macOSおよびWindows向け自動ビデオエディター
ローカルのHotClipとFFmpegを使用して、macOSまたはWindows上でレビュー可能なビデオ編集を作成します。この標準Agent Skillを、そのAgentのネイティブスキルインストーラーで現在のAgentにインストールします。要件:macOSまたはWindows 10以上、インターネットアクセス、数GBの空きディスク容量。編集の準備として、Git、Node.js LTS、FFmpeg、HotClip、およびHotClipのローカル音声モデルをオペレーティングシステムのパッケージマネージャーでインストールし、HotClip CLIを使用します。macOSではHomebrewが一般的なパッケージマネージャーで、Windowsではwingetを使用します。トランスクリプト主導の選択には、リポジトリのPowerShellブートストラップ、Ollama、LLMエンドポイントは不要です。必要に応じて、スキルインストール後にAgentを再起動します。
ワークフロー
ffprobeでソースを調査します:再生時間、フレームサイズ、オーディオ/ビデオストリーム。ソースを保存し、新しい兄弟出力フォルダー成品_自动精剪_YYYY-MM-DDを作成します。既に存在する場合は数値のサフィックスを使用します。- 5分以上のビデオの場合、トランスクリプトからハイライト数を選択します:通常、15分未満で1〜2、15〜60分で2〜4、60分以上で3〜5。これらは上限であり、割り当てではありません。十分な個別の完全で有用な瞬間がない場合は、より少ない数を返します。繰り返しのトピックは避けます。短い完成クリップの場合は、クリップ全体を控えめにクリーン化します。ユーザーが全録画を保持するよう要求した場合は、ハイライトを抽出しません。
- HotClipの単語タイムスタンプ付きASRでローカルに文字起こしします。カットやキャプションに使用する前に、オーディオに対してトランスクリプトを確認します。HotClipの自動
highlightsおよびclipコマンドには設定済みのLLMエンドポイントが必要です。このLLMなしのワークフローでは、アクティブアシスタントがトランスクリプトから瞬間を選択し、FFmpegでレンダリングします。フッテージやトランスクリプトをアップロードしないでください。 - デフォルトで明確なフィラーワードを削除します。
嗯、呃、额、唔、诶、um、uhなどの孤立したためらい音や、明らかな即時の吃りの繰り返しを確認します。カット前に各候補をオーディオで確認します。啊、这/这个、那个、就是、然后は文脈依存として扱います:これらが明らかに非意味的なためらいや繰り返しのスキャフォールディングであり、文が自然なままである場合にのみ削除します。意味のある強調、参照、トランジション、およびあいまいな単語は保持します。トランスクリプト全体で盲目的なテキスト置換を行わないでください。小さな自然なオーディオ境界を持つ完全な単語スパンのみをカットします。息継ぎや部屋のトーンは、明らかに不要でない限り保持します。 - デフォルトですべての音声クリップに字幕を生成します。 レビュー済みトランスクリプトから正確な中国語キャプションを作成し、実際にカットされた単語を削除し、すべてのキューのタイミングを編集済み出力タイムラインに合わせて再調整します。読みやすい短い行(通常は1〜2行)、自然な句読点、安全なマージンを維持します。ハードサブタイトル付きMP4と対応するSRTサイドカーの両方を提供します。ユーザーが字幕を不要と要求した場合のみ、その要求に従って両方を省略します。バーニングされていないキャプションプランをサブタイトル付きエクスポートとして提示しないでください。
- ハイライトとフィラーカットの境界を完全な単語と文に設定します。すべての開始と終了の周辺でトランスクリプトとオーディオを確認します。決して
midWordCuts: 0のみに依存しないでください。保持されたインターバルを1つの編集にまとめ、編集決定リストを保持します。保持されたインターバル[source_start, source_end]内のソース時間tについて、出力時間をt - source_start + それ以前の保持されたインターバルの累積再生時間として計算します。フィラーカットで削除された単語は省略します。この出力タイムライン上にSRTを構築し、同じインターバルマップをオーディオ/ビデオ結合に使用し、FFmpegのサブタイトルフィルターでSRTをレンダリングされたMP4に焼き付けます。 - ソースのメイン画像とグラフィックスを保持します。繰り返し表示される青色のライブストリームバナーの場合、古いエピソードタイトルのみをトランスクリプトからの簡潔で忠実なタイトルに置き換えます。永続的なマストヘッドと装飾アートワークは保持します。バーニングされたキャプションは1080×1920で下部から約40ピクセルのクリアランスで配置します。読みやすくクリップされていないテキストのために、レンダリングされたフレームを検査します。
- デフォルトで連続したオーディオを保持します。ただし、確認済みのフィラーワード、不要な沈黙、またはユーザーが要求した編集は除きます。VAD沈黙は候補として扱います:提案されたカットがASR単語と重なる場合は、オーディオを検査して音声を保持します。ビジュアルオーバーレイの場合、可能な限りレンダリングされたオーディオをストリームコピーし、そのオーディオパケットハッシュをオーバーレイ前のレンダリングと比較します。
ffprobe、完全なFFmpegデコード、オーディオ/ビデオストリームチェック、黒フレームスキャン、サイレンススキャン、再生時間、サブタイトルの存在/同期、開始/終了単語チェックで各エクスポートを検証します。レンダリングされた開始、中間、終了を聞きます。長い沈黙をソースにマッピングし、録画にあったものか編集によって導入されたものを報告します。未解決のQA警告を表面化し、実際に実行されたチェックのみを報告します。- 公開またはアップロードしません。各MP4およびSRTへの絶対パス、再生時間、出力フォルダー、QAリンク付きのMarkdown編集レポートを提供します。
コマンド
プラットフォームのセットアップとコマンド
いずれかのプラットフォームでリポジトリCLIを使用します。最初にGit、Node.js LTS、FFmpeg、pnpmをインストールします。安定したユーザーディレクトリにhttps://github.com/xixihhhh/hotclipからHotClipをクローンし、そこでpnpm installを実行します。HotClipの最初のローカル文字起こしで音声モデルがダウンロードされます。このトランスクリプト主導のワークフローでは、LLM環境変数を設定しないでください。
macOS(zsh)、必要に応じてHomebrewをインストール後:
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 > "$HOME/Movies/transcript.json"
Windows PowerShell、HotClipソースディレクトリから、wingetでGit、Node.js LTS、FFmpegをインストールした後:
corepack enable
corepack prepare pnpm@latest --activate
git clone --depth 1 https://github.com/xixihhhh/hotclip.git "$env:LOCALAPPDATA\HotClip\app"
Set-Location "$env:LOCALAPPDATA\HotClip\app"
pnpm install
pnpm cli transcribe 'C:\Videos\recording.mp4' --json > 'C:\Videos\transcript.json'
公式のHotClip macOS DMGは現在Apple Silicon用です。このアプリはAppleによる公証を受けていません。Gatekeeperがブロックする場合は、公式インストールガイドを使用してください。上記のCLIソースワークフローは、そのGUIダウンロードとは別のものです。Intel Macでインストールする前に、現在のHotClipリリースとインストールガイドで互換性を確認してください。
文字起こしはローカルで実行されます。トランスクリプト内の個別の完結した瞬間に応じて、再生時間ベースの上限内で数を選択します。上限が存在するからといって最大数を埋めることはしません。ユーザーが省略を要求しない限り、常に音声キャプションと対応するSRTをレンダリングします。個別に確認されたフィラーワードスパンのみを削除し、サブタイトルキューのタイミングを出力タイムラインに合わせて再調整します。トランスクリプトの境界とオーディオの安全性を確認した後にのみレンダリングします。