Corte preliminar (A-cut): diálogo/historia, tomas, sincronización
Entrega una lista de decisiones vinculada a las fuentes y, cuando las herramientas de ejecución y la evidencia lo permitan, una exportación preliminar inspeccionable. Prioriza una historia coherente y un habla natural sobre un número objetivo de cortes. Esta habilidad proporciona un flujo de trabajo, no un renderizador ni un algoritmo universal de eliminación de duplicados.
Contrato de origen e intención [bl: invariante]
Lee el contrato del proyecto compartido. Para material guiado por música, utiliza video-music para un mapeo temprano de frases/ritmos antes de fijar la sincronización de la historia. No fuerces el habla sobre una cuadrícula de ritmo.
Utiliza el resumen de edición proporcionado; si las opciones de material no están resueltas, utiliza video-editing-brief solo para esas lagunas. Preserva los originales, las líneas exactas requeridas, las correcciones factuales y los elementos imprescindibles. Escribe los archivos derivados por separado. Inventaria la identidad de la fuente, la duración, las pistas, la velocidad de fotogramas/base de tiempo y la cobertura de la transcripción cuando sea accesible. Distingue los medios realmente vistos/escuchados de la transcripción, la metadatos o la descripción del usuario. No conviertas la evidencia faltante en una toma inspeccionada o en un punto de corte preciso.
Un corte A guiado por diálogo construye la historia hablada antes de la cobertura decorativa. Una historia visual o demostración se construye alrededor de acciones visibles, causa/resultado y estados de pantalla requeridos; el silencio puede transmitir el evento esencial. Ningún modo requiere del otro. Observa el material silencioso antes de excluirlo. Una transcripción parcial no puede autorizar la eliminación del resto no transcrito.
Si se necesitan proxies o audio separado, preserva las identidades de religadura y el mapeo al tiempo original. Registra la autoridad del audio, la convención de desplazamiento y cualquier deriva de reloj. Verifica la sincronía con eventos observables en el lapso seleccionado; nunca iguales una coincidencia de nombre de archivo, un solo aplauso o una marca de tiempo de ASR con una sincronía sostenida. La sincronía desconocida permanece sin resolver; no reemplaces el audio en silencio ni cambies la velocidad.
Selección de tomas y recorte natural [bl: blando]
Compara las tomas candidatas en contexto, incluyendo su entrada y salida. Elige la entrega completa y veraz más sólida para cada trabajo narrativo, en lugar de siempre la última, la más corta o la más similar a la transcripción. Preserva las alternativas.
El tiempo de las palabras es lo primero: las repeticiones solo se pueden encontrar en las palabras que la transcripción conservó. Si una fuente no tiene una transcripción con marcas de tiempo por palabra (las marcas de tiempo de segmento o fragmento no son suficientes), ejecuta el transcriptor incluido en la fuente completa y sin recortar. ${CLAUDE_PLUGIN_ROOT} es la raíz del paquete instalado en Claude Code; otros agentes usan la ruta raíz del paquete:
python3 "${CLAUDE_PLUGIN_ROOT}/skills/video-rough-cut/scripts/transcribe.py" SOURCE.mov -o source-words.json
Utiliza un backend que ya sea importable y conserva los rellenos y reinicios donde el modelo lo permita. Si ninguno es importable, no instala nada, imprime un comando uv run --with … único y sale con el código 3: pregunta al usuario antes de cualquier descarga o carga en la nube. Sin marcas de tiempo por palabra, marca la auditoría de repeticiones como no ejecutada. Verifica las transcripciones existentes para el recorte de silencios o la temporización solo por fragmentos antes de reutilizarlas.
Para el diálogo con marcas de tiempo por palabra, ejecuta la auditoría de recorte una vez por grabación o pista de orador antes de seleccionar las tomas:
python3 "${CLAUDE_PLUGIN_ROOT}/skills/video-rough-cut/scripts/trim_audit.py" source-words.json
Proporciona una lista de palabras (o un objeto JSON con words), con texto, inicio y fin en segundos. Agrega --protect START END para cada pausa intencional y, opcionalmente, --min-gap SECONDS para mostrar intervalos silenciosos. Un hueco en la transcripción puede contener una reacción o una acción no transcrita. Inspecciona ambas entregas en busca de repeticiones exactas; para un reinicio marcado, escucha la cláusula intermedia antes de descartar algo. ¿Sin evidencia de temporización? Utiliza el audio fuente y marca los bordes inciertos para su revisión.
Revisa la historia propuesta en busca de significado repetido, así como de redacción repetida: las paráfrasis pueden hacer el mismo trabajo, mientras que un gancho recurrente, una devolución de llamada, una corrección, una pregunta/respuesta o un énfasis deliberado pueden hacer trabajos diferentes. Registra por qué se elimina o conserva una repetición. Conserva la mejor unidad completa y cualquier información distintiva. Para un reinicio o falso inicio, compara todo el pensamiento intentado, no solo su prefijo repetido.
Evidencia de límites [bl: invariante]
No empalmes palabras entre tomas para inventar una afirmación o una entrega. Cuando una corrección cambia un hecho, conserva el significado corregido y el contexto necesario; no unas un número antiguo a un nuevo calificador.
Trata las detecciones de ASR, alineación, silencio y similitud como candidatos, no como autoridad de corte. Las palabras textuales sin procesar pueden exponer reinicios que el texto normalizado oculta; el ASR también puede omitir repeticiones. Verifica los interiores conservados y los bordes exteriores, así como las uniones. No elimines repeticiones basándote únicamente en una puntuación alta de coincidencia de palabras entre fuente y render.
Resuelve los bordes de corte sospechosos contrastándolos con el habla audible y las palabras vecinas. Las temporizaciones de palabras de longitud cero, estiradas, superpuestas o faltantes, las consonantes silenciosas y los hablantes superpuestos hacen que un borde sea incierto. La alineación forzada puede refinar la temporización candidata, pero no prueba la validez de la transcripción o el límite seguro del fonema. Mantén suficiente contexto fuente para sonidos completos, respiraciones y pausas naturales; elige límites de frase conservadores o deja un candidato sin resolver si la escucha no puede establecer un recorte seguro. No inventes un margen universal en milisegundos, un umbral de silencio, una cuota de pausa o una aceleración predeterminada. Una respiración tranquila, una reacción, una acción visual o una pausa significativa no es silencio muerto por definición.
Decisiones editables y ejecución [bl: invariante]
Mantén las marcas de tiempo originales de la fuente como autoridad incluso después de varias pasadas; mantén el mapa separado de fuente a salida. Utiliza identificadores de decisión estables e incluye rangos conservados, rangos/razones eliminados, tomas en competencia, bordes no resueltos y repeticiones intencionales. Utiliza el contrato de traspaso al elegir una representación portátil de tabla o JSON. Marca los rangos provisionales explícitamente para que no se confundan con cortes ejecutables.
Verifica los límites y el orden de los rangos, las unidades de marca de tiempo/base de tiempo, las duraciones de audio y video asignadas, y la línea de tiempo prevista. La reutilización de un rango fuente, tomas superpuestas, huecos o ediciones de audio/video divididas deben ser intencionales y estar documentados; de lo contrario, repáralos antes de la conformación. Preserva la cadencia fuente a menos que la especificación de salida requiera conversión, y documenta el manejo de VFR/mixto y el riesgo de deriva.
Utiliza el editor o la herramienta de corte/conformación disponible, verificando sus entradas admitidas. FFmpeg puede ejecutar recortes, conformar y renderizar; no decide qué toma es semánticamente redundante ni qué entrega es la mejor. No reclames un backend incluido ni instales/subas material en silencio. Si la ejecución no está disponible, devuelve las decisiones editables propuestas y las brechas de evidencia específicas, no una exportación fabricada. Antes del trabajo con medios, respeta las grabaciones/trabajos activos y las limitaciones de recursos; comienza con muestras limitadas de búsqueda de entrada, serializa las decodificaciones pesadas, escribe nuevas salidas y detén solo los procesos propiedad de la tarea. No lances un render completo sin límites para probar una unión incierta. Los cortes de copia de flujo solo con fotogramas clave pueden perder los bordes solicitados; verifica los límites codificados reales o utiliza una conformación adecuada con precisión de fotograma.
Verifica el resultado real [bl: invariante]
Vincula la revisión al hash exacto de la salida o a la revisión inmutable y la lista de decisiones. Escucha cada unión de habla modificada a velocidad normal con contexto circundante, verificando consonantes, palabras completas, respiraciones, repeticiones, clics y huecos accidentales. Observa la sincronía y la continuidad visual en las uniones y a través del audio grabado por separado. Luego, mira/escucha la historia preliminar completa, incluidos los interiores de los rangos y el inicio/final, en busca de tomas abandonadas, ideas repetidas, conectores faltantes y orden engañoso. No utilices cobertura o efectos para ocultar el habla no resuelta.
Cuando esté disponible una transcripción nueva con marcas de tiempo por palabra de la exportación preliminar exacta, ejecuta la misma auditoría de recorte en ella en el tiempo de salida. Concilia cada repetición restante con las conservaciones intencionales, incluidos los hallazgos dentro de los planos conservados. Escucha duplicados parafraseados que el comparador pasa por alto. Si se repara un corte, verifica la nueva exportación. Una lista de hallazgos vacía por sí sola no puede limpiar el diálogo.
Sondea y decodifica el archivo entregado; concilia las pistas, la duración, la cadencia, el mapeo fuente/salida y los cortes previstos. Verifica si hay huecos inesperados, superposiciones, fotogramas negros/congelados y deriva de audio. El éxito de la decodificación o una nueva transcripción por sí solos no pueden probar la naturalidad o la continuidad de la historia. Informa lo que realmente se escuchó, vio y verificó mecánicamente. Si la escucha, la visualización o la cobertura completa de la historia no están disponibles, etiqueta esa revisión como incompleta, con las decisiones afectadas identificadas. Un entregable solo con plan no debe implicar una garantía de calidad (QA) de la salida renderizada. Los bytes cambiados invalidan la revisión específica de la salida anterior; reajusta los subtítulos dependientes después de los cambios en el habla.
Una vez que la sincronización de la historia sea estable, entrega su identidad exacta y su reloj de salida a cutaways, música, sonido, subtítulos, color y QA de exportación según sea necesario. Las superposiciones posteriores preservan estas sincronizaciones; cualquier cambio de tiempo requiere una nueva versión y una revalidación de los flujos descendentes afectados.
Devuelve las decisiones editables, la justificación de la toma seleccionada/alternativa, la exportación preliminar si se produjo, la cobertura de verificación y los elementos no resueltos. Separa la preparación mecánica de la aprobación de la historia/gusto del creador. No declares el corte limpio mientras persistan repeticiones accidentales conocidas o límites de palabras inseguros.
Referencias
Estas informan el flujo de trabajo; ninguna es una dependencia de ejecución o un respaldo.
- Video Use: inspección basada en transcripción y decisiones de rango fuente editable.
- Candidatos a errores de Herk Edit Kit: separa los cortes de repetición/reinicio propuestos de la revisión editorial.
- Auto-Editor: exportación de línea de tiempo editable y márgenes; la actividad de silencio no es selección semántica de tomas.
- WhisperX: alineación de palabras opcional, con límites de transcripción/superposición.
- stable-ts: refinamiento de marca de tiempo opcional; esta instantánea está archivada.
- Documentación del filtro trim/atrim de FFmpeg: rangos de ejecución y manejo explícito de marcas de tiempo.
- Guía de video personalizado de HyperFrames: distingue el montaje guiado por la fuente de la animación creada, revisa la historia antes del pulido.
Consulta notas de alcance y licencia del paquete para obtener información sobre el alcance y la procedencia.