heshaofu2/speech-video-dedup

Ziel und Umfang

Die ursprünglichen Ausführungen des Nutzers sollen zusammenhängend und sauber sein, wobei die Originalaussagen, wesentliche Informationen und notwendige Demonstrationsabläufe erhalten bleiben. Je nach Anfrage wird ein Kandidat, eine Vorschau oder eine vollständig geschnittene Version ausgeliefert; „Finde es mir mal“ wird nicht als Freigabe für den Export des gesamten Films betrachtet.

Wenn der Nutzer einen vollständigen Schnitt angefordert hat, wird dieser nach den notwendigen Prüfungen direkt ausgeliefert, ohne mechanisch jede Einzelbestätigung einzufordern. Bei nicht auflösbaren Widersprüchen zu Kernaussagen, einzigartigen Inhalten oder Demo-Ergebnissen werden zunächst andere Segmente bearbeitet und dann die minimal notwendigen Fragen gebündelt gestellt. Bereits bestätigte Schnittmethoden und -bereiche werden übernommen; bereits freigegebene Segmente werden nicht aufgrund einer neuen Prüfung eigenmächtig neu bearbeitet.

Originalvideo und Werkzeuge

Zunächst wird video-shared gelesen; Verzeichnisse, Dateischutz, Befehlsfindung und Ausgabebeurteilung folgen den gemeinsamen Regeln. Die Transkription erfolgt ausschließlich über video-to-text. Wiederverwendung und partielle Ergänzungen folgen dem Transkriptionsvertrag; es wird keine andere Engine oder ein separates Erkennungsskript in diesem Skill gewählt.

• Mit dedup inspect werden Spezifikationen, Größe, Änderungsdatum und SHA-256 des Originalvideos erfasst; der Löschplan muss auf das geprüfte Originalvideo abgestimmt sein.
• Das lokale Löschen von Segmenten erfolgt über die einheitliche CLI mit dedup check / render. Wenn der Nutzer explizit eine bestimmte Schnittsoftware benennt, wird diese verwendet; es wird kein neues Animations- oder Web-Rendering-Projekt für den Schnitt aufgesetzt.
• Die Transkription dient nur der Lokalisierung; die Entscheidung über die Deduplizierung muss anhand der tatsächlichen Audio- und Bilddaten getroffen werden.

Wiederholungen finden, nicht den Kurs komprimieren

Das gesamte Video wird überprüft, einschließlich nicht benachbarter Wiederholungen. Für jede Gruppe werden der Zeitstempel im Original, die beiden Originalaussagen, die Position der unvollständigen Sätze, einzigartige Informationen und ein empfohlener Übergang notiert.

Unterscheidung:

• Eindeutige Neuaufnahme-Reste: Mitten im Satz aufhören, neu beginnen, denselben Satz hintereinander wiederholen – die spätere Version ersetzt die frühere.
• Optionale inhaltliche Wiederholungen: Etwas mit anderen Worten noch einmal erklären. Es wird verglichen, ob Beispiele, Bedingungen oder neue Informationen geliefert werden; dies wird nicht direkt als Neuaufnahme-Rest eingestuft.
• Normale Lehrstruktur: Überblick gefolgt von Ausführung, Definition gefolgt von Demonstration, Zusammenfassung, Betonung und Pausen zum Lesen von Grafiken. Standardmäßig beibehalten.

Es wird nicht standardmäßig „die letzte Version behalten“. Bevorzugt werden: gesamtes Segment behalten, erste Hälfte des ersten Durchgangs mit Schlussfolgerung des zweiten verknüpfen, oder vollständige Originalsätze aus beiden Durchgängen behalten. Übergänge zur Einführung eines Themas, Verweise, Bedingungen, Zahlen und Kausalzusammenhänge werden geschützt. Inhalte, die nur einmal vorkommen, werden als Schutzbereich markiert; sie dürfen beim Löschen von Wiederholungen nicht mit entfernt werden.

Gleichzeitige Entscheidung über Audio- und Videoschnittpunkte

Zunächst wird die Kandidaten-Übergangsversion vorgelesen, dann die korrespondierende Audio- und Bildsequenz überprüft. Modellzeitpunkte sind nicht die endgültigen Schnittpunkte; bei Bedarf wird lokal neu transkribiert, Wellenform, Pausen und tatsächliche Wiedergabe werden bis auf Einzelbildgenauigkeit abgestimmt.

• Audio: Vollständige Wortlaute, natürliche Atmer, Betonungen und Satzrhythmus werden erhalten. Es wird kein halber Satz durch Wegnahme des letzten Wortes des vorherigen Satzes eliminiert; nicht alle Pausen werden weggeschnitten. Extrem kurze Audio-Fades werden nur verwendet, um Schnittgeräusche zu reduzieren, nicht um verschluckte Wörter zu überdecken oder das Abhören zu ersetzen.
• Bildbedeutung: Wird beim Sprechen die entsprechende Folie, der Screenshot, das Diagramm oder der Demonstrationsschritt gezeigt? Sind „hier“, „darin“ sichtbare Objekte vorhanden? Finden Seitenwechsel und Vergrößerungen an der erforderlichen Stelle statt?
• Bedienungsintegrität: Klicks, Scrollen, Fensterwechsel und Zustandsergebnisse innerhalb des gelöschten Bereichs werden überprüft. Zwei identische aufeinanderfolgende Bilder beweisen nicht, dass dazwischen keine wichtigen Aktionen stattgefunden haben.
• Aktionen und Lesen: Haltung, Gesten und Blickrichtung der Person werden verglichen; Mausbewegungen, Animationen und Lesezeit werden beobachtet. Zuerst wird der natürlichere Anschlusspunkt gewählt; nur bei tatsächlichem Bedarf werden vorhandene, passende Folienbilder übernommen und auf Lippenbewegungen oder Timing der Aktionen geachtet, um zu vermeiden, dass der Schnittpunkt durch eine falsche Platzierung verdeckt wird.

Vergleichsbilder etwa 0,1 Sekunde und 1 Sekunde vor und nach dem Anschlusspunkt sind für eine erste Sichtung geeignet; bei Aktionen, Bedienungen oder Seitenwechseln muss eine kontinuierliche Prüfung erfolgen. Ähnliche Bildausschnitte nach Frame-Extraktion, erfolgreiche Neutranskription und fehlerfreie Dekodierung allein beweisen noch nicht eine natürlich klingende Verbindung.

Vorschau muss die Übergänge verifizieren können

Zunächst wird für komplexe Segmente eine echte, kontinuierliche Vorschau exportiert. Ein temporärer Sprung im Browser zum Originalvideo kann zur Lokalisierung dienen, aber zusätzliche Pausen oder Ungenauigkeiten können auftreten; dies darf nicht als Schnittergebnis ausgegeben werden.

Die Vorschau enthält die vorherige Einleitung und die vollständige nachfolgende Bedeutung; es reicht nicht, dass es innerhalb des Segments gut klingt. Nach Zustimmung des Nutzers zur internen Schnittmethode wird das letzte beibehaltene Segment kontinuierlich bis zum nachfolgenden Inhalt oder dem nächsten Unterabschnitt verlängert, um zu prüfen, ob Aussagen fehlen, Wiederholungen auftreten oder Bildverschiebungen vorhanden sind – es wird kein neuer Schnitt am Ende der Vorschau eingefügt.

Mit dedup review kann eine lokale Überprüfungsseite erstellt werden: Lokalisierung im Originalvideo, echte Vorschau, Vorschau mit nachfolgendem Inhalt und Bildvergleich werden getrennt dargestellt. Wenn die Wiedergabe auf der Seite nicht getestet werden kann, wird dies klar angegeben; es werden dennoch einzeln abspielbare Videodateien bereitgestellt.

Plan, Export und Verifikation

Alle Zeitpläne basieren zunächst auf dem Originalvideo; gleichzeitig werden die Anschlusspunkte nach dem Schnitt notiert. Bestätigte Schnittpunkte werden gesperrt; überlappende Intervalle, die sowohl in der Liste langer Abschnitte als auch in der Liste kurzer Sätze erscheinen, werden nicht doppelt subtrahiert.

Für native Videos mit konstanter Bildrate werden nacheinander dedup inspect, dedup check und dedup render verwendet. Verwendung, Planformat, Behandlung anderer Videotypen und Verifikationsanforderungen sind in references/operator.md beschrieben. Die CLI erkennt keine Wiederholungen und ersetzt den Nutzer nicht bei der Entscheidung über Schnittpunkte.

Der Export behält das ursprüngliche Seitenverhältnis, die lesbare Auflösung, die Bildrate und die Audio-Layout bei; ohne Anfrage werden keine Untertitel, Musik, Zeitlupen oder neue visuelle Stile hinzugefügt. Das Ergebnis eines Keyframe-Stream-Copy wird nicht als präziser Frame-genauer Schnitt ausgegeben.

Nach Abschluss wird überprüft:

• Die tatsächlichen Aussagen an den Anschlusspunkten, ob einzigartige Informationen erhalten geblieben sind und ob bestätigte Segmente nicht verändert wurden.
• Die tatsächlichen Bilder vor und nach den Anschlusspunkten im Vergleich zu den geplanten Positionen im Originalvideo sowie die notwendigen kontinuierlichen Aktionen, Bewegungen der Person und der nachfolgende Anschluss.
• Ob das gesamte Video fehlerfrei dekodiert werden kann, ob Dauer, Bildanzahl, Audio-Video-Synchronisation und Ausgabespezifikationen dem Plan entsprechen.
• Ob die ursprüngliche Videogröße, Änderungszeit und Prüfsumme unverändert sind.

Ohne Audioverständnis oder kontinuierliche Wiedergabefähigkeit werden die abgeschlossenen Transkriptionen, Bildvergleiche und technischen Prüfungen ehrlich ausgeliefert; es wird nicht behauptet, „das ganze Video abgehört“ oder „alle Anschlusspunkte klanglich bestätigt“ zu haben. Nicht verifizierte subjektive Höreindrücke werden von den bestandenen objektiven Prüfungen getrennt dargestellt.

Abschließend werden das abspielbare Ergebnisvideo, die Dauer, der bearbeitete Bereich und der Erhaltungszustand des Originalvideos angegeben; Prüfumfang und notwendige Einschränkungen werden in kurzen Worten erläutert. Eine Liste, Zeitvergleiche vom Ausgangs- zum Ergebnisvideo und Vergleichsbilder verbleiben im Produktverzeichnis, um spätere Änderungen zu erleichtern.