heshaofu2/speech-video-dedup

Objetivo y Alcance

Lograr que la narración original del usuario sea coherente y limpia, conservando las palabras exactas, la información sustancial y el proceso de demostración necesario. Según la solicitud actual, se entrega una versión candidata, una vista previa o una versión completa editada; no se debe interpretar "echar un vistazo" como una autorización para exportar el video completo.

Cuando el usuario haya solicitado una edición completa, se realiza la verificación necesaria y se entrega directamente, sin exigir confirmación paso a paso de forma mecánica. Si existe una ambigüedad irresoluble sobre puntos clave, contenido exclusivo o resultados de demostración, se continúa con otros fragmentos primero y luego se plantean las preguntas mínimas de forma concentrada. Se mantiene la forma de corte y el alcance ya confirmados por el usuario, sin rehacer fragmentos aprobados debido a una nueva ronda de verificación.

Video Original y Herramientas

Primero lea video-shared; los directorios, la protección de archivos, el descubrimiento de comandos y la evaluación de resultados siguen las reglas compartidas. La transcripción solo se realiza mediante video-to-text; la reutilización y las adiciones parciales se realizan según el contrato de transcripción, sin elegir otro motor de transcripción ni escribir scripts de reconocimiento adicionales en este skill.

• Use dedup inspect para registrar las especificaciones del video original, tamaño, hora de modificación y SHA-256; el plan de eliminación de segmentos debe corresponder al video original verificado en esta ocasión.
• La eliminación local de segmentos se realiza mediante el CLI unificado dedup check / render. Cuando el usuario especifica explícitamente un software de edición, se mantiene su elección; no se crean nuevos proyectos de animación o renderizado web para la eliminación.
• La transcripción solo sirve para localizar; la decisión de qué eliminar debe contrastarse con el audio y video reales.

Buscar repeticiones, no comprimir el curso

Revise todo el video, incluidas las repeticiones no consecutivas; para cada grupo registre la hora del video original, ambas versiones de la frase, la posición donde quedó incompleta, la información exclusiva y la forma sugerida de unirlas.

Distinguir:

• Reinicios de grabación claros: detenerse a mitad de una frase, comenzar de nuevo, repetir la misma oración consecutivamente; la versión posterior reemplaza a la anterior.
• Repeticiones opcionales de contenido: explicar algo de otra manera. Comparar si se proporcionan ejemplos, condiciones o nueva información; no tratarlo directamente como un reinicio de grabación.
• Estructura didáctica normal: vista general seguida de desarrollo, definición seguida de demostración, repaso, énfasis y pausas para leer gráficos. Se conserva por defecto.

No asumir por defecto "conservar la última versión". Priorizar la comparación de conservar el segmento completo, la primera mitad seguida de la conclusión de la segunda, o conservar las frases completas de ambas versiones. Proteger las transiciones que introducen un tema, los referentes, las condiciones, los números y las relaciones causa-efecto. Marcar el contenido válido que aparece solo una vez como zona protegida; al eliminar repeticiones, no se debe eliminar ese contenido accidentalmente.

Decidir simultáneamente el punto de corte de audio y video

Primero leer la forma propuesta de unir los fragmentos, luego verificar el audio y video correspondientes. El tiempo del modelo no es el punto de corte final; si es necesario, retranscribir localmente y ajustar al cuadro considerando la forma de onda, las pausas y la reproducción real.

• Audio: Conservar sonidos de palabras completos, respiración natural, acentos y ritmo entre frases. No cortar la última palabra de una oración anterior solo para eliminar media frase; no eliminar todas las pausas. El fade de audio muy corto solo se usa para reducir el chasquido del corte, no para ocultar palabras tragadas ni para reemplazar la escucha.
• Significado visual: Al unir, verificar si se muestra el material didáctico correspondiente, captura de pantalla, gráfico o paso de demostración; si "aquí", "dentro de esto" aún tienen objetos visibles; si el cambio de página y el zoom ocurren en la posición necesaria para la explicación.
• Integridad de la operación: Verificar los clics, desplazamientos, cambios de ventana y resultados de estado dentro del intervalo eliminado. El hecho de que dos fotogramas consecutivos sean iguales no prueba que no haya habido operaciones clave en el medio.
• Movimiento y lectura: Comparar postura, gestos y mirada de la persona; observar el mouse, las animaciones y el tiempo de lectura de texto. Primero elegir el punto de unión natural más adecuado; solo cuando sea realmente necesario usar una imagen de material didáctico existente y correspondiente, y verificar la sincronización de la boca o la secuencia de acciones para evitar crear desfases para ocultar el punto de corte.

Las imágenes de comparación alrededor de 0.1 segundos y 1 segundo antes y después del punto de unión son adecuadas para un primer filtrado; cuando haya acciones, operaciones o cambios de página, se debe realizar una verificación continua. La similitud de fotogramas, la retranscripción exitosa y la decodificación exitosa no pueden probar por sí solas que la escucha sea natural.

La vista previa debe poder verificar la transición

Primero exportar una vista previa real y continua de los fragmentos complejos. La reproducción temporal saltada del video original en el navegador puede localizar, pero puede tener pausas adicionales o imprecisiones; no debe hacerse pasar por el resultado editado.

La vista previa debe incluir la introducción anterior y el significado completo posterior; no basta con que suene bien solo dentro del fragmento. Después de que el usuario apruebe el corte interno, extender continuamente el último segmento conservado hasta el contenido siguiente o la siguiente subsección para verificar si hay omisiones, repeticiones o desfases visuales, en lugar de agregar un nuevo punto de corte al final de la vista previa.

Se puede usar dedup review para generar una página de verificación local: localización del video original, vista previa real, vista previa con continuación y comparación de visuales se presentan por separado. Si no es posible reproducir la página, se debe explicar claramente y seguir proporcionando archivos de video que se puedan abrir por separado.

Plan, Exportación y Verificación

Todos los tiempos del plan se basan primero en el video original, registrando simultáneamente los puntos de unión después del corte. Los puntos de corte ya confirmados se bloquean, sin deducir repetidamente los intervalos superpuestos que aparecen tanto en la lista de segmentos grandes como en la de frases cortas.

Para videos nativos de velocidad de fotogramas constante, use secuencialmente dedup inspect, dedup check, dedup render. El uso, el formato del plan, el manejo de otros tipos de video y los requisitos de verificación se encuentran en references/operator.md. El CLI no identifica repeticiones ni decide los puntos de corte en lugar del usuario.

La exportación debe mantener la relación de aspecto original, la resolución legible, la velocidad de fotogramas y la disposición del audio; sin que se solicite, no se agregan subtítulos, música, cambios de velocidad ni nuevos estilos visuales. No use el resultado de stream-copy con fotogramas clave para hacerse pasar por una edición precisa al cuadro.

Después de completar, verifique:

• Las frases reales en los puntos de unión del video final, si se ha conservado la información exclusiva y si los fragmentos confirmados no han sido alterados.
• El contenido visual antes y después de los puntos de unión reales en comparación con las posiciones planificadas en el video original, así como las operaciones continuas necesarias, las acciones de la persona y la transición posterior.
• Si el video completo se decodifica correctamente, si la duración, el número de fotogramas, la sincronización de audio y video y las especificaciones de salida cumplen con el plan.
• Si el tamaño del video original, la hora de modificación y el valor de verificación se mantienen sin cambios.

Cuando no se tenga capacidad de comprensión de audio o reproducción continua, se entregan fielmente la transcripción completada, la comparación visual y la verificación técnica, sin afirmar "se ha escuchado todo el video" o "todos los puntos de unión han sido verificados auditivamente". Separar la percepción auditiva no verificada de las comprobaciones objetivas ya aprobadas.

Finalmente, entregue el video final que se pueda abrir, la duración, el alcance del procesamiento y el estado de conservación del video original; describa el alcance de la verificación y las limitaciones necesarias en un texto breve. La lista de verificación, la comparación de tiempos entre el video original y el final, y las imágenes de comparación se dejan en el directorio de productos para facilitar futuras modificaciones.