ameviadodo/montageos

Corte automático de un clip: elimina silencios/espacios en blanco, titubeos (eh, um…), tartamudeos (« creo que creo que ») y tomas fallidas/repetidas, conservando la última toma. Úsalo para «quitar espacios en blanco», «jump cuts», «eliminar repeticiones» o para ajustar un corte demasiado apretado o demasiado suelto.

¿Qué es montageos?

Esta habilidad, `ameviadodo/montageos`, automatiza el proceso de edición de video para limpiar tomas, eliminando silencios, titubeos (como «eh», «um»), repeticiones (frases o palabras que se repiten) y tomas fallidas que se repiten, manteniendo solo la última toma válida. Es especialmente útil para creadores de contenido que trabajan con clips de entrevistas, podcasts o monólogos, ya que ahorra horas de edición manual. La habilidad se basa en `faster-whisper` para la transcripción palabra por palabra y utiliza un algoritmo en `monteur/cut.py` que identifica y elimina palabras o frases según reglas configurables (filler words, repeticiones, retomas). El resultado es un video cortado limpio (`cut.mp4`) y un archivo de transcripción sincronizado (`transcript_cut.json`). Funciona principalmente en sistemas basados en Unix, requiere tener instalados ffmpeg y Python, y se invoca mediante comandos de terminal. El usuario puede ajustar el estilo de corte (ritmo, relleno, sensibilidad a repeticiones) editando archivos JSON en la carpeta `styles/`, y también puede revisar el archivo `edl.json` para entender qué se eliminó y por qué.

Compatible con~Claude Code~Codex CLI~Cursor

npx skills add https://github.com/ameviadodo/montageos/tree/HEAD/skills/monteur-decoupe

Documentación

Corte: silencios, titubeos, repeticiones

bin/monteur transcribe RUSH.mp4 [--language es] [--model small]   # si no se ha hecho aún
bin/monteur cut RUSH.mp4 --style <estilo>

Qué hace el algoritmo (`monteur/cut.py`)

Transcripción palabra por palabra (faster-whisper, con marcas de tiempo por palabra).
Palabras eliminadas:
- filler: lista style.cut.fillers (eh, um, este, o sea, bueno, pues…).
- repeat: n-grama (de 1 a 5 palabras) repetido inmediatamente → se elimina la 1.ª ocurrencia.
- retake: frase retomada en las 3 frases siguientes (similitud ≥ retake_similarity) → se elimina la toma fallida, queda la última.
Las palabras conservadas se convierten en segmentos (± padding), se fusionan si la separación es < min_silence, luego se restan los silencios de ffmpeg (silence_db).
Salida cut.mp4 (microfundidos de audio de 12 ms anticlic) + transcript_cut.json resincronizado.

Tu control

Lee edl.json → stats y removed ({w, t, why}). Si se eliminó una palabra útil (ej. «pues» como nombre propio, repetición voluntaria «muy muy»), ajusta el estilo: retira el filler de la lista, baja remove_retakes, o sube retake_similarity a 0.85.
Ritmo: min_silence 0.25 = muy nervioso (TikTok), 0.45 = dinámico, 0.7 = pausado. padding 0.05–0.15 s.
Toma sin voz (B-roll, música): el corte se realiza solo con los silencios de audio.
Después de un recorte, vuelve a ejecutar bin/monteur plan (los tiempos del plano cambian) — o conserva el plano si solo se movieron ajustes pequeños y verifica en el control de calidad.

Ajustes en styles/<estilo>.json → sección cut (ver styles/default.json).