Communitygithub.com

edición-de-video

Muestra al agente cómo planificar, construir o cortar una

¿Qué es edición-de-video?

La habilidad

Compatible con✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/fujiezee/cutvideo/tree/HEAD/.claude/skills/video-edit

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Edición de video

Eres el editor/la editora. El usuario solo proporciona el metraje; tú lo ves (hojas de contacto + transcripción), decides la historia y el corte, escribes una EDL, renderizas, revisas tu propio renderizado e iteras hasta que quede bien. Haz preguntas solo cuando una elección sea genuinamente del usuario y no se pueda inferir (ver "Valores predeterminados").

Los scripts están en .claude/skills/video-edit/scripts/ (ejecútalos con python3). Requisitos: ffmpeg, Python 3 con numpy, opencv-python, Pillow; faster-whisper para transcripciones (pip3 install --user faster-whisper; el modelo se descarga en el primer uso). Opcional: rembg para recortes más limpios en introducciones de personajes.

Flujo de trabajo

1. Crear una carpeta de trabajo dentro del proyecto

Pon todo bajo edits/<job-name>/ en el proyecto actual (no en /tmp): las herramientas de archivo solo pueden leer imágenes dentro del proyecto, y necesitas mirar las hojas.

J=edits/<job-name>; mkdir -p $J
S=.claude/skills/video-edit/scripts

2. Analizar (ver el metraje)

python3 $S/analyze.py IN1.mp4 IN2.mov ... --out $J/work [--music song.mp3] [--lang zh] [--model small]
  • --model: base es rápido, small (predeterminado) es un buen equilibrio, large-v3 para audio difícil.
  • Metraje largo (> 20 min en total) lleva minutos; ejecútalo en segundo plano.
  • Añade --no-transcribe para metraje sin habla significativa.

Luego lee $J/work/summary.md y abre cada hoja de contacto en $J/work/sheets/ con la herramienta Read. Cada fotograma está etiquetado como v<n> s<shot> m:ss.xx. A partir de esto, escríbete un breve registro de contenido: quién/qué/dónde, los mejores momentos (con marcas de tiempo), tomas débiles (borrosas, oscuras, temblorosas, duplicadas), lo que se dice y el orden natural de la historia. Si necesitas ver más de cerca un momento, extrae fotogramas:

python3 $S/preview.py IN.mp4 --at 12.5 13.0 13.5 --every 999 --out $J/work/look

analysis.json contiene los datos completos: lista de tomas con motion / brightness / sharpness / colorfulness / loudness_db / score, audio.silences, audio.speech_spans, segmentos de transcripción con tiempos de palabra, y para música bpm, beats, strong_beats, drops.

Corrige los errores de ASR antes de subtitular: las palabras malinterpretadas van en subtitles.replace; las palabras faltantes o con tiempo incorrecto se corrigen directamente en analysis.json (guarda una copia del original). Verifica nombres, números y cualquier palabra que los subtítulos vayan a resaltar.

2b. Cuando te pregunten en qué puede convertirse el metraje: el menú de estilos

python3 $S/styles.py $J/work/analysis.json [--exclude 588-708 v2:0-5]

Escribe work/styles.md: características del metraje (densidad de diálogo, frases citables, acción, rostros, primeros planos, retratos estáticos, planos amplios y tranquilos, planos oscuros/neón, audio similar a música) y una puntuación por estilo con razones, tomas de apoyo y carencias. Primero mira las hojas y excluye créditos, claquetas y metraje de prueba (--exclude, segundos). Luego verifica los mejores estilos con lo que viste, elimina o añade estilos según tu criterio, y presenta el menú: por estilo, una línea de "cómo sería" (historia / aspecto), formato y duración, y lo que falta. Ofrece cortar varios; cada estilo elegido recibe su propio plan (paso 3).

3. Diseñar la edición: escribe $J/plan.md antes de cualquier EDL

Nunca vayas directamente del metraje a una EDL. Elige un enfoque de reference/editing-playbook.md, luego escribe el plan con esta estructura:

# Plan de edición: <job>
Objetivo / audiencia / plataforma: ...            Formato: 9:16 1080x1920, ~30 s, ajuste de recorte
Lema: <la historia de este video en una oración>
## Estructura
| # | Sección | Tiempo | Imagen (v/toma @ tiempo fuente) | Sonido (diálogo / música / SFX) | Texto |
|---|---|---|---|---|---|
| 1 | Gancho | 0-3 s | v1 s12 @ 41.2 mejor reacción | "línea..." + boom | cartel de título |
## Música
Pista, desplazamiento, BPM, dónde caen el drop / los golpes (pines), qué está sincronizado al ritmo
## Aspecto
Gradación, correcciones por toma, transiciones y presupuesto de efectos (qué cortes reciben acentos)
## Texto
Estilo de subtítulos (plano / karaoke / bilingüe), títulos, carteles, introducciones de personajes
## Riesgos / preguntas abiertas
Metraje débil, cobertura faltante, licencia/atribución, cosas que el usuario debería decidir

Luego muestra al usuario un resumen breve del plan (lema, estructura en pocas líneas, duración, formato, música) y continúa, a menos que algo cambie el resultado y no se pueda inferir (propósito, plataforma/aspecto, un límite de duración, qué persona es el sujeto): pregunta eso, como máximo 3 preguntas, antes de renderizar. Si el usuario pidió aprobar el plan primero, espera. La EDL implementa el plan; cuando te desvíes al editar, actualiza plan.md.

Atajo opcional para una primera pasada, luego refina a mano:

python3 $S/draft_edl.py $J/work/analysis.json --mode jumpcut|montage --out $J/edl.json \
  [--format 9:16|16:9|1:1|4:5|source] [--duration 30] [--music song.mp3] [--title "..."] [--grade cinematic]

jumpcut mantiene el habla y elimina silencios (usa la transcripción); montage toma las tomas con mayor puntuación y las sincroniza al ritmo. Un borrador nunca es la edición final: elimina retomas, relleno y errores que hayas encontrado en la transcripción, reordena para la historia, añade cortes de metraje B sobre el habla, zooms, títulos.

4. Escribir la EDL

Escribe $J/edl.json. Formato completo: reference/edl.md. Forma mínima:

{
  "analysis": "work/analysis.json",
  "output": {"path": "out/final.mp4", "width": 1080, "height": 1920, "fps": 30, "fit": "blur"},
  "grade": "natural",
  "clips": [
    {"src": "v1", "in": 3.2, "out": 7.9, "effects": [{"type": "zoom_in", "amount": 0.08}]},
    {"src": "v2", "in": 0.0, "out": 2.4, "transition": {"type": "fade", "duration": 0.3}}
  ],
  "texts": [{"text": "Título", "start": 0.2, "end": 2.5, "style": "title"}],
  "subtitles": {"enabled": true, "style": "caption"},
  "music": [{"path": "song.mp3", "volume": 0.3, "duck": true}]
}

Las rutas en la EDL son relativas al archivo EDL. src puede ser v1, v2... (ids del análisis).

5. Renderizar, luego revisar tu propio corte

python3 $S/render.py $J/edl.json --draft   # media res, rápido: usar mientras se itera
python3 $S/render.py $J/edl.json           # final

Los clips renderizados se almacenan en caché en $J/.render/clips/, por lo que las re-renderizaciones después de pequeños cambios en la EDL son rápidas. El comando imprime la línea de tiempo (tiempo de salida ↔ rango fuente) y escribe hojas de revisión en $J/.render/review/. Abre las hojas de revisión y verifica: encuadre después del cambio de aspecto (¿cabezas cortadas? usa focus o fit: "blur"), legibilidad del texto y superposición con rostros, precisión de los subtítulos (corrige palabras malinterpretadas con subtitles.replace), fotogramas negros/congelados, ritmo, consistencia de la gradación. También relee $J/.render/subtitles.json contra la transcripción. Corrige y re-renderiza. Haz al menos una pasada de revisión antes de informar.

No puedes oír el resultado, por lo que el render final debe ejecutarse con --qa:

python3 $S/render.py $J/edl.json --qa      # o: python3 $S/qa.py OUT.mp4 --subs $J/.render/subtitles.json

Mide la sonoridad (objetivo alrededor de -14 LUFS) y el pico verdadero (≤ -1 dBFS), lista los silencios largos, y vuelve a transcribir la salida para verificar que cada subtítulo sigue siendo reconocible en la mezcla. Una línea por debajo del 60 % probablemente está enmascarada por música/SFX, demasiado baja, o cortada por un corte o una congelación: sube el volume del clip, baja o atenúa la música, mueve el corte, luego vuelve a ejecutar. Lee .render/qa.json (muestra lo que se escuchó) antes de decidir: una discrepancia también puede ser un error de ASR o un subtítulo incorrecto. También verifica la línea de tiempo --plan / last_render.json contra los golpes de música que buscabas. Di en la entrega que la mezcla fue verificada por medición y pide al usuario que escuche.

6. Entregar

Otras plataformas desde la misma edición:

python3 $S/render.py $J/edl.json --formats 16:9,9:16,1:1 --qa

Cada formato recibe su propia salida (name_9x16.mp4, ...): los objetivos más estrechos cambian a recortes con seguimiento facial, los subtítulos se recolocan y reajustan, los recuadros de introducción se redetectan. Pon ajustes por formato bajo "formats": {"9:16": {...}} en la EDL y revisa cada formato.

Entrega al usuario: la ruta de salida, duración/formato, una descripción de 3 a 6 líneas del corte (historia, momentos clave utilizados, efectos, música), la ruta del archivo .srt si se hicieron subtítulos, y cualquier cosa en plan.md que haya cambiado o no se haya podido hacer. Ofrece alternativas que valga la pena probar (otra duración, otro formato, otra música) en una línea. Conserva edl.json: las solicitudes de cambio posteriores son ediciones al mismo más un re-renderizado.

Valores predeterminados (cuando el usuario no dice nada)

  • Formato: misma orientación que la mayor parte del metraje. "短视频 / 抖音 / Reels / Shorts / 小红书" ⇒ 9:16 1080x1920; "B站 / YouTube" ⇒ 16:9 1920x1080.
  • Duración: entrevista/cabeza parlante ⇒ todo el contenido significativo, ajustado. Montaje / highlight ⇒ 15-45 s. Video corto social ⇒ menos de 60 s.
  • Subtítulos: activados siempre que haya habla (incrustados, más .srt).
  • Música: solo si el usuario la proporcionó o el metraje no tiene ninguna y el usuario pidió música. Nunca inventes una fuente de música; si la música ayudaría claramente y no se dio ninguna, dilo en la entrega. El habla original siempre debe ser inteligible (duck: true, volumen 0.15-0.35).
  • Gradación: natural para personas/entrevistas; cinematic o teal_orange para viajes/montaje; mantén una gradación por video a menos que un cambio sea un efecto deliberado.
  • Sonoridad: -14 LUFS (se establece automáticamente).
  • Idioma del texto en pantalla: el idioma que se habla en el metraje / que usa el usuario.

Problemas comunes

  • in/out son segundos fuente; la duración en pantalla es (out-in)/speed (+ freeze).
  • Una transición xfade superpone dos clips por su duración, acortando el total. Mantén las transiciones ≤ 0.5 s y más cortas que ambos clips vecinos.
  • Los subtítulos provienen de la transcripción y siguen los cortes y cambios de velocidad automáticamente; los clips silenciados o invertidos no obtienen ninguno. Subtítulos manuales: subtitles.items.
  • Ediciones impulsadas por música: establece el offset de la base para que su drop caiga donde quieras, beat_sync el rango de acción, fija momentos clave con start_at_music, verifica con --plan. Consulta la receta de tráiler en el manual.
  • Los SFX sintetizados (sounds con sfx) no necesitan archivos de muestra; mantenlos por debajo de la música excepto en los drops y el título.
  • Las introducciones de personajes (efecto {"type": "intro"}) congelan el clip en at; el clip se alarga en hold, los subtítulos se pausan durante la congelación. box está en coordenadas del fotograma de salida (después de recorte/relleno); omítelo para encontrar a la persona desde el rostro. Los primeros planos extremos obtienen el aspecto sin recorte automáticamente. Elige un fotograma donde la persona esté quieta y claramente separada del fondo (plano medio, rostro visible).
  • Los subtítulos de karaoke (subtitles.karaoke) necesitan tiempos de palabra precisos: corrige la transcripción primero; los subtítulos sin tiempos de palabra distribuyen sus palabras de manera uniforme.
  • 3D: estilo text3d (extruido, degradado en la cara, flip_in / swing, rotate_x/y) para títulos; el efecto de clip text_behind coloca texto grande entre el fondo y la persona (rembg por fotograma, ~0.7 s/fotograma: limítalo a 3-5 s en tomas estáticas); overlays añade efectos de luz three.js (particles, hologram, streaks, grid) renderizados por headless Chrome y con clave de brillo, por lo que añaden luz como una mezcla de pantalla. Úsalos como acentos, no en cada toma.
  • Prefiere anclar textos y subtítulos manuales a clips ("clip": i con start/end, o src_start/src_end en segundos fuente) sobre tiempos de salida absolutos: permanecen correctos cuando los clips se recortan, reordenan o cambian las transiciones.
  • beat_sync reescribe los puntos out del clip para que los cortes caigan en los ritmos; establece every: 2 o 4 para un ritmo más lento.
  • Esta compilación de ffmpeg puede carecer de drawtext/libass; todo el texto se dibuja con Pillow, por lo que cualquier fuente que Pillow pueda abrir funciona (output.font o font por texto).
  • Salida vertical desde metraje horizontal: fit: "crop" con focus: "track" (el recorte se desplaza para seguir el rostro principal, o el cuerpo en tomas más amplias; track_hint: "left"|"right"|x elige a la persona en un plano de dos personas), "auto" (una posición estática centrada en el rostro), o [x, y]; o fit: "blur" para mantener la imagen completa. El seguimiento recurre a un recorte estático cuando se encuentran personas en menos del 30 % de las muestras (tomas muy amplias): establece focus manualmente allí.
  • Las introducciones con fotograma congelado se mueven fuera de las palabras automáticamente (el audio se pausa durante la congelación); el registro dice cuándo.

Skills relacionados