zroeschen/Video-Production-Factory

Agent 2 der Videobearbeitungspipeline. Findet und entfernt Sprachfehler – Stottern, Wortwiederholungen, Fehlstarts und Neuaufnahmen (erneut aufgenommene Zeilen) – aus einer Talking-Head-Aufnahme. Verwenden Sie es nach dem Schneiden von Stille, wenn Sie aufgefordert werden, Fehler zu entfernen, Stottern/Wiederholungen/Füllwörter zu beseitigen, Patzer zu korrigieren oder die beste Aufnahme zu behalten. Arbeitet prüfungsgesteuert: Es schlägt jeden Schnitt mit Kontext und einem Grund zur Genehmigung vor und rendert dann nur die genehmigten Schnitte via ffmpeg. Erfordert ein Transkript auf Worteebene.

Was ist Video-Production-Factory?

Der Skill `zroeschen/Video-Production-Factory` (Agent 2) ist der zweite Schritt einer automatisierten Videobearbeitungspipeline, speziell für Talking-Head-Aufnahmen. Er identifiziert und entfernt typische Sprachfehler wie Stottern („the the“), sofortige Wortwiederholungen, Fehlstarts (abgebrochene, neu begonnene Sätze) und Neuaufnahmen (schlechte Takes). Da die Unterscheidung zwischen echten Fehlern und bewusster Rhetorik (z. B. emphatische Wiederholungen) maschinell schwierig ist, arbeitet der Skill standardmäßig prüfungsgesteuert: Er generiert Kandidaten mit Kontext und Empfehlung, die der Benutzer oder ein übergeordneter Agent genehmigen muss. Erst dann werden die genehmigten Schnitte via ffmpeg angewendet. Der Skill erfordert ein Transkript auf Worteebene (z. B. von Agent 1) und erzeugt neben dem geschnittenen Video auch ein aktualisiertes Transkript und eine Schnittentscheidungsliste, die an nachfolgende Agenten (z. B. für Motion Graphics) weitergegeben werden.

Funktioniert mit~Claude Code~Codex CLI~Cursor

npx skills add https://github.com/zroeschen/Video-Production-Factory/tree/HEAD/.agents/skills/cut-mistakes

Dokumentation

Fehler & Wiederholungen schneiden (Pipeline-Agent 2)

Zweiter Schritt der automatisierten Bearbeitung, ausgeführt nach dem Stille-Schneiden. Entfernt das, was 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 Zeile wurde erneut aufgenommen – der gute Take bleibt, der verpatzte wird entfernt).

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

Verwendung

„Schneide die Fehler“, „entferne Stottern / Wiederholungen“, „räume die Patzer auf“, „behalte den besten Take“, „schneide Fehlstarts“
Als zweite Stufe des Hauptbearbeitungsworkflows, auf der Ausgabe von Stille-Schneiden.

Der Dreiteilige Ablauf

1. Kandidaten finden (mechanisch)

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

Die Eingabe ist normalerweise die <stem>.silence-transcript.json von Agent 1, sodass die Schnitte auf der bereits stillgelegten Timeline landen. Erzeugt:

<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 (doppelter/fast doppelter Abschnitt via Jaccard-Ähnlichkeit), false_start (kurzer abgebrochener Satz, der neu beginnt).

2. Prüfen (das Tor – ERFORDERLICH)

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

Präsentiere dem Benutzer die Kandidaten mit einer Empfehlung pro Element; 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-/Video-Zeitachse. Du kannst den Bereich eines Kandidaten erweitern – z. B. bei einer Neuaufnahme vom Beginn des verpatzten Takes bis zum sauberen Neustart schneiden.)

3. Genehmigte Schnitte anwenden

node .agents/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 zeitlich angepasstes <stem>.mistakes-transcript.json (für den Motion-Graphics-Agenten + validate-beat-sync.mjs), ein Entscheidungsprotokoll und – mit --apply – das geschnittene Video (ffmpeg trim+concat, A/V synchron). Ohne --apply wird ein Probelauf ausgeführt.

Prüfen des Ergebnisses

Verwende das gemeinsame Prüfwerkzeug, um die Schnitte zu begutachten und die Grenzen zu überprüfen:

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 keine natürliche Sprache, um eine Quote zu erfüllen.
Schnitte zwischen zwei gesprochenen Wörtern sind harte Übergänge. Sie sind bei Stottern/Fehlstarts normalerweise sauber; für engere Audios kann später eine 20-30 ms Ein-/Ausblendung hinzugefügt werden.
Gib das mistakes-transcript.json + das saubere Video an Agent 3 (Motion Graphics / gestaffelte Karten) weiter.