Communitygithub.com

Kurzvideo-Schnitt (OpenFilm Pipeline)

Erstellen Sie ein vertikales Talking-Head-Kurzvideo (TikTok / Reels / 小红书 / Shorts) Ende-zu-Ende im 5-Schritt-Workflow des Editors — 1 Grobschnitt, 2 Untertitel erkennen, 3 Kinetic Text mit Soundeffekten, 4 B-Roll & Motion Graphics, 5 Hintergrundmusik & Auslieferung — mit ffmpeg + OpenFilm.

Was ist Kurzvideo-Schnitt (OpenFilm Pipeline)?

Dieses Skill automatisiert die professionelle Erstellung von vertikalen Kurzvideos (TikTok, Reels, 小红书, Shorts) in einem strukturierten 5-Schritt-Workflow. Es ist für erfahrene Redakteure konzipiert, die Rohmaterial (und in der Regel ein Skript-PDF) für eine neue Folge abgeben oder einzelne Schritte erneut ausführen möchten. Das Skill nutzt ffmpeg, OpenFilm und Python-Skripte, um einen präzisen, wiederholbaren und qualitätsgesicherten Prozess zu gewährleisten. Schritt 1 (Grobschnitt) erstellt einen Basisschnitt aus den Takes, Schritt 2 erkennt und korrigiert Untertitel, Schritt 3 fügt kinetische Texteffekte und Sound hinzu, Schritt 4 integriert B-Roll, Datenkarten und Motion Graphics, und Schritt 5 übernimmt die finale Audiomischung und Auslieferung. Jeder Schritt erfordert die Freigabe durch den Benutzer, und das Skill stellt sicher, dass alle Ausgaben den technischen Standards (z. B. Lautstärkepegel, Title-Safe-Bereich) entsprechen. Die finale Auslieferung erfolgt erst nach ausdrücklicher Zustimmung des Benutzers („定稿“), wobei alte Versionen und Zwischendateien in den Papierkorb verschoben werden und die Quelldateien unberührt bleiben.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/zihangwong/short-video-edit/tree/main

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht Kurzvideo-Schnitt (OpenFilm Pipeline)?

Der Benutzer ist ein professioneller Redakteur. Arbeiten Sie nach seinem Standard: Jeder Schnitt, jede Zahl und jeder Ton wird überprüft, nichts wird als „fertig“ bezeichnet, bevor es nicht angesehen (Frames) und gemessen (Pegel, Plattform-Check) wurde.

Skripte: .claude/skills/short-video-edit/scripts/ (aufrufen über run.py). Python 3.12, ffmpeg 9 (NVENC), Node (für npx -y [email protected]), faster-whisper auf CUDA, onnxruntime-directml (RVM Matting) sind installiert.

python .claude/skills/short-video-edit/scripts/run.py <episode-dir> new|cut|subs|text|broll|bgm|all|look <t>

Der Episodenordner (episodes/<name>/)

DateiSchrittWer schreibt sie
episode.jsonalleQuelle, Titel, out_name, Geschwindigkeit (1.2), Schriftart (Standard Noto Sans SC Black; jede CJK-Schriftart, für die Sie eine Lizenz besitzen), BGM (OpenFilm CC0 ID), Keywords (gelb in Untertiteln), Wörter (jieba), Schritte (STEP-Pillen), CTA, designer_cards, drive_folder (optional)
blocks.json1Sie: die Takes, [{a, b, label, note}] in Quellsekunden
subs.tsv2Sie: korrigierte Untertitel start<TAB>end<TAB>text auf der Schnitt-Zeitleiste
kinetic.json3Sie: Hervorhebungsgruppen (Format unten)
cards.json, mg.json4Sie: Datenkarten und Motion Graphics
work/ film/ out/Skripte: Zwischendateien, das OpenFilm-Projekt, Auslieferungen

Alle Zeiten in subs/kinetic/cards/mg/steps/cta beziehen sich auf die Schnitt-Zeitleiste vor der Geschwindigkeitserhöhung. Die Geschwindigkeit wird bei der Auslieferung angewendet.

Schritt 1 — Grobschnitt

  1. run.py EP new → episode.json ausfüllen. Dann run.py EP cut (stoppt nach der Vorbereitung, wenn blocks.json leer ist).
  2. Die Vorbereitung meldet die Links/Rechts-Balance. Telefon- und Lavalier-Aufnahmen haben die Stimme oft NUR auf EINEM Kanal (der andere ≈ -25 dB): Die Auslieferung erfolgt automatisch als Dual-Mono von der guten Seite (voice_channel). Niemals L+R mitteln.
  3. work/transcript.txt neben dem Skript-PDF lesen. Abweichungen des Gesagten vom Skript dem Benutzer mitteilen (insbesondere bei Zahlen) — On-Screen-Zahlen folgen dem, was er SAGT, nicht dem Skript.
  4. Takes in blocks.json auswählen: Die Struktur folgt dem Skript; seine zusätzlichen Ausführungen behalten; Wiederholungen, Fehlstarts, Teleprompter-Stimmen, Flüche, tote Luft entfernen. Der letzte saubere Take einer wiederholten Zeile gewinnt, es sei denn, der Benutzer sagt etwas anderes. Innerhalb eines Blocks werden Pausen ≥ 0,45 s automatisch gestrafft.
  5. run.py EP cut erneut ausführen → out/cut_preview.mp4 (mit eingebranntem Timecode) + Schnitt-QC. Dem Benutzer zeigen und den Schnitt vor Schritt 2 freigeben lassen. Markierte „Hotsplicks“ sind normalerweise Atem-Endstücke (bereits 40 ms ausgeblendet) — angeben, welche.
  6. Späterer Nachschnitt: blocks.json ändern, cut erneut ausführen, dann scripts/shift.py EP <cut_t> <delta> verschiebt jede manuell gesetzte Zeit nach dem Schnitt (Delta = alte Länge − neue Länge).

Schritt 2 — Untertitel erkennen

run.py EP subs → subs_draft.tsv. In subs.tsv Korrektur lesen: Falsch gehörte Wörter korrigieren (Whisper verwandelt oft eine gesprochene Phrase in gleichklingende Unsinnszeichen), englische Rechtschreibung, vereinfachtes Chinesisch, Abschweifungen vom Skript entfernen. Vermutungen dem Benutzer melden. Untertitel werden einzeilig gerendert: Alles, was breiter als ~10 CJK ist, wird automatisch zum nächsten Untertitel, zeitlich basierend auf Wortzeitangaben, getrennt an Jieba-Wortgrenzen, niemals innerhalb einer englischen Phrase, niemals beginnend mit 的/了/吗/」.

Schritt 3 — Kinetischer Text + Soundeffekte

kinetic.json schreiben. Die Höhepunkte, Zahlen, Kontraste, Schritttitel auswählen (≈ alle 5–8 s, nicht in Kartenfenstern). Laufende Untertitel werden automatisch ausgeblendet, während eine Gruppe angezeigt wird.

{"a": 34.20, "b": 35.72, "items": [
  {"text": "会很", "x": 290, "y": 450, "fs": 96, "col": "W", "anim": "fade", "at": "会很"},
  {"text": "丢脸", "x": 800, "y": 380, "fs": 210, "col": "R", "anim": "slam", "at": "丢脸", "v": true, "rot": 4}]}
  • at: Eine von ihm gesprochene Phrase (aufgelöst zur Echtzeit) oder eine Anzahl von Sekunden nach a.
  • x/y = Mittelpunkt in px auf 1080×1920; y ≈ 380–700 halten (um/über dem Kopf), x 200–880. v: vertikaler Stapel.
  • Title-Safe (der Standard des Benutzers = Premiere's innerer 10%-Richtwert): Alles Lesbare bleibt in x 108–972, y 192–1728. Die text-Stufe verschiebt jedes kinetische Element, das es kreuzt, wieder hinein (gibt „title-safe … moved“ aus), und der Build lehnt Untertitelpositionen außerhalb davon ab. Von Anfang an darin entwerfen; title_safe in episode.json überschreibt die Box.
  • col: W Y R C oder #hex; latin: Arial Black für Englisch/Zahlen; italic; rot Grad.
  • anim: fade drop rise slide_l slide_r pop slam type wave flip stamp split shake.
  • deco: box underline strike check (wird gezeichnet, nachdem der Text gelandet ist, mit eigenem Sound).
  • Keine Konturen auf irgendeinem Text (Untertitel, kinetischer Text, MG-Beschriftungen): nur sanfter, geschichteter Schlagschatten — der Geschmack des Benutzers („比较高级“).
  • Größen mischen (ein 90 px Setup-Wort + ein 150–230 px Punch-Wort), vertikal und horizontal mischen, weiß/gelb/rot. Sicherheit bei Geschwindigkeitserhöhung (automatisch, text-Stufe gibt aus, was sie getan hat): Animationen werden im Film mit speed× langsamer abgespielt, damit sie nach der 1,2-fachen Geschwindigkeitserhöhung so aussehen wie entworfen, und jedes Element erhält Landung + 0,45 s Halten (Echtzeit, kinetic_hold) + Ausgang, bevor seine Gruppe endet — die Gruppe wird in die freie Zeit verlängert (niemals in die nächste Gruppe / schwarze Karte / MG, max 1,2 s), andernfalls beginnt das Element bis zu 0,3 s vor seinem Wort. Untertitel kehren dennoch zur geschriebenen Zeit zurück. Den Bericht lesen; wenn ein Element weit vor seinem Wort beginnt, den Text der Gruppe kürzen oder die nächste Gruppe verschieben. Jede Animation und Dekoration erhält automatisch einen Sound (assets/sfx_library.json, OpenFilm CC0, rotierte Varianten). run.py EP text erstellt das Timing; nach Schritt 4 mit look überprüfen.

Schritt 4 — B-Roll & MG

  • Designer-Clips (ProRes 4444 mit Alpha, z. B. A下卡-Karten): in episode.json unter designer_cards auflisten {file, out_in, out_out, src_in}. Zuerst ihre Zahlen mit dem vergleichen, was er sagt — Designer-Karten werden aus dem Skript erstellt; wenn sie ihm widersprechen, die Karte stattdessen im gleichen Stil in cards.json neu erstellen und dem Benutzer Bescheid geben.
  • Datenkarten (cards.json, Designer-Stil): {a, b, badge, keep_bg_after?, rows:[step|value|big]} — step {t, y, num, title, sub}, value {t, y, label, value, t_value?, color: green|yellow|sub, strike?}, big {t, number, line}. [[word]] = gelb. Während Karten wird der Rahmen schwarz, die Karte sitzt oben und der Sprecher-Ausschnitt (RVM Matte) unten links; Untertitel verschieben sich über ihn.
  • MG (mg.json): Typen target (wächst auf big_at), bucket (mode overflow|fill, label), frost, checklist (rows, checks), breakdown (crack_at), cta (word = das Kommentar-Keyword, gift_at); jedes mit sfx [[t, id, in, out, file_peak, target_peak], ...]. MG in Lücken platzieren (kein kinetischer Text / Karte) und an die Wörter binden.
  • run.py EP broll rendert die Platte, bematet jedes kinetische/MG-Fenster in voller Auflösung, entscheidet vorne vs. hinten pro Textelement (bedeckt > 25 %, oder eine Zahl bedeckt > 10 % → vorne; sonst hinten für Tiefe; erzwingen mit `occlusion_overrides.json {

Verwandte Skills