
Fehlerbehandlung
- Keine Segmente definiert → Fehlermeldung, Programm beendet
- Ungültige Segment-Zeiten → klare Fehlermeldung mit erwartetem Format
- Quellvideo nicht gefunden → Fehler mit "Datei nicht gefunden"
- Transkription fehlschlägt → fällt auf adaptive zurück (falls aktiviert), sonst Fehler
- Fehler in einzelnen Segmenten → werden protokolliert; andere Segmente werden fortgesetzt