Cut: la edición hablada ajustada
El corte es la base. Los gráficos, los subtítulos y el sonido se sincronizan con él, por lo que debe estar correcto antes de comenzar cualquier otra cosa. El estándar: la primera versión se corta súper ajustada, sin un solo bit de espacio muerto en ninguna parte, y sin nada superpuesto. Ajustado nunca significa recortado. Una palabra que pierde su última consonante, o un suspiro cortado por la mitad, suena peor que una pausa.
Lo que necesitas
- El vídeo original de la cámara. Nunca el archivo proxy de baja resolución que algunas cámaras escriben junto a él (un
.LRFde DJI, por ejemplo): corta desde el MP4 de máxima calidad. - El guion, si lo hay.
- ffmpeg y un transcriptor local (faster-whisper). Transcribe localmente; nunca subas el metraje de alguien a un servicio externo.
Paso 1: inventario
Sondea la fuente: resolución, frecuencia de fotogramas exacta (29.97 es 30000/1001, no 30), duración, canales de audio. Anótalo. Cada número de fotograma en este skill es un fotograma nativo de la fuente. Nunca adoptes la frecuencia de fotogramas de otro vídeo.
Paso 2: transcripción con marcas de tiempo de palabras
.venv/bin/python .claude/skills/cut/scripts/transcribe.py raw.mp4 --out words.json
El reconocimiento de voz encuentra palabras. No puede juzgar la interpretación, oír un murmullo ni certificar una consonante limpia.
Paso 3: escanea en busca de cortes de micrófono antes de cortar
Los micrófonos inalámbricos a veces pierden de 20 a 50 ms y lo llenan con una caída artificial suave. Suena como un fallo en una palabra, y la gente culpa a la edición.
.venv/bin/python .claude/skills/cut/scripts/find_dropouts.py raw.mp4 --json dropouts.json
Ejecútalo en el audio de origen, nunca en una mezcla final donde la música lo oculte. Repara cada corte real, luego corta desde el audio reparado:
.venv/bin/python .claude/skills/cut/scripts/repair_dropout.py raw.mp4 --start 32.722 --end 32.762 --out audio_repaired.wav --json repair.json
La reparación elimina el encubrimiento, cruza las dos mitades reales y compensa el tiempo con tono de ambiente de la pausa más cercana, para que la sincronización de labios se mantenga. Sin síntesis, filtrado ni ganancia. Cuando alguien dice "hay un fallo", verifica el sonido y la imagen por separado.
Paso 4: selecciona las tomas
- Escucha las señales habladas. Los hablantes suelen decir "usa esa", "esa es la buena" o "usa esta" después de una buena toma. La señal marca la toma completada justo antes. Si no hay señal, la última toma limpia y completa antes de que siguieran adelante. Una señal hablada posterior prevalece.
- Nunca elijas la última toma por defecto. A menudo es la cansada.
- Rechaza murmullos, falsos comienzos, pensamientos inconclusos, palabras interrumpidas, ensayos en voz baja y lecturas incorrectas. Nunca rescates una toma baja con ganancia.
- Para cualquier línea sospechosa, busca en toda la grabación cada toma completa de esa línea, no solo la más cercana. Compáralas en una tabla breve: toma, tiempo de origen, señal, veredicto, razón.
- Cuando no esté claro qué toma suena mejor, pregunta. Dale al usuario todas las tomas completas de esa línea para que las reproduzca, con cualquier toma señalada preseleccionada, y corta según sus elecciones. No adivines sobre la interpretación.
- Si no existe una toma limpia y completa de una línea, dilo claramente. Nunca inventes un reemplazo o un puente a partir de un fragmento de palabra.
- Compara el guion con las palabras realmente habladas línea por línea. Los gráficos y subtítulos siguen lo que se dijo, no lo que se escribió.
- Múltiples ganchos: si se grabaron varios ganchos de apertura, corta el cuerpo una vez y cada gancho por separado, luego verifica cada unión gancho-cuerpo de forma independiente.
Paso 5: corta ajustado
.venv/bin/python .claude/skills/cut/scripts/find_gaps.py audio_repaired.wav --words words.json --json gaps.json
Esto propone candidatos; nunca corta. Luego, ve límite por límite:
- Elimina todo el espacio muerto discrecional: entre tomas, entre oraciones, entre palabras, pausas de espera. Une directamente con el siguiente discurso significativo.
- Mantén solo los fotogramas que un sonido realmente necesita: fricativas débiles (s, f, th), aspiraciones (h), cierres y liberaciones de consonantes (t, k, p) y el decaimiento completo de una palabra que termina. Para cada CONSERVAR, nombra el sonido protegido. "Ritmo natural" no es una razón.
- Colas de respiración. Donde el nivel cae hacia el tono de ambiente y luego sube de nuevo sin una palabra, esa subida es una respiración. Termina la pieza 20 ms después del último sonido de la palabra. Cortar en la respiración deja un medio ruido extraño. El final de una palabra que se desvanece se mantiene.
- Mantén al menos 2 fotogramas antes de una palabra que comienza después de una pausa eliminada.
- Nunca aceleres la voz, nunca superpongas dos fragmentos de discurso, nunca cruces dos voces una encima de la otra. Nunca elimines discurso real para cumplir una duración.
- Un detector de silencio propone candidatos; nunca certifica nada. Los espacios pequeños por debajo del mínimo del detector aún se revisan.
Escribe un manifiesto exacto al fotograma (cut.json): para cada pieza, la línea a la que pertenece, los fotogramas de entrada y salida de origen, el fotograma de inicio de salida y la razón de cada límite. Todo lo posterior (subtítulos, gráficos, sonido) se reasigna a partir de él después de cada cambio.
Paso 6: saltos de imagen en las uniones
Cortar una pausa corta mientras las manos o la cabeza se mueven parece fotogramas perdidos. Después del pase ajustado, renderiza el corte y mide cada unión dentro de una oración:
.venv/bin/python .claude/skills/cut/scripts/join_jumps.py cut.mp4 --cut cut.json --modes modes.json --json jumps.json
El salto es la diferencia de fotogramas a través de la unión dividida por el movimiento normal a su alrededor. Si es 3x o más, devuelve la menor cantidad de fotogramas de pausa real que lo reduzcan a 2x o menos, eligiendo qué fotogramas soltar para que ambos lados coincidan. Sin fundidos. Los cortes entre tomas en las pausas de oraciones son saltos de corte normales. Las uniones ocultas bajo un gráfico de pantalla completa no se ven. En una línea donde las manos se mueven rápido, no cortes ningún fotograma dentro de ella.
Paso 7: voz uniforme
Nivela cada toma y recuperación por oración antes de mostrar cualquier cosa, para que suene como una sola grabación. Verifica el tono con una curva similar a la de un teléfono y el tono: las tomas separadas por 1.5 semitonos aún suenan mal en una unión. Una regrabación supera a un cambio de tono. Dos mitades de un mismo gancho grabadas con segundos de diferencia aún pueden diferir; elige el par que mejor coincida, y si la imagen salta en esa unión, cúbrela con una inserción.
Paso 8: auditoría antes de que alguien lo vea
Transcribe el corte exportado de forma independiente y compara las palabras en orden con las líneas previstas. Verifica las repeticiones de inicio ("ahora puedes, ahora puedes revisar") con ventanas cortas superpuestas alrededor de cada unión, porque el reconocimiento de voz de archivo completo suaviza las repeticiones. Si alguien reporta una repetición, es real hasta que se demuestre lo contrario.
Guarda un recibo con cada versión:
- Cobertura: cuántas piezas, cabezas, colas, uniones y huecos se revisaron. Las cantidades esperadas y revisadas deben coincidir.
- Registro de tomas: palabras previstas, cada toma candidata para líneas sospechosas, la elección y por qué.
- Registro de cortes: los fotogramas de cada límite, los fotogramas eliminados o mantenidos y el sonido específico protegido.
- Huecos residuales: vuelve a ejecutar en el corte codificado; enumera todo lo que queda y por qué se mantiene.
- Escucha: una verificación automatizada no es escuchar. Marca la escucha como PENDIENTE hasta que una persona la haya oído a velocidad normal. Nunca afirmes que suena limpio porque los números pasaron.
Cuando llegan comentarios
- Un murmullo rechazado o una nota de "este corte está suelto" significa reauditar todo el vídeo, no solo esa marca de tiempo.
- Cada corrección es una nueva versión. Nunca sobrescribas un corte aceptado.
Reglas
- Ajustado desde la versión uno. Sin espacio muerto, nada superpuesto, sin sonidos recortados.
- Tomas guiadas por señales. Nunca la última toma por defecto. Pregunta cuando la interpretación no esté clara.
- Las colas de respiración terminan 20 ms después de la última palabra.
- Las uniones con movimiento 3x o más recuperan fotogramas hasta 2x o menos. Sin fundidos.
- Escanea y repara los cortes de micrófono en el origen antes de cortar.
- Nunca aceleres ni sintetices la voz. Nunca subas metraje.