オーディオクリーンアップ
rough-cutスキルのPythonで実行します：PY=~/simcraft/skills/rough-cut/.venv/bin/python（存在しない場合はsh ~/simcraft/skills/rough-cut/setup.shを一度実行してください）。rough-cutのヘルパーを共有し、Whisperを使用して明瞭性をチェックします。
手順
-
まずリスニングテストを行います。 最も忙しい会話の瞬間の10秒間の前後比較を作成します。両方とも同じラウドネスに設定されているため、比較は音量ではなく品質について行われます：
$PY scripts/clean_audio.py <video> --sample両方のwavファイルをユーザーに開き（
open <before> <after>）、レポートを提供します。 -
適用します。 2つの実行方法があります：
- rough-cutワークスペース内で、レンダリング前に行う場合。各生クリップを
audio/<clip>.clean.wavにクリーンアップし、rough-cutのrender.pyが自動的にそれらを使用します：
その後、通常通りレンダリングして確認します。レポートは$PY scripts/clean_audio.py <workspace>audio/cleanup.mdに保存されます。 - 単一の動画に対して行う場合。元のファイルの隣に
<name>_clean.<ext>を書き込み、動画はそのままコピーされます：$PY scripts/clean_audio.py <video>
- rough-cutワークスペース内で、レンダリング前に行う場合。各生クリップを
-
レポートは平易な言葉で以下の内容を含みます：
- 前後の音声と背景の差
- 最終的なラウドネス
- 検出された内容（ハム、クリッピング）
- 明瞭性チェックで採用された強度
レポートに残留ノイズが声や音楽であると記載されている場合、これらのフィルタでは除去できないことをユーザーに伝え、AI音声アイソレータを提案します。
オプション
--strength strong|medium|light試行する最大のデノイズ強度を設定します。デフォルトはmediumで、明瞭性チェックが自動的に強度を下げます。--target -14ラウドネスをLUFSで設定します。-14はYouTube、Instagram、TikTokに適しており、ポッドキャストには-16を使用します。--no-eqトーンシェーピングをスキップします。ユーザーが自分の声をそのまま好む場合に使用します。
ルール
- カット前の生クリップをクリーンアップし、カット後ではありません。 ノイズは無音部分から学習され、rough-cutは無音部分を削除します。
- 元のファイルには決して触れないでください。
- 明瞭性を静かさと引き換えにしないでください。明瞭性チェックがこれを強制します：単語の欠落がなく、元の音声との信頼度の差が0.015以内であること。
- 単語間のオーディオをデジタルサイレンスにしないでください。意図的に少しの室内音を残します。
各ステップの動作、このように構築された理由、テスト数値については：reference.mdを参照してください。