snip — Découpage et réorganisation vidéo
Découpe des vidéos en segments, les réorganise et les exporte à une fréquence d'images spécifiée. Utile pour créer des bandes-annonces, réorganiser des scènes ou modifier le rythme d'une vidéo.
Le répertoire de la compétence (où se trouve ce SKILL.md) est désigné ci-dessous par $SKILL_DIR.
Quand utiliser
Utilisez cette compétence lorsque l'utilisateur souhaite :
- Découper une vidéo en segments spécifiques
- Réorganiser des segments vidéo dans un ordre différent
- Supprimer des sections indésirables d'une vidéo
- Modifier la fréquence d'images de sortie (coupures par seconde)
- Détecter automatiquement les segments de parole pour des coupures naturelles (prioritaire)
- Détecter automatiquement les changements de scène en mode de repli
Configuration (première exécution uniquement)
cd "$SKILL_DIR" && uv sync
Flux de travail de l'agent
1. Interroger l'utilisateur
Avant de couper la/les vidéo(s), j'ai besoin de savoir :
📹 Vidéo(s) source(s)
Listez les fichiers vidéo et leurs emplacements
✂️ Segments à découper
Pour chaque segment, précisez :
- source : nom du fichier
- start : heure de début en secondes (ex. 0.0, 5.5)
- end : heure de fin en secondes (ex. 2.0, 10.0)
Exemple de segments :
[
{"source": "video.mp4", "start": 0.0, "end": 1.0},
{"source": "video.mp4", "start": 3.0, "end": 4.5},
{"source": "video.mp4", "start": 1.5, "end": 2.5}
]
🎬 FPS de sortie (optionnel)
Par défaut : 30 ips
Options courantes : 24, 30, 60
📁 Répertoires d'entrée / sortie (par défaut : ./input et ./output)
Attendez la réponse de l'utilisateur avant de continuer.
2. Déterminer la stratégie de découpage
Ordre de priorité :
- Segments explicites — Si l'utilisateur fournit des heures de début/fin spécifiques, utilisez-les
- Transcription audio — Si
transcription.enabled: true(par défaut), recherchez ou générez une transcription et découpez aux limites des segments de parole - Détection adaptative de scènes — Repli si la transcription n'est pas disponible ou échoue
Transcription audio (méthode principale)
La compétence essaie d'abord d'utiliser la transcription audio pour obtenir des segments de parole horodatés à partir de la vidéo. Cela produit des coupures plus naturelles alignées sur le contenu parlé.
🤖 Mode transcription audio (PRIORITAIRE)
Le découpeur va :
1. Chercher un fichier JSON de transcription existant dans output_dir (ex. video_transcription.json)
2. S'il n'est pas trouvé, exécuter automatiquement la transcription audio
3. Découper la vidéo aux limites des segments de parole
⚙️ Configuration :
- transcription.enabled: true (par défaut)
- fallback_to_adaptive: true (par défaut) — utilise la détection de scènes si la transcription échoue
- min_segment_duration: durée minimale par segment (par défaut : 1.0)
- max_segment_duration: durée maximale par segment (par défaut : 30.0)
Exemple de configuration :
{
"segments": [{"source": "video.mp4", "start": 0, "end": 60}],
"transcription": {
"enabled": true,
"fallback_to_adaptive": true,
"min_segment_duration": 1.0,
"max_segment_duration": 30.0
}
}
Détection adaptative de scènes (repli)
Si la transcription est désactivée ou échoue, la compétence se replie sur la détection visuelle de scènes :
🎬 Détection adaptative de scènes (REPLI)
Détecte automatiquement les changements de scène dans votre vidéo pour créer des coupures.
Cela évite le contenu ennuyeux et répétitif en coupant aux transitions naturelles.
⚙️ Mode de détection :
- adaptive — Idéal pour les variations de luminosité/transitions graduelles [par défaut]
- content — Idéal pour les coupures de scène rapides et nettes
- threshold — Idéal pour la détection des fondus enchaînés
📏 Filtres de durée de scène :
- min_scene_duration: durée minimale par scène (par défaut : 1.0)
- max_scene_duration: durée maximale par scène (par défaut : 10.0)
🎛️ Avancé (optionnel) :
- threshold: seuil de différence de pixels pour le mode content (par défaut : 27.0)
- adaptive_threshold: seuil de ratio pour le mode adaptive (par défaut : 3.0)
- window_width: images à moyenner (par défaut : 2)
- min_scene_len: nombre minimal d'images avant une coupure (par défaut : 15)
- min_content_val: valeur minimale de changement de contenu (par défaut : 15.0)
Exemple de configuration avec repli automatique :
{
"segments": [{"source": "video.mp4", "start": 0, "end": 60}],
"transcription": {
"enabled": false
},
"auto_detect": {
"enabled": true,
"mode": "adaptive",
"min_scene_duration": 1.0,
"max_scene_duration": 10.0
}
}
3. Modifier config.json
Écrivez ou mettez à jour $SKILL_DIR/config.json en fonction des choix de l'utilisateur.
4. Exécuter
cd "$SKILL_DIR" && uv run python scripts/cutter.py --config config.json
5. Rapporter les résultats
Indiquez à l'utilisateur le chemin du fichier de sortie, la durée et les FPS. Mentionnez la méthode utilisée (transcription ou détection de scènes).
Référence de configuration
| Clé | Valeurs | Par défaut | Description |
|---|---|---|---|
input_dir | chemin | ./input | Dossier contenant les vidéos d'entrée |
output_dir | chemin | ./output | Dossier de destination |
segments | tableau | (obligatoire) | Liste des définitions de segments |
output_fps | entier | 30 | Fréquence d'images de sortie |
Définition de segment
| Clé | Type | Description |
|---|---|---|
source | chaîne | Nom du fichier dans input_dir |
start | flottant | Heure de début en secondes |
end | flottant | Heure de fin en secondes |
Transcription (méthode prioritaire)
| Clé | Valeurs | Par défaut | Description |
|---|---|---|---|
enabled | booléen | true | Activer le découpage basé sur la transcription |
fallback_to_adaptive | booléen | true | Utiliser la détection de scènes si la transcription échoue |
min_segment_duration | flottant | 1.0 | Ignorer les segments plus courts que cette durée (secondes) |
max_segment_duration | flottant | 30.0 | Ignorer les segments plus longs que cette durée (secondes) |
Détection automatique (repli)
| Clé | Valeurs | Par défaut | Description |
|---|---|---|---|
enabled | booléen | false | Activer la détection automatique de scènes (repli uniquement) |
mode | adaptive, content, threshold | adaptive | Algorithme de détection |
min_scene_duration | flottant | 1.0 | Ignorer les scènes plus courtes que cette durée (secondes) |
max_scene_duration | flottant | 10.0 | Ignorer les scènes plus longues que cette durée (secondes) |
threshold | flottant | 27.0 | Seuil de différence de pixels pour le mode content/threshold |
adaptive_threshold | flottant | 3.0 | Seuil de ratio pour le mode adaptive |
window_width | entier | 2 | Images à moyenner avant/après |
min_scene_len | entier | 15 | Nombre minimal d'images avant une coupure |
min_content_val | flottant | 15.0 | Changement de contenu minimal |
Modes de détection (repli)
- adaptive (par défaut) : Idéal pour les vidéos avec des variations de luminosité ou des transitions graduelles
- content : Idéal pour les vidéos avec des coupures de scène nettes et claires
- threshold : Idéal pour la détection des transitions de fondu (entrée/sortie)
Invocations courantes
# Configuration par défaut (utilise la transcription si disponible, repli sur adaptive)
cd "$SKILL_DIR" && uv run python scripts/cutter.py --config config.json
# Forcer la détection adaptative de scènes (ignorer la transcription)
cd "$SKILL_DIR" && uv run python scripts/cutter.py --config config.json --no-transcription
# Répertoires personnalisés
cd "$SKILL_DIR" && uv run python scripts/cutter.py \
--input /chemin/vers/videos --output /chemin/vers/sortie
Sortie
Chaque configuration produit un output.mp4 dans output_dir contenant les segments concaténés.
L'audio est préservé à partir des segments vidéo d'origine.
Gestion des erreurs
- Aucun segment défini → message d'erreur, quitte
- Horaires de segment invalides → erreur claire avec le format attendu
- Vidéo source introuvable → erreur avec fichier non trouvé
- Échec de la transcription → repli sur le mode adaptive s'il est activé, sinon erreur
- Erreurs de segments individuels → consignées ; les autres segments continuent