Éditeur vidéo automatique pour macOS et Windows
Utilisez les outils locaux HotClip et FFmpeg pour créer des montages vidéo révisables sur macOS ou Windows. Installez cette compétence standard d'agent dans l'agent actuel avec l'installateur natif de la compétence de cet agent. Prérequis : macOS ou Windows 10+, accès Internet, et plusieurs Go d'espace disque libre. Avant de préparer le montage, installez Git, Node.js LTS, FFmpeg, HotClip et le modèle de reconnaissance vocale local de HotClip avec le gestionnaire de paquets du système d'exploitation, puis utilisez la CLI HotClip. Sur macOS, Homebrew est le gestionnaire de paquets habituel ; sur Windows, utilisez winget. Aucun bootstrap PowerShell de dépôt, Ollama ou endpoint LLM n'est requis pour la sélection guidée par transcription. Redémarrez l'agent après avoir installé la compétence si nécessaire.
Workflow
- Sondez la source avec
ffprobe: durée, taille d'image, et flux audio/vidéo. Conservez la source et créez un nouveau dossier de sortie frère成品_自动精剪_YYYY-MM-DD; utilisez un suffixe numérique s'il existe déjà. - Pour les vidéos de plus de cinq minutes, choisissez le nombre de moments forts à partir de la transcription : normalement 1–2 pour moins de 15 minutes, 2–4 pour 15–60 minutes, et 3–5 pour plus de 60 minutes. Ce sont des plafonds, pas des quotas ; renvoyez moins de moments quand il n'y a pas assez de moments distincts, complets et utiles. Évitez les sujets répétitifs. Pour des clips courts terminés, nettoyez tout le clip avec prudence. Si l'utilisateur demande de conserver l'enregistrement complet, n'extrayez pas de moments forts.
- Transcrivez localement avec la reconnaissance vocale automatique (ASR) de HotClip avec horodatage des mots. Vérifiez la transcription par rapport à l'audio avant de l'utiliser pour des coupes ou des sous-titres. Les commandes automatiques
highlightsetclipde HotClip nécessitent un endpoint LLM configuré ; dans ce workflow sans LLM, l'assistant actif sélectionne les moments à partir de la transcription et les rend avec FFmpeg. Ne téléchargez ni les images ni la transcription. - Supprimez les mots de remplissage évidents par défaut. Vérifiez les sons d'hésitation isolés tels que
嗯,呃,额,唔,诶,um,uh, et les répétitions évidentes de bégaiement immédiat. Vérifiez chaque candidat dans l'audio avant de couper. Traitez啊,这/这个,那个,就是, et然后comme dépendant du contexte : supprimez-les seulement lorsqu'ils sont clairement non sémantiques (hésitation ou échafaudage répété) et que la phrase reste naturelle. Conservez les accents importants, les références, les transitions, et tout mot incertain. N'utilisez jamais un remplacement de texte aveugle sur toute la transcription. Coupez uniquement des étendues de mots complètes avec une petite bordure audio naturelle ; préservez les respirations et le bruit ambiant sauf s'ils sont clairement indésirables. - Produisez des sous-titres pour chaque clip parlé par défaut. Créez des légendes chinoises précises à partir de la transcription révisée, supprimez les mots qui ont été effectivement coupés, et recalibrez tous les indices temporels par rapport à la timeline de la sortie éditée. Gardez des lignes courtes et lisibles (normalement une ou deux lignes), une ponctuation naturelle, et des marges sûres. Fournissez à la fois un MP4 avec sous-titres incrustés et un fichier SRT correspondant. Si l'utilisateur demande aucun sous-titre, ne les incluez ni l'un ni l'autre seulement après avoir suivi cette demande. Ne présentez jamais un plan de légendes non incrustées comme une exportation sous-titrée.
- Définissez les limites des coupes de moments forts et de mots de remplissage sur des mots et des phrases complètes. Vérifiez la transcription et l'audio autour de chaque début et fin ; ne vous fiez jamais uniquement à
midWordCuts: 0. Assemblez les intervalles retenus en un seul montage et conservez une liste de décisions de montage. Pour un temps sourcetà l'intérieur d'un intervalle retenu[source_start, source_end], calculez son temps de sortie commet - source_start + cumulative_duration_of_prior_retained_intervals; omettez les mots supprimés par les coupes de remplissage. Construisez le SRT sur cette timeline de sortie, utilisez la même carte d'intervalles pour la concaténation audio/vidéo, puis incrustez le SRT dans le MP4 rendu avec le filtre de sous-titres de FFmpeg. - Préservez l'image principale et les graphiques de la source. Pour la bannière bleue récurrente de streaming en direct, remplacez uniquement son ancien titre d'épisode par un titre concis et fidèle tiré de la transcription ; conservez l'en-tête permanent et les illustrations décoratives. Placez les légendes incrustées près du bas avec environ 40 px de dégagement à 1080×1920. Inspectez une image rendue pour vérifier un texte lisible et non coupé.
- Préservez l'audio continu par défaut, sauf pour les mots de remplissage vérifiés, les silences indésirables ou les modifications demandées par l'utilisateur. Traitez le silence VAD comme un candidat : si une coupe proposée chevauche un mot ASR, inspectez l'audio et préservez la parole. Pour les superpositions visuelles, copiez le flux audio rendu lorsque c'est possible et comparez son hachage de paquet audio avec le rendu avant superposition.
- Vérifiez chaque exportation avec
ffprobe, décodage FFmpeg complet, vérifications des flux audio/vidéo, analyse d'images noires, analyse de silence, durée, présence/synchronisation des sous-titres, et vérifications des mots d'ouverture et de fin. Écoutez le début, le milieu et la fin rendus. Associez les longs silences à la source et signalez s'ils étaient présents dans l'enregistrement ou introduits par le montage. Remontez les avertissements QA non résolus et rapportez uniquement les vérifications réellement effectuées. - Ne publiez pas et ne téléchargez pas. Fournissez les chemins absolus vers chaque MP4 et SRT, la durée, le dossier de sortie, et un rapport de montage en Markdown avec des liens QA.
Commandes
Configuration de la plateforme et commandes
Utilisez la CLI du dépôt sur les deux plateformes. Installez d'abord Git, Node.js LTS, FFmpeg et pnpm ; clonez HotClip depuis https://github.com/xixihhhh/hotclip dans un répertoire utilisateur stable et exécutez pnpm install à cet endroit. La première transcription locale de HotClip télécharge son modèle vocal. Ne définissez pas de variables d'environnement LLM pour ce workflow guidé par transcription.
macOS (zsh), après avoir installé Homebrew si nécessaire :
brew install git node ffmpeg
corepack enable
corepack prepare pnpm@latest --activate
mkdir -p "$HOME/Library/Application Support/HotClip"
git clone --depth 1 https://github.com/xixihhhh/hotclip.git "$HOME/Library/Application Support/HotClip/source"
cd "$HOME/Library/Application Support/HotClip/source"
pnpm install
pnpm cli transcribe "$HOME/Movies/recording.mp4" --json > "$HOME/Movies/transcript.json"
Windows PowerShell, depuis le répertoire source de HotClip après avoir installé Git, Node.js LTS et FFmpeg avec winget :
corepack enable
corepack prepare pnpm@latest --activate
git clone --depth 1 https://github.com/xixihhhh/hotclip.git "$env:LOCALAPPDATA\HotClip\app"
Set-Location "$env:LOCALAPPDATA\HotClip\app"
pnpm install
pnpm cli transcribe 'C:\Videos\recording.mp4' --json > 'C:\Videos\transcript.json'
Le DMG officiel de HotClip pour macOS est actuellement pour Apple Silicon. L'application n'est pas notarisée par Apple ; utilisez le guide d'installation officiel si Gatekeeper la bloque. Le workflow CLI source ci-dessus est séparé de ce téléchargement GUI. Vérifiez la version actuelle de HotClip et le guide d'installation pour la compatibilité Intel Mac avant d'installer sur cette architecture.
La transcription s'exécute localement. Choisissez un nombre dans les plafonds basés sur la durée en fonction des moments distincts et autonomes dans la transcription ; n'atteignez jamais le maximum simplement parce qu'il existe. Rendez toujours des légendes parlées et un SRT correspondant, sauf si l'utilisateur demande de les omettre. Supprimez uniquement les étendues de mots de remplissage vérifiées individuellement, puis recalibrez les indices de sous-titres sur la timeline de sortie. Ne rendez qu'après avoir vérifié les limites de la transcription et la sécurité audio.