Communitygithub.com

ラフカット(Aカット): ダイアログ/ストーリー、テイク、タイミング

提供されたフッテージと編集ブリーフから、編集可能なラフカットをアセンブルします。完全なテイクを選択し、意味や自然な言い回しを損なわずに繰り返し、誤ったスタート、間(ポーズ)をトリミングします。ダイアログ主体のAカット、またはビジュアルストーリー/デモアセンブリに使用し、その後仕上げとエフェクト処理を行います。

ラフカット(Aカット): ダイアログ/ストーリー、テイク、タイミング とは?

このスキルは、映像編集におけるラフカット(Aカット)作成のためのワークフローを定義します。提供されたフッテージと編集ブリーフに基づき、編集可能な意思決定リストと実行可能な場合は検証可能なラフ書き出しを生成します。まず、選択したテイク間で単語レベルのタイムスタンプに基づき、リピートや誤ったスタートを検出してトリミング候補を洗い出します(バンドルされた`transcribe.py`と`trim_audit.py`スクリプトを利用)。ボーカル主体のダイアログシーンと、ビジュアルやアクションが主体のデモやストーリーの両方に対応し、後者の場合、無音やポーズも重要なコンテンツとして扱います。重要なのは、単なる技術的な自動カットではなく、編集者の意図とストーリーの一貫性を優先する点です。このスキルは、特定のレンダリングエンジンに依存せず、FFmpegなどのツールを使用した実行者によるカットを想定しており、常に検証(確認、同期チェック、出力のデコード)を要求します。最終的な成果物は、決定リスト、選択/代替テイクの理由、ラフ書き出しがあればそれを含みます。

対応✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/georgewangyu/GeorgeVideoAgent/tree/HEAD/skills/video-rough-cut

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

ラフカット(Aカット): ダイアログ/ストーリー、テイク、タイミング は何をしますか?

ソースにリンクされた決定リスト、および実行ツールと証拠が許す限り、検査可能なラフ書き出しを提供します。目標とするカット数よりも、一貫性のあるストーリーと自然な発話を優先します。このスキルはワークフローを提供するものであり、レンダラーや汎用的な重複除去アルゴリズムではありません。

ソースと意図の契約 [bl: invariant]

共有されたプロジェクト契約書を読みます。 音楽主体の素材には、ストーリーのタイミングを確定する前に、初期のフレーズ/ビートマップのためにvideo-musicを使用します。発話をビートグリッドに強制的に合わせることはしません。

提供された編集ブリーフを使用します。素材の選択が未確定の場合は、そのギャップに対してのみvideo-editing-briefを使用します。 オリジナル、必須の正確なセリフ、事実の修正、および絶対に保持すべき部分は保持します。派生ファイルは別途書き出します。ソースの識別情報、長さ、ストリーム、フレームレート/タイムベース、そしてアクセス可能な場合は文字起こし範囲をインベントリします。実際に視聴/聴取したメディアと、文字起こしのみ、メタデータ、またはユーザーの説明に基づくものを区別します。欠落している証拠を、検査済みのテイクや正確なカットポイントにすることはできません。

ダイアログ主体のAカットは、装飾的なカバー映像の前に、話されたストーリーを構築します。ビジュアルストーリーやデモは、目に見えるアクション、原因/結果、必要な画面状態を中心に構築されます。無音が重要なイベントを伝えることもあります。どちらのモードも他方を必要としません。無音の素材を除外する前に視聴します。部分的な文字起こしは、文字起こしされていない残りの部分からの削除を許可できません。

プロキシや個別のオーディオが必要な場合は、再リンク用のIDと元の時間へのマッピングを保持します。オーディオの権威、オフセット規則、および時計のドリフトを記録します。選択した範囲全体で観測可能なイベントとの同期を検証します。ファイル名の一致、単一のクラップ、ASRタイムスタンプを持続的な同期と決して同一視しません。不明な同期は未解決のままにします。オーディオを黙って置き換えたり、速度を変更したりしません。

テイク選択と自然なトリミング [bl: soft]

コンテキスト(リードインとエンディングを含む)で候補テイクを比較します。各ストーリージョブに対して、常に最後、最短、または最も文字起こしに類似したテイクではなく、最も強力で完全な真実味のあるデリバリーを選択します。代替案は保持します。

ワードタイミングが最優先です。リピートは、文字起こしが保持した単語内でのみ見つけることができます。ソースに単語レベルのタイムスタンプ付き文字起こし(セグメントやチャンクのタイムスタンプだけでは不十分)がない場合は、バンドルされているtranscriberを、トリミングされていない完全なソースに対して実行します。${CLAUDE_PLUGIN_ROOT} はClaude Codeにおけるインストール済みパッケージのルートです。他のエージェントはパッケージルートパスを使用します:

python3 "${CLAUDE_PLUGIN_ROOT}/skills/video-rough-cut/scripts/transcribe.py" SOURCE.mov -o source-words.json

これは既にインポート可能なバックエンドを使用し、モデルが許す場合はフィラーや再スタートを保持します。インポート可能なものがない場合は何もインストールせず、一度だけuv run --with …コマンドを出力して終了コード3で終了します。ダウンロードやクラウドアップロードの前にユーザーに確認を求めます。ワードタイミングがない場合は、リピート監査が未実行であることをマークします。再利用する前に、既存の文字起こしに無音トリミングやチャンクのみのタイミングがないか確認します。

単語タイムスタンプを持つダイアログの場合は、テイクを選択する前に、録音またはスピーカートラックごとにバンドルされているtrim auditを1回実行します:

python3 "${CLAUDE_PLUGIN_ROOT}/skills/video-rough-cut/scripts/trim_audit.py" source-words.json

単語リスト(またはwordsキーを持つJSONオブジェクト)を、テキスト、開始時間、終了時間(秒単位)と共に指定します。意図的なビートごとに --protect START END を追加し、オプションで静かな区間を浮き彫りにするために --min-gap SECONDS を追加します。文字起こしのギャップには、リアクションや文字起こしされていないアクションが含まれている可能性があります。正確なリピートについては両方のデリバリーを検査します。フラグが立てられた再スタートの場合は、何かを削除する前に介入節を聞きます。タイミングの証拠がありませんか?ソースオーディオを使用し、不確かなエッジをレビュー用にマークします。

提案されたストーリーについて、繰り返された文言だけでなく、繰り返された意味もレビューします。言い換えは同じ仕事をする可能性がありますが、繰り返されるフック、コールバック、訂正、質問/回答、または意図的な強調は異なる仕事をする可能性があります。リピートが削除または保持された理由を記録します。最良の完全なユニットと、明確に異なる情報を保持します。再スタートや誤ったスタートの場合は、繰り返された接頭辞だけでなく、試みられた思考全体を比較します。

境界エビデンス [bl: invariant]

主張やデリバリーをでっち上げるために、テイクをまたがって単語をつなぎ合わせないでください。訂正が事実を変更する場合、訂正された意味と必要なコンテキストを保持します。古い数字を新しい修飾子に結合しないでください。

ASR、アライメント、無音、類似性検出をカットの権威ではなく、候補として扱います。生の逐語的な単語は、正規化されたテキストが隠す再スタートを明らかにすることができます。ASRはリピートを省略することもあります。保持された内部と外側のエッジ、および結合部分を確認します。高いソース/レンダリング単語マッチスコアだけでリピートをクリアしないでください。

疑わしいカットエッジは、聞こえる発話と隣接する単語に対して解決します。長さゼロ、引き伸ばされた、重複した、または欠落した単語タイミング、無声子音、重複する話者はエッジを不確かにします。強制アライメントは候補タイミングを洗練できますが、文字起こしや安全な音素境界を証明するものではありません。完全な音、呼吸、自然なポーズのために十分なソースコンテキストを保持します。リッスンで安全なトリムを確立できない場合は、控えめなフレーズ境界を選択するか、候補を未解決のままにします。普遍的なミリ秒単位のハンドル、無音しきい値、ポーズクォータ、またはデフォルトのスピードアップを発明しないでください。静かな呼吸、リアクション、視覚的アクション、または意味のあるポーズは、定義上、デッドエアではありません。

編集可能な決定と実行 [bl: invariant]

何パスか経過した後でも、元のソースタイムスタンプを権威として保持します。個別のソースから出力へのマップを維持します。安定した決定IDを使用し、保持範囲、削除された範囲/理由、競合テイク、未解決のエッジ、意図的な繰り返しを含めます。ポータブルなテーブルまたはJSON表現を選択する場合は、ハンドオフ契約を使用します。暫定範囲は、実行可能なカットと誤認されないように明示的にマークします。

範囲の境界と順序、タイムスタンプの単位/タイムベース、マッピングされたオーディオとビデオの長さ、意図したタイムラインを確認します。ソース範囲の再利用、重複するショット、ギャップ、または分割されたオーディオ/ビデオ編集は、意図的かつ文書化されている必要があります。そうでない場合は、コンフォームの前に修復します。出力仕様が変換を必要としない限り、ソースのフレームレート/サンプルレートを維持し、混合VFR処理とドリフトリスクを文書化します。

利用可能なエディターまたはカット/コンフォームツールを使用し、サポートされている入力を確認します。FFmpegはトリム、コンフォーム、レンダリングを実行できます。どのテイクが意味的に冗長であるか、どのデリバリーが最適かを判断することはできません。バンドルされたバックエンドを主張したり、素材を黙ってインストール/アップロードしたりしないでください。実行が不可能な場合は、でっち上げた書き出しではなく、編集可能な提案された決定と特定の証拠のギャップを返します。メディア作業の前に、アクティブな録画/ジョブとリソース制約を尊重します。境界のある入力シークサンプルから開始し、重いデコードをシリアル化し、新しい出力を書き込み、タスク所有のプロセスのみを停止します。不確かな結合をテストするために、無制限のフルレンダリングを起動しないでください。キーフレームのみのストリームコピーカットは、要求されたエッジを見逃す可能性があります。実際のエンコード境界を確認するか、適切なフレーム精度のコンフォームを使用します。

実際の結果を検証する [bl: invariant]

レビューを、正確な出力ハッシュまたは不変リビジョンと決定リストにバインドします。変更されたすべてのスピーチ結合を、通常の速度で周囲のコンテキストとともに聞き、子音、完全な単語、呼吸、リピート、ポップ、偶発的なギャップを確認します。結合部分および個別に録音されたオーディオ全体で、同期と視覚的な連続性を確認します。次に、放棄されたテイク、繰り返されたアイデア、欠落した接続語、誤解を招く順序について、範囲内部、開始/終了を含む完全なラフストーリーを視聴/聴取します。未解決の発話を隠すためにカバー映像やエフェクトを使用しないでください。

ラフ書き出しの正確な新しい単語タイムスタンプ付き文字起こしが利用可能な場合は、それに対して出力時間で同じトリム監査を実行します。残っている各リピートを、保持されているショット内の発見を含む意図的な保持と調整します。マッチャーが見逃す言い換えられた重複を聞きます。カットが修復された場合は、新しい書き出しを検証します。発見リストが空であるだけでは、ダイアログをクリアできません。

納品されたファイルをプローブしてデコードします。ストリーム、長さ、フレームレート/サンプルレート、ソース/出力マッピング、意図したカットを調整します。予期しないギャップ、オーバーラップ、黒/フリーズフレーム、オーディオドリフトがないか確認します。デコードの成功や新しい文字起こしだけでは、自然さやストーリーの連続性を証明できません。実際に聞いた、見た、機械的にチェックしたことを報告します。リスニング、ビューイング、またはフルストーリーのカバレッジが利用できない場合は、そのレビューが不完全であることをラベル付けし、影響を受ける決定を特定します。計画のみの成果物は、レンダリングされたQAを暗示してはなりません。バイトが変更されると、以前の出力固有のレビューは無効になります。スピーチの変更後、依存するキャプションのタイミングを再調整します。

ストーリーのタイミングが安定したら、その正確なIDと出力クロックを、必要に応じてcutaways、music、sound、captions、color、export QAにハンドオフします。後続のオーバーレイはこれらのタイミングを保持します。タイミングの再調整が必要な場合は、新しいバージョンと影響を受ける下流の再検証が必要です。

編集可能な決定、選択/代替テイクの根拠、ラフ書き出し(作成された場合)、検証範囲、未解決の項目を返します。機械的な準備ができていることと、クリエイターのストーリー/テイストの承認を区別します。既知の偶発的な繰り返しや安全でない単語境界が残っている間は、カットをクリーンと呼んではなりません。

参考文献

これらはワークフローに情報を提供するものです。ランタイムの依存関係や推奨事項ではありません。

  • Video Use: 文字起こしファーストの検査と編集可能なソース範囲の決定。
  • Herk Edit Kit mistake candidates: 提案されたリピート/再スタートカットを編集レビューから分離。
  • Auto-Editor: 編集可能なタイムライン書き出しとマージン。無音アクティビティは意味的なテイク選択ではありません。
  • WhisperX: オプションの単語アライメント。文字起こし/重複の限界があります。
  • stable-ts: オプションのタイムスタンプリファインメント。このスナップショットはアーカイブされています。
  • FFmpeg trim/atrim source documentation: 実行範囲と明示的なタイムスタンプ処理。
  • HyperFrames custom-video guide: ソース主導のアセンブリとオーサリングされたモーションを区別し、ポリッシュの前にストーリーをレビューします。

範囲と出自については、パッケージのインスピレーションとライセンスノートを参照してください。

Individual skills in this repo

This repo contains 4 individual skills — each has its own dedicated page.

関連スキル