TaherZiad/montage-crew

Agent 2 der Videobearbeitungspipeline. Findet und entfernt Sprachfehler wie Stottern, Wortwiederholungen, Fehlstarts und Neuaufnahmen aus Talking-Head-Aufnahmen.

Was ist montage-crew?

Dieser Skill ist der zweite Schritt einer automatisierten Videobearbeitungspipeline und folgt auf die Stille-Entfernung. Seine Aufgabe ist es, typische Sprachfehler zu erkennen und zu entfernen, die ein menschlicher Editor in einem zweiten Durchgang korrigieren würde: Stottern („der der“, „ich- ich-“), unmittelbar wiederholte Wörter, abgebrochene Sätze, die neu gestartet werden (Fehlstarts), und Neuaufnahmen (eine neu eingesprochene Zeile – die saubere Version behalten, die verpatzte entfernen). Da mechanische Erkennung nicht zwischen betonter Wiederholung („nie, nie“) und echtem Stottern unterscheiden kann, ist der Skill standardmäßig review-gated: Er schlägt Kandidaten mit vollständigem Kontext vor; der Agent (und der Benutzer) entscheiden über die endgültigen Schnitte. Nach der Freigabe rendert der Skill die Schnitte mittels ffmpeg und erzeugt ein neues, bereinigtes Video sowie ein aktualisiertes Transkript. Der Skill arbeitet auf Basis eines wortgenauen Transkripts und ist für Entwickler gedacht, die KI-gestützte Videobearbeitung in ihre Projekte integrieren möchten, z.B. mit Claude Code.

Funktioniert mit✓Claude Code~Codex CLI~Cursor

npx skills add https://github.com/TaherZiad/montage-crew/tree/HEAD/skills/montage-crew/references/external/hyperframes-student-kit

Dokumentation

Schnitte für Fehler & Wiederholungen (Pipeline-Agent 2)

Zweiter Schritt der automatisierten Bearbeitung, ausgeführt nach Stille-Entfernung. Er entfernt die Dinge, die ein menschlicher Editor im zweiten Durchgang schneidet: Stottern („der der“, „ich- ich-“), unmittelbar wiederholte Wörter, Fehlstarts (ein abgebrochener Satz, der neu beginnt) und Neuaufnahmen (eine neu eingesprochene Zeile – die saubere Aufnahme behalten, die verpatzte verwerfen).

Die Entscheidung, was ein Fehler ist, ist Ermessenssache, keine Formel – betonte Wiederholung („nie, nie“) und rhetorische Verdopplung („das erste Stück ist, ist das…“) sehen mechanisch genauso aus wie ein Stottern. Daher ist dieser Agent standardmäßig review-gated: Er präsentiert Kandidaten mit vollständigem Kontext; der Agent (und der Benutzer) entscheiden; nur genehmigte Schnitte werden gerendert.

Wann verwenden

„Schneide die Fehler“, „Entferne Stottern/Wiederholungen“, „Bereinige die Patzer“, „Behalte die beste Aufnahme“, „Schneide Fehlstarts“
Als zweite Stufe des Hauptbearbeitungsworkflows, ausgehend von der Ausgabe der Stille-Entfernung.

Der dreiteilige Ablauf

1. Kandidaten finden (mechanisch)

node .claude/skills/cut-mistakes/scripts/find-cut-candidates.mjs \
  <silence-transcript.json> --out-dir video-projects/<slug>/assets

Eingabe ist normalerweise die <stem>.silence-transcript.json von Agent 1, sodass Schnitte auf der bereits stillen Zeitleiste landen. Schreibt:

<stem>.cut-candidates.json – strukturierte Kandidaten (Typ, Konfidenz, vorgeschlagener cut-Bereich, removes/keeps-Text, Kontext, Empfehlung)
<stem>.cut-candidates.md – lesbarer Vorschlag

Kandidatentypen: stutter (sofortige Wortwiederholung), retake (doppeltes/nahezu doppeltes Segment via Jaccard-Ähnlichkeit), false_start (kurzer abgebrochener Satz, der neu beginnt).

2. Überprüfung (das Gate – ERFORDERLICH)

Lese jeden Kandidaten im Kontext und entscheide „behalten“ oder „schneiden“. Der mechanische Detektor kann absichtliche Betonung/Rhetorik nicht von einem echten Patzer unterscheiden, also vertraue nicht blind auf recommend – lies removes + context. Häufige Fehlalarme: betonte Wiederholung („es ist nie, nie nicht eingreifend“), Kopula-dann-Frage („das Stück ist, ist das…“), Aufzählung.

Präsentiere die Kandidaten dem Benutzer mit einer Empfehlung pro Eintrag; sammle Genehmigungen. Schreibe die genehmigten Schnitte in eine Datei:

{ "cuts": [ { "start": 100.93, "end": 101.06, "reason": „Ich- Fehlstart“ }, ... ] }

(start/end in Sekunden auf der Eingabe-Transkript-/Videozeitleiste. Du kannst den Bereich eines Kandidaten erweitern – z.B. bei einer Neuaufnahme vom Start der verpatzten Aufnahme bis zum sauberen Neustart schneiden.)

3. Genehmigte Schnitte anwenden

node .claude/skills/cut-mistakes/scripts/apply-cuts.mjs \
  <silence-transcript.json> --cuts approved-cuts.json \
  --video video-projects/<slug>/assets/edited-silenced.mp4 \
  --output video-projects/<slug>/assets/edited-clean.mp4 --apply

Schreibt die EDL, ein neu getimtes <stem>.mistakes-transcript.json (füttert den Motion-Graphics-Agenten + validate-beat-sync.mjs), ein Entscheidungsprotokoll und – mit --apply – das geschnittene Video (ffmpeg trim+concat, A/V synchron). Lasse --apply für einen Probelauf weg.

Ergebnis überprüfen

Verwende das gemeinsame Überprüfungswerkzeug, um die Schnitte visuell zu prüfen und Grenzen stichprobenartig zu kontrollieren:

node scripts/build-edl-review.mjs <stem>.mistakes-edl.json \
  --original video-projects/<slug>/assets/edited-silenced.mp4 \
  --edited   video-projects/<slug>/assets/edited-clean.mp4 \
  --output   video-projects/<slug>/assets/mistakes-review.html
npx serve . -p 8080 -n

Hinweise

Eine sehr saubere Aufnahme kann wenige oder gar keine echten Schnitte ergeben – das ist ein gültiges Ergebnis; schneide nicht natürliche Sprache, um eine Quote zu erreichen.
Schnitte zwischen zwei gesprochenen Wörtern sind harte Übergänge. Sie sind normalerweise sauber für Stottern/Fehlstarts; bei engerem Audio kann später ein 20-30ms-Fade hinzugefügt werden.
Übergib das mistakes-transcript.json + das saubere Video an Agent 3 (Motion Graphics / gestaffelte Karten).