Communitygithub.com

heshaofu2/speech-video-dedup

Find and remove repeated narration, re-recording remnants, and unfinished starts in speech videos, course recordings, and screen tutorials. Simultaneously check the alignment of voice, slides, and operations, providing timestamped suggestions, previews for review, or a full edited version that retains the original.

What is speech-video-dedup?

This skill is designed for AI agents (like Claude Code) to intelligently clean up repetitive or unfinished content from talking-head videos, lecture recordings, and screencast tutorials. It goes beyond simple silence removal by detecting repeated phrases, re-recorded takes, and false starts, while preserving unique information and natural narrative flow. The skill ensures that both audio and visual elements—voice intonation, slide transitions, cursor movements, and on-screen actions—are checked for coherence at the edit point. It provides a comparison of before-and-after clips, generates previews for verification, and can deliver a final edited video that maintains original quality. It integrates with a shared CLI toolchain (dedup inspect/check/render) and relies on a separate video-to-text skill for transcription, avoiding redundant implementation. The skill explicitly distinguishes between genuine re-recording remnants (which should be removed), optional content repetition (which may retain unique examples or conditions), and normal teaching structures (which must be kept intact). Users can request previews for complicated segments before committing to a full render, and the output includes a detailed list of cut points with timestamps relative to the original. This is not a general-purpose video summarizer or compression tool; it focuses exclusively on removing duplicate spoken and visual content to produce a cleaner, more concise version of the original presentation.

Works with✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/heshaofu2/video-workflow-suite/tree/HEAD/speech-video-dedup

Ask in your favorite AI

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

Documentation

目标与范围

让用户原本的讲述连贯、干净,保留原话、实质信息和必要的演示过程。根据当前请求交付候选、预览或完整剪辑版;不把“找出来看看”直接当成导出全片的授权。

用户已要求完整剪辑时,完成必要检查后直接交付,不再机械要求逐项确认。核心观点、独有内容取舍或演示结果存在无法消解的歧义时,先继续其他片段,再集中询问最少量的问题。沿用用户已确认的剪法与范围,不因新一轮检查擅自重做已认可的片段。

原片与工具

先读取 video-shared,目录、文件保护、命令发现和输出判断遵循共享规则。转写只调用 video-to-text,复用和局部补充按 转写契约 执行,不在本 Skill 另选引擎或另写识别脚本。

  • 用 dedup inspect 记录原片规格、大小、修改时间和 SHA-256;删段方案必须对应本次核对的原片。
  • 本地删段通过统一 CLI 的 dedup check / render 执行。用户明确指定剪辑软件时沿用其选择;不为删段搭建新的动画或网页渲染工程。
  • 转写只作定位,去重取舍必须对照实际声音和画面。

找重复,而不是压缩课程

检查全片,包括不相邻的重复;每组记录原片时间、两遍原话、未完成位置、独有信息和建议接法。

区分:

  • 明确重录残留:讲到一半停下、重新开场、同一句连续重说,后一个版本替代前一个。
  • 可选的内容重复:换种说法再解释一次。比较是否提供了例子、条件或新信息,不把它直接定为重录。
  • 正常教学结构:总览后展开、定义后演示、回顾、强调和为读图保留的停顿。默认保留。

不要默认“保留最后一遍”。优先比较整段保留、第一遍前半接第二遍结论、保留两遍中各自完整的原句。保护引入话题的过渡、指代对象、条件、数字和因果。把仅出现一次的有效内容列为保护区间;删除重复时不能顺带删掉。

同时决定声音和画面的剪点

先连读候选接法,再核对对应音频和画面。模型时间不等于最终切点;必要时对局部重新转写,结合波形、停顿和实际播放细调到帧。

  • 声音:保住完整字音、自然呼吸、重音和句间节奏。不要为消除半句而切掉上句尾字;不要把所有停顿剪光。极短音频淡化仅用于减少截断声,不能遮掩吞字或替代试听。
  • 画面含义:接话时是否展示对应课件、截图、图表或演示步骤;“这个地方”“这里面”是否仍有可见对象;换页和放大是否发生在讲解需要的位置。
  • 操作完整性:检查被删区间内的点击、滚动、窗口切换和状态结果。前后两帧相同不能证明中间没有关键操作。
  • 动作与阅读:比较人物姿势、手势和视线,观察鼠标、动画和文字阅读时间。先选择更合适的自然接点;确有需要时才用已有、对应的课件画面承接,并检查人物口型或操作时序,避免为了遮切点制造错位。

接点前后约 0.1 秒、1 秒的对照图适合初筛;含动作、操作或换页时要补充连续检查。抽帧相似、重新转写和解码成功均不能单独证明听感自然。

预览要能验证前后衔接

先导出复杂片段的真实、连续预览。浏览器对原片临时跳播可以定位,但可能额外停顿或不准,不能冒充剪后的效果。

预览包含前面的引入和后续完整意思;只在片段内部听着顺还不够。用户认可内部剪法后,将最后保留段连续延长到后续内容或下一小节,检查是否漏话、重复、画面错位,而不是在预览终点新加一个剪口。

可用 dedup review 生成本地核对页:原片定位、真实预览、带后续的预览和画面对照分开呈现。无法实测页面播放时明确说明,仍提供可单独打开的视频文件。

方案、导出与验证

所有方案时间先以原片为基准,同时记录剪后的接点。已确认的剪点锁定,不重复扣除同时出现在大段和短句清单中的重叠区间。

原生恒定帧率视频依次使用 dedup inspect、dedup check、dedup render。用法、方案格式、其他视频类型的处理和验证要求见 references/operator.md。CLI 不会识别重复或替人决定切点。

导出保持原来的画面比例、可读分辨率、帧率与声音布局;没有要求时不加字幕、音乐、变速和新视觉风格。不要用关键帧 stream-copy 的结果冒充精确到帧的剪辑。

完成后核对:

  • 实际成片的接点语句,独有信息是否保留,已确认片段是否未被改变。
  • 实际成片接点前后画面与计划中的原片位置,以及必要的连续操作、人物动作和后续衔接。
  • 全片能否完整解码,时长、帧数、音视频同步和输出规格是否符合方案。
  • 原视频大小、修改时间和校验值是否保持不变。

没有音频理解或连续播放能力时,如实交付已完成的转写、画面对照和技术检查,不声称“已试听全片”或“所有接点听感已确认”。将尚未验证的主观听感与已经通过的客观检查分开说明。

最终给出可打开的成片、时长、处理范围和原片保留状态;检查范围与必要限制用简短文字说明。清单、源片到成片的时间对照和对照图留在产物目录,方便继续修改。

Individual skills in this repo

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

Related Skills