Communitygithub.com

edición-de-video-corto

Edita un video vertical de cabecera parlante corto (TikTok / Reels / 小红书 / Shorts) de principio a fin en el flujo de 5 pasos del editor — 1 corte bruto, 2 subtítulos, 3 texto cinético con sonido, 4 B-roll y MG (tarjetas de datos, clips de diseñador, gráficos animados, recortes del presentador), 5 BGM y entrega — con ffmpeg + OpenFilm. Úsalo cuando el usuario entregue material bruto (y normalmente un PDF del guion) para un nuevo episodio, pida ejecutar o volver a ejecutar cualquiera de esos pasos, o cambiar un episodio realizado de esta manera.

¿Qué es edición-de-video-corto?

Esta habilidad profesional transforma material bruto de video vertical (cabeza parlante, TikTok/Reels/小红书/Shorts) en un episodio completo editado a través de un flujo de trabajo de 5 pasos, más pasos opcionales finales y de texto de publicación. Utiliza `ffmpeg` (NVENC), `openfilm`, `faster-whisper` en CUDA y `onnxruntime-directml` para RVM. La habilidad está diseñada para un editor profesional: cada paso verifica visualmente y mide niveles, balance L/R y niveles de pico verdadero. Incluye generación de subtítulos (que deben corregirse), creación de texto cinético con animaciones y sonido, adición de tarjetas de datos y gráficos animados (MG), y mezcla de BGM con compresión de sidechain. El paso final (que solo se ejecuta bajo confirmación explícita del usuario) mueve la entrega final a la carpeta Videos y el resto a la Papelera de reciclaje. También es compatible con la subida a Google Drive. La habilidad se ejecuta mediante `run.py <episode-dir> <step>` y lee/escribe archivos JSON y TSV en la carpeta del episodio. Los estándares incluyen evitar HDR sin mapeo de tonos, verificar que los números en pantalla coincidan con lo que se dice (no con el guion) y usar solo fuentes con licencia.

Compatible con✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/zihangwong/short-video-edit/tree/main

Preguntar en tu IA favorita

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

Documentación

Edición de video corto (pipeline OpenFilm)

El usuario es un editor profesional. Trabaja a su estándar: cada corte, número y sonido está verificado, nada se considera "terminado" antes de haber sido revisado (fotogramas) y medido (niveles, verificación de plataforma).

Scripts: .claude/skills/short-video-edit/scripts/ (llámalos mediante run.py). Python 3.12, ffmpeg 9 (NVENC), Node (para npx -y [email protected]), faster-whisper en CUDA, onnxruntime-directml (máscara RVM) están instalados.

python .claude/skills/short-video-edit/scripts/run.py <episodio-dir> nuevo|corte|subs|texto|broll|bgm|todos|mirar <t>

La carpeta del episodio (episodes/<nombre>/)

archivopasoquién lo escribe
episode.jsontodosfuente, título, out_name, velocidad (1.2), fuente (por defecto Noto Sans SC Black; cualquier fuente CJK para la que tengas licencia), bgm (id CC0 de OpenFilm), palabras clave (amarillas en subtítulos), palabras (jieba), pasos (píldoras STEP), cta, designer_cards, drive_folder (opcional)
blocks.json1tú: las tomas, [{a, b, label, note}] en segundos de la fuente
subs.tsv2tú: subtítulos corregidos inicio<TAB>fin<TAB>texto en la línea de tiempo del corte
kinetic.json3tú: grupos de énfasis (formato abajo)
cards.json, mg.json4tú: tarjetas de datos y gráficos animados
work/ film/ out/scripts: intermedios, el proyecto OpenFilm, entregables

Todos los tiempos en subs/kinetic/cards/mg/steps/cta están en la línea de tiempo del corte antes del aumento de velocidad. La velocidad se aplica en la entrega.

Paso 1 — Corte bruto

  1. run.py EP new → completar episode.json. Luego run.py EP corte (se detiene después de la preparación si blocks.json está vacío).
  2. La preparación informa el balance izquierdo/derecho. Las grabaciones de teléfono y lavalier a menudo llevan la voz en UN solo canal (el otro ≈ -25 dB): la entrega se hace mono dual desde el lado bueno automáticamente (voice_channel). Nunca promedies L+R.
  3. Lee work/transcript.txt junto al PDF del guion. Compara lo que dijo con el guion y dile al usuario dónde se desvía (especialmente los números) — los números en pantalla siguen lo que él DICE, no el guion.
  4. Elige tomas en blocks.json: la estructura sigue el guion; conserva sus elaboraciones extra; corta retomas, falsos comienzos, voces de apuntador, insultos, silencios. La última toma limpia de una línea repetida gana a menos que el usuario diga lo contrario. Dentro de un bloque, las pausas ≥ 0.45 s se ajustan automáticamente.
  5. run.py EP corte de nuevo → out/cut_preview.mp4 (código de tiempo quemado) + QC del corte. Muéstrale al usuario y obtén la aprobación del corte antes del paso 2. Señala los "empalmes calientes" que suelen ser coletillas de respiración (ya atenuadas 40 ms) — di cuáles.
  6. Para volver a cortar más tarde: cambia blocks.json, vuelve a ejecutar corte, luego scripts/shift.py EP <cut_t> <delta> mueve cada tiempo colocado manualmente después de la edición (delta = longitud anterior − longitud nueva).

Paso 2 — Subtítulos

run.py EP subs → subs_draft.tsv. Corrige en subs.tsv: arregla palabras mal escuchadas (whisper a menudo convierte una frase hablada en caracteres sin sentido que suenan igual), ortografía inglesa, chino simplificado, elimina apartes fuera del guion. Marca las suposiciones al usuario. Los subtítulos se renderizan en una sola línea: cualquier cosa más ancha que ~10 CJK se convierte automáticamente en el siguiente subtítulo, temporizado a partir de marcas de tiempo de palabras, dividido en límites de palabras de jieba, nunca dentro de una frase en inglés, nunca empezando con 的/了/吗/」.

Paso 3 — Texto cinético + efectos de sonido

Escribe kinetic.json. Elige los puntos fuertes, números, contrastes, títulos de pasos (≈ uno cada 5–8 s, no en ventanas de tarjetas). Los subtítulos en ejecución se ocultan automáticamente mientras un grupo está activo.

{"a": 34.20, "b": 35.72, "items": [
  {"text": "会很", "x": 290, "y": 450, "fs": 96, "col": "W", "anim": "fade", "at": "会很"},
  {"text": "丢脸", "x": 800, "y": 380, "fs": 210, "col": "R", "anim": "slam", "at": "丢脸", "v": true, "rot": 4}]}
  • at: una frase que dice (resuelta al tiempo real) o un número de segundos después de a.
  • x/y = centro en píxeles sobre 1080×1920; mantén y ≈ 380–700 (alrededor/encima de la cabeza), x 200–880. v: apilamiento vertical.
  • Zona de seguridad de títulos (el estándar del usuario = guía interna del 10% de Premiere): todo lo legible se mantiene dentro de x 108–972, y 192–1728. La etapa text mueve cualquier elemento cinético que la cruce de vuelta adentro (imprime "title-safe … moved"), y la compilación rechaza posiciones de subtítulos fuera de ella. Diseña dentro de ella desde el principio; title_safe en episode.json anula la caja.
  • col: W Y R C o #hex; latin: Arial Black para inglés/números; italic; rot grados.
  • anim: fade drop rise slide_l slide_r pop slam type wave flip stamp split shake.
  • deco: box underline strike check (dibujado después de que el texto aterrice, con su propio sonido).
  • Sin contornos en ningún texto (subtítulos, cinético, etiquetas MG): solo sombra paralela suave y en capas — el gusto del usuario ("比较高级").
  • Mezcla tamaños (una palabra de configuración de 90 px + una palabra de impacto de 150–230 px), mezcla vertical y horizontal, blanco/amarillo/rojo. Seguridad de aumento de velocidad (automática, la etapa text imprime lo que hizo): las animaciones se reproducen speed× más lento en la película para que se vean como se diseñaron después del aumento de velocidad 1.2×, y cada elemento tiene aterrizaje + 0.45 s de espera (tiempo real, kinetic_hold) + salida antes de que termine su grupo — el grupo se extiende al tiempo libre (nunca al siguiente grupo / tarjeta negra / MG, máximo 1.2 s), de lo contrario el elemento comienza hasta 0.3 s antes de su palabra. Los subtítulos aún regresan en el tiempo escrito. Lee el informe; si un elemento comienza muy antes de su palabra, acorta el texto del grupo o mueve el siguiente grupo. Cada animación y decoración obtiene un sonido automáticamente (assets/sfx_library.json, OpenFilm CC0, variantes rotadas). run.py EP text construye la temporización; verifica con look después del paso 4.

Paso 4 — B-roll y MG

  • Clips de diseñador (ProRes 4444 con alfa, p. ej., tarjetas A下卡): enuméralos en episode.json designer_cards {file, out_in, out_out, src_in}. Primero verifica sus números contra lo que él dice — las tarjetas de diseñador se hacen a partir del guion; si contradicen lo que dice, reconstruye la tarjeta en cards.json en el mismo estilo y díselo al usuario.
  • Tarjetas de datos (cards.json, estilo diseñador): {a, b, badge, keep_bg_after?, rows:[step|value|big]} — step {t, y, num, title, sub}, value {t, y, label, value, t_value?, color: green|yellow|sub, strike?}, big {t, number, line}. [[word]] = amarillo. Durante las tarjetas, el fotograma se vuelve negro, la tarjeta se coloca arriba y el recorte del presentador (máscara RVM) se coloca abajo a la izquierda; los subtítulos se mueven encima de él.
  • MG (mg.json): tipos target (crece en big_at), bucket (mode overflow|fill, label), frost, checklist (rows, checks), breakdown (crack_at), cta (word = la palabra clave del comentario, gift_at); cada uno con sfx [[t, id, in, out, file_peak, target_peak], ...]. Coloca MG en espacios (sin cinético / tarjeta) y vincúlalo a las palabras.
  • run.py EP broll renderiza la placa, enmascara cada ventana cinética / MG a resolución completa, decide delante vs detrás por elemento de texto (cubierto > 25 %, o un número cubierto > 10 % → delante; si no, detrás para profundidad; fuerza con occlusion_overrides.json {"k07": [true, null]}), y escribe el proyecto OpenFilm.
  • Verifica fotogramas: run.py EP look 35.4 (imprime el PNG) — mira cada grupo / MG al menos una vez, especialmente los números. El usuario puede abrir el proyecto en OpenFilm Studio y arrastrar cualquier cosa.

Paso 5 — BGM y entrega

run.py EP bgm: renderizado de OpenFilm con desenfoque de movimiento (~20–30 min para 3 min), luego el sonido: voz mono dual → aumento de velocidad → compresión → loudnorm −13 LUFS: los picos de voz se sitúan en 0 a −6 dB en el medidor de nivel (el estándar del usuario; equivalente de 剪映 ≈ +13 dB), pico verdadero ≤ −1.2 dBTP; BGM en bucle, con compresión de sidechain de ≈16 dB bajo el habla. Entrega out/<name>.mp4 (+ .srt, _preview720.mp4 bajo 30 MB para el teléfono, _levels.png), ejecuta la verificación de TikTok/Reels e imprime RMS L/R (deben coincidir).

Paso 6 — Versión final (solo cuando el usuario lo diga)

Ejecuta esto SOLO cuando el usuario diga que esta versión es final (满意 / final / 定稿) — nunca por tu cuenta, nunca porque un renderizado haya pasado. Primero run.py EP final --dry y dile al usuario el resumen de una línea (qué va a 视频, cuántos videos / MB van a la Papelera de reciclaje), luego run.py EP final: el out/<out_name>.mp4 final se mueve a la carpeta Videos de Windows (%USERPROFILE%\Videos); cada otro video del episodio (versiones, vistas previas, vista previa del corte, mezzanine, placa, recortes, renderizados, cachés) va a la Papelera de reciclaje (no permanente). El material fuente y los clips de diseñador listados en episode.json (y keep) nunca se tocan; los archivos del proyecto (json, subs, .srt, máscaras) se quedan, para que el episodio pueda reconstruirse desde la fuente. Agrega --also <dir> para una carpeta de proyecto anterior del mismo episodio. out/FINAL.txt registra dónde fue el final. Opcional: si episode.json establece drive_folder, el final también se copia en esa carpeta de Mi Unidad del usuario a través de Google Drive para escritorio (instalado, iniciado sesión, montado como letra de unidad); se sube en segundo plano. Nunca copies en una carpeta compartida del cliente a menos que el usuario lo diga. Si Drive no ha iniciado sesión, el paso lo indica; después de iniciar sesión, ejecuta run.py EP final --upload-only.

Paso 7 — Texto de publicación (cuando el usuario diga 我要发布 / 发布这个视频)

Si el proyecto tiene una habilidad de copia de publicación, cárgala y síguela; de lo contrario, escribe el título, cuerpo, etiquetas y texto de portada de 小红书 / TikTok a partir de subs.tsv + guion de este episodio en out/publish_copy.md. No publiques por el usuario.

Estándares y problemas (aprendidos a las malas)

  • El metraje de iPhone es HDR (Dolby Vision HLG): el mezzanine se mapea de tono (mobius) a SDR BT.709. Nunca subas HDR tal cual.
  • Mide L/R antes de cualquier cosa (la voz en un solo canal ocurre). Nivel de voz: medidor 0 a −6 dB.
  • Resortes: slam usa un resorte firme con subimpulso ajustado — nunca dejes que la escala baje de ~0.94 (parecía que el texto se encogía).
  • Fuentes: la fuente de subtítulos debe cubrir cada carácter (verifica con fontTools); las fuentes/SFX en caché de 剪映 tienen licencia solo para 剪映 — usa una externa solo cuando el usuario confirme una licencia.
  • Los borradores de 剪映 11.x están cifrados: no hay ciclo de ida y vuelta de código; entrega medios + SRT si el usuario quiere terminar en 剪映.
  • Antes de cada renderizado, look en los momentos cambiados; después, informa la verificación de plataforma, sonoridad, pico verdadero y L/R.
  • Los renderizados largos se ejecutan en segundo plano; nunca digas que un renderizado está terminado antes de que lo esté.

Skills relacionados