Stille schneiden (Pipeline-Agent 1)
Erster Schritt der automatisierten Bearbeitung. Nimmt eine Rohaufnahme + ihr Wort-für-Wort-Transkript und entfernt nur Stille: tote Luft vor dem ersten Wort und nach dem letzten Wort sowie Zwischenwort-Pausen, die länger als ein Schwellwert sind (auf eine natürliche Atempause gestutzt, niemals eine harte Null-Lücke). Die gesprochenen Wörter bleiben unberührt – Fehlstarts, Neuansätze und Stottern sind Aufgabe des cut-mistakes-Agenten (Agent 2).
Dieser Agent arbeitet deterministisch und transkriptgesteuert, sodass seine Ausgabe (*.silence-transcript.json) sauber an die nächsten Agenten und den Beat-Sync-Validator übergeben werden kann.
Verwendung
- „Schneide die Stille“, „Trimme die Pausen“, „Entferne tote Luft“, „Straffe das Tempo“
- Als erster Schritt des Master-Bearbeitungsworkflows, direkt nach der Transkription.
Voraussetzungen
Ein Wort-für-Wort-Transkript im JSON-Format. Entweder das ElevenLabs Scribe-Format
({ words: [{ text, start, end, type }], audio_duration_secs }) oder ein generisches
{ words: [{ text, start, end }] }. Eines mit dem Arbeitsbereichs-Transkriptor erstellen:
node scripts/transcribe-elevenlabs.mjs path/to/raw.mp4 # -> path/to/raw.json
Verwendung
# 1) Nur Planung — den Schnitt berechnen, EDL + neu getimtes Transkript schreiben (kein Video angefasst)
node .agents/skills/cut-silences/scripts/cut-silences.mjs <transcript.json> \
--out-dir video-projects/<slug>/assets
# 2) Mit einem Video — auch den ffmpeg-Befehl schreiben (wird noch nicht gerendert)
node .agents/skills/cut-silences/scripts/cut-silences.mjs <transcript.json> \
--video video-projects/<slug>/assets/raw.mp4 --out-dir video-projects/<slug>/assets
# 3) Das geschnittene Video rendern (lokales ffmpeg, Neucodierung, A/V synchronisiert)
# --apply hinzufügen, um ffmpeg tatsächlich auszuführen
node .agents/skills/cut-silences/scripts/cut-silences.mjs <transcript.json> \
--video video-projects/<slug>/assets/raw.mp4 --apply \
--output video-projects/<slug>/assets/edited-silenced.mp4
Optionen
| Flag | Standard | Bedeutung |
|---|---|---|
--video <path> | — | Quellvideo; aktiviert den ffmpeg-Befehl / das Rendern |
--out-dir <dir> | neben dem Transkript | Verzeichnis, in das die Ausgaben geschrieben werden |
--output <path> | <video-stem>.silenced.mp4 | Pfad des geschnittenen Videos |
--gap <s> | 0.55 | Mindestpause, die als kürzbare Stille behandelt wird |
--head-pad <s> | 0.22 | Stille, die vor dem ersten Wort belassen wird |
--tail-pad <s> | 0.34 | Stille, die nach dem letzten Wort belassen wird |
--apply | aus | ffmpeg tatsächlich ausführen, um den Schnitt zu rendern |
Entscheidungsfindung (die Stille-Regeln)
- Pausen unterhalb von
--gap(0,55s) werden belassen – natürlicher Sprechrhythmus. - Bei einer gekürzten Pause wird eine natürliche Atempause beibehalten, skaliert nach Kontext:
0,24sbei langen Pausen (≥2s),0,20snach einem Satzende (. ! ?), sonst0,14s. Die beibehaltene Atempause ist etwas zum Ende der vorherigen Phrase hin geneigt. - Tote Luft am Anfang/Ende wird auf
--head-pad/--tail-padgekürzt. - Löschbereiche werden zusammengeführt; Beibehalte-Bereiche sind das Komplement. Der Schnitt wird mit einem ffmpeg
trim/atrim+concatFiltergraphen gerendert (geschrieben in ein*.silence-filter.txt-Skript und über-/filter_complexübergeben), sodass Video und Audio synchron bleiben.
Ausgaben (geschrieben in --out-dir)
| Datei | Zweck |
|---|---|
<stem>.silence-edl.json | Beibehalte-/Löschbereiche, Dauern, Parameter – die Edit Decision List |
<stem>.silence-transcript.json | Wörter auf die bearbeitete Zeitleiste neu getimt (für Agent 2 + Beats) |
<stem>.silence-decisions.md | Menschenlesbare Zusammenfassung + größte gekürzte Pausen |
<stem>.silence-filter.txt | Der ffmpeg Filtergraph (nur mit --video) |
<video-stem>.silenced.mp4 | Das geschnittene Video (nur mit --apply) |
Die auf stdout ausgegebene JSON-Zusammenfassung enthält removed, removedPct, Bereichszahlen und Ausgabepfade – nützlich für den Master-Workflow zur Protokollierung und Verkettung.
Abstimmungshinweise
- Talking-Head-YouTube-Standard (
--gap 0.55) entfernt typischerweise etwa 15-20 % einer Rohaufnahme als reine Stille. Niedrigeres--gapfür einen knackigeren, schnelleren Schnitt; erhöhen, um mehr natürlichen Atemraum zu erhalten. - Wenn ein Schnitt an Satzgrenzen zu aggressiv wirkt, erhöhe die Atempause an Satzenden oder erhöhe
--gap.
Übergabe an den nächsten Agenten
Übergebe <stem>.silence-transcript.json (und die silenced.mp4, falls gerendert) an den cut-mistakes-Agenten. Da die Zeitstempel bereits auf der bearbeiteten Zeitleiste liegen, funktionieren nachgelagerte Beat-Timing- und scripts/validate-beat-sync.mjs-Skripte ohne weitere Anpassung.