Communitygithub.com

spoken-video-editing-qc

将口播原片剪成成片、统一音画变速、重做字幕、修改配乐,或排查口型字幕渐进错位时使用;覆盖原片探测、统一时间映射、混音、直接视听复核及交付。本技能与具体视觉风格解耦。

What is spoken-video-editing-qc?

spoken-video-editing-qc is a Claude Code agent skill that 将口播原片剪成成片、统一音画变速、重做字幕、修改配乐,或排查口型字幕渐进错位时使用;覆盖原片探测、统一时间映射、混音、直接视听复核及交付。本技能与具体视觉风格解耦。.

Works with✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/MonkeyKEE/spoken-video-editing-skills/tree/HEAD/skills/spoken-video-editing-qc

Ask in your favorite AI

Open a new chat with this agent skill pre-loaded.

Documentation

口播剪辑与音画同步质检

原则与输入

这是与风格无关的核心工作流,不绑定品牌、人物、私有工程路径或某一软件。本文件是流程与质检模板,不附带可直接执行的渲染脚本,也不构成一键剪辑。

执行前读取当次项目配置,并对照 config-contract.yaml 与 optional-presets.yaml。至少需要项目 ID、单一语速 SPEED 和输出画幅帧率。语速与导出参数都是可配置预设,不得把仓库示例值当成永久硬要求。区分用户已确认规范、单次实现与待确认建议。

安装本技能时,必须同时提供 contracts/、config/、examples/ 和 docs/operations.md。若之后要做包装,还要提供整个 styles/ 与配套技能 talking-head-style-packaging。只拿到本 SKILL.md 时,先索取完整仓库或让用户把契约与项目配置贴进对话,不要凭记忆补造参数。跨系统路径、字体和能力检查见 operations.md。

原片与已有成片分别标记。所有新导出用新版本,不覆盖原片。取材优先走账号授权的安全传输或官方连接器,并用真实文件 ID 核对版本;不改共享权限。不得把公开云盘链接写成取材前提。遇体积或工具限制,先改用其他受支持的安全传输途径;仅当用户明确同意临时公开时才可使用公开链接,用后提醒其关闭。交付限制按当次工具实测,不硬编码历史上限。共享文件不得写入绝对路径或本机用户目录。

若还需要视觉包装,先完成本技能的内容剪辑计划、统一时间映射、终速干声和逐句字幕,再进入包装技能。包装不得开始于时间轴尚未对齐之时。

1. 探测与审素材

用 ffprobe 记录编码、存储宽高、显示旋转、像素格式、帧率/时基、帧PTS、音轨编号、采样率、声道、start_time、时长。不能仅凭平均帧率判断CFR,也不能假定人声永远在第一音轨。识别横存竖拍与微VFR,按实际显示方向构图。

用可播放的原片或音画同步轻量代理做动态审看。watchVideo 是部分宿主环境提供的看片能力,不是本仓库附带或必须安装的公开命令行工具;若宿主提供该能力,可按该工具要求提交。宿主没有该能力时,必须由人直接看和听,不得跳过,也不得在未看未听时声称已经审过。不能用联系表或静态截图代替动态审片。

2. 内容与剪辑计划

对原片人声转写,必要时用 faster-whisper 的主模型与对照模型交叉核查。人名、品牌、含混词对原声校对;难句可分段重转写,关闭跨段上下文以排查漏句。

写保留/删除计划,记录每段源起止、理由和文案。不改变原话含义。切点靠近局部能量低点,避免切字、吞尾音和突兀换气。检查接缝前后语义与听感;保留真实尾音和适量自然停顿。

内容剪辑计划是本技能的正式产出,也是后续包装的依据。计划中应标明哪些句子需要关键词卡、章节卡或流程说明,哪些段落只保留人物。不要预留「按固定间隔弹卡」的空位。

3. 单一时间映射与一次变速

建立统一segments与frame_map,至少包括源起止PTS、输出起止帧、累计时长、语速。音频、视频、字幕和动效共用此表。

  • 语速只来自一个配置项SPEED;音画各应用一次,禁止在音频滤镜另写死不同atempo。
  • 累计输出边界可用 round(累计保留源时长 / SPEED * 输出fps),由相邻累计边界差得段帧数,避免逐段舍入累积。
  • 输出帧对应源时刻须在该保留区间内;VFR按源帧PTS选帧,不用假定恒定帧率的索引。边界舍入不能误带已删除区间的词句。
  • 音频裁切使用相同源区间与时间基。采样数按累计时刻换算,保留源音轨start_time偏移;在拼接/变速后统一处理必要的帧或采样量化,并记录误差。
  • 当前降噪、变速、压缩链可能引入延迟,必须重测并补偿,不能照抄别条片的采样点数。
  • 分别核对有内容的人声结束时间、底视频有效时间轴、计划尾部留白。不能用padding把错误语速的人声撑到同容器时长来伪装同步;真实停顿无需被认定为错位。

保留原速剪辑干声、终速干声、无包装底视频、segments、frame_map、内容剪辑计划和配置快照。

4. 最终人声字幕

在终速干净人声上重新转写并按已核准文案校对,不直接比例拉伸旧字幕。结合实际发声边缘修正句起止;难句记录人工修正。字幕、章节、名牌等若使用源时间,均经过同一映射转换。字幕外观由稍后加载的风格包决定,时间对齐不能由视觉模板代替。

5. 混音与导出

若当次只需干净底视频,可先不包装。若继续包装,底视频已变速,包装不可再二次变速。项目若已有经过验证的本地脚本,可在检查依赖、参数和版本后沿用;本仓库不附带这些脚本。

人声优先,音效只保留有意义的节点,音乐有合法来源且不盖口播。音量百分比、振幅比、分贝与主观响度不是一回事;记录说话时段音乐相对人声的电平并直接听验,必要时duck。不能把单次混音参数当所有品牌标准。

只改配乐:独立干声+音效+新音乐重混,不叠在旧BGM混音上;若要求画面不变,视频stream copy,核对视频流或逐帧hash、PTS与音轨起点,不能要求整个文件hash相同。

输出规格读取项目配置。仓库里的 9:16、1440×2560、30fps CFR、H.264 High约18Mbps、AAC约192kbps/48kHz、MP4 faststart、综合约−16LUFS 以及语速 1.1×,都只是可选起始预设。按当次平台和用户要求覆盖,测真峰值并留余量;不要用sample peak冒充true peak。

6. 放行检查

  1. 探测导出规格、实际帧PTS、帧数、start_time、时长、分块边界连续性。
  2. 检查干声有效内容与映射表,尾部留白可解释;容器等长不能证明同步。
  3. 检查源帧映射与实际读取索引;在片头/中/尾、接缝、全屏人物段抽样,报告量化误差,禁止承诺完美逐帧。
  4. 用包络互相关对比最终声轨与干声,以及逐段终速人声与按映射取的源人声;记录各段误差是否随时间增长。数值只是辅助,不替代口型。
  5. 测综合响度、真峰值、人声/音乐/音效关系,检查失真、接缝、尾音。
  6. 完整发顶与安全区若已进入包装,则按目标手机留边和铺满模式检查;未包装的底视频也不得为了「好看」裁掉发顶。素材来源真实,图库/生成图不冒充真实活动;B-roll不得倒放或循环凑时长。
  7. 将最终成片或同时间轴代理交给可直接播放的审片环节,复核片头/片中/片尾、难句与剪接点的口型、字幕、安全区、音效和结尾。videoReview 是部分宿主环境提供的审片能力,不是公开命令行工具;若宿主提供该能力,可以使用。宿主没有该能力时,必须做等价的人工视听审片,不得跳过,也不得在未看未听时声称已经审过。没有做视听审片就标注未审预览和未完成项,不能作为审片通过母带交付。静帧、ffprobe、ASR近邻起点都不等于此步骤。更完整的清单见 operations.md。

历史故障教训:视频1.1x、音频误用1.2x可导致尾部约15秒渐进错位,静音padding会使容器时长看似正常,字幕近邻语音起点指标也可能漏检。必须单一变速源、统一映射、有效内容检查和直接视听复核。测得的一次滤镜延迟不适用于所有链路。这里的 1.1× / 1.2× 只用于说明该事故,不是推荐去混用两种语速。

交付

提供版本化母带或未包装底视频、字幕、内容剪辑计划、时间映射、必要预览及简明QA记录,标记已做/未做的检查与残留风险。文件过大则在授权目的地提供传阅版或分卷母带;分卷附重组方法和整体校验,区分本地校验与实际远端校验。未经授权不上传、不改分享、不发布,不改已交付旧版。风格包与项目覆盖都不能关闭这些交付边界。

Individual skills in this repo

This repo contains 1 individual skill — each has its own dedicated page.

Related Skills