Communitygithub.com

heshaofu2/speech-video-dedup

口播、课程录像や画面解説における重複した説明、再録の残骸、未完成の起句を見つけて削除し、音声、資料、操作画面のつながりを確認しながら、タイムスタンプ付きの提案、確認可能なプレビュー、または原版を保持した完全編集版を提供します。「口述の編集漏れ」「重複箇所の検索」「重複除去編集」に適しています。

speech-video-dedup とは?

このスキルは、口述動画、講義録画、スクリーンキャストにおける重複した説明、再録の残骸、未完了の開始フレーズを特定して削除し、音声、資料、操作画面の一貫性をチェックしながら、タイムポイント付きの編集提案、確認用プレビュー、または元のビデオを保持した完全編集版を提供します。Claude Code、Cursor、CodexなどのAIエージェントプラットフォームで動作し、`dedup` CLIツール(`inspect`、`check`、`render`、`review`)を活用して、精密なフレーム単位の編集、音声波形分析、およびプレビュー生成を行います。主な機能には、明確な再録残骸とオプションのコンテンツ重複(例、異なる表現での説明)の区別、音声とビジュアルの両方のカットポイントの同時決定(完全な単語、自然な呼吸、操作の完全性の維持)、および編集後のシームレスな移行と情報の完全性を検証するための真の連続プレビューの生成が含まれます。このスキルは、全体的なコンテキストを保持し、不必要な圧縮を避け、重要な情報を維持しながら冗長なセグメントのみを削除し、複雑な編集のためにユーザーの質問を最小限に抑えることを優先します。

対応✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/heshaofu2/video-workflow-suite/tree/HEAD/speech-video-dedup

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

目標と範囲

ユーザーの元の説明が一貫性があり、クリーンであるようにし、元の言葉、実質的な情報、および必要なデモプロセスを保持します。現在のリクエストに応じて、候補、プレビュー、または完全版を提供します。「見つけてみせて」というリクエストを、全編をエクスポートする許可と直接見なさないでください。

ユーザーが完全な編集を要求した場合、必要なチェックを完了した後、直接提供し、機械的に項目ごとの確認を求めないでください。コアとなる見解、独自のコンテンツの取捨選択、またはデモ結果に関して解決できない矛盾がある場合は、先に他のセグメントを続け、その後、最小限の質問に集中します。ユーザーが確認した編集方法と範囲を継承し、新しいチェックラウンドのために、承認済みのセグメントを勝手にやり直さないでください。

原版とツール

まず video-shared を読み、ディレクトリ、ファイル保護、コマンド発見、出力判断に関する共有ルールに従います。文字起こしは video-to-text のみを呼び出し、再利用と部分的な補完は 文字起こし契約 に従って実行します。このスキル内で別のエンジンを選択したり、認識スクリプトを新たに記述したりしないでください。

  • dedup inspect を使用して、原版の仕様、サイズ、変更日時、SHA-256 を記録します。削除セグメントの計画は、今回チェックした原版に対応している必要があります。
  • ローカルでの削除は、統一 CLI の dedup check / render で実行します。ユーザーが特定の編集ソフトウェアを明示した場合は、その選択を継承します。削除のために新しいアニメーションやウェブページレンダリングプロジェクトを構築しないでください。
  • 文字起こしは位置特定のみに使用し、重複除去の取捨選択は実際の音声と映像を照らし合わせて行う必要があります。

重複を見つける、コースを圧縮しない

全編をチェックします。隣接していない重複も含みます。各グループについて、原版の時間、両方の言い回し、未完了の位置、独自の情報、および推奨される接続方法を記録します。

以下の区別を行います:

  • 明確な再録残骸:途中で話を止めてやり直す、同じ文を連続して繰り返す、後のバージョンが前のバージョンを置き換える場合。
  • オプションのコンテンツ重複:別の言い方でもう一度説明する場合。例、条件、または新しい情報を提供しているかどうかを比較し、自動的に再録と判断しない。
  • 正常な教育構造:概要の後の詳細、定義の後のデモ、振り返り、強調、図の読み取りのために保持する間。デフォルトで保持します。

デフォルトで「最後のバージョンを保持」しないでください。セグメント全体の保持、最初のバージョンの前半を2番目のバージョンの結論に接続すること、両方のバージョンから完全な元の文を保持することを優先します。トピック導入の移行、指示対象、条件、数字、因果関係を保護します。一度だけ出現する有効なコンテンツを保護区間としてマークします。重複を削除する際に、それらを一緒に削除しないでください。

音声と映像のカットポイントを同時に決定する

まず、候補となる接続方法を音読し、次に対応する音声と映像を確認します。モデルの時間は最終的なカットポイントと同じではありません。必要に応じて、局所的に文字起こしをやり直し、波形、ポーズ、実際の再生を考慮してフレーム単位で微調整します。

  • 音声:完全な単語の音、自然な呼吸、強調、文間のリズムを保ちます。半文を削除するために前の文の最後の単語を切らないでください。すべてのポーズを削除しないでください。非常に短いオーディオフェードは、カット音を減らすためだけに使用し、単語の飲み込みを隠したり、試聴の代わりにしたりしないでください。
  • 映像の意味:話しているときに、対応する資料、スクリーンショット、図表、デモ手順が表示されているかどうか。「この場所」「これの中に」という指示対象がまだ見えるかどうか。ページの切り替えや拡大が、説明が必要なタイミングで発生しているかどうか。
  • 操作の完全性:削除された区間内のクリック、スクロール、ウィンドウ切り替え、状態の結果をチェックします。前後のフレームが同じであることは、中間に重要な操作がないことを証明しません。
  • 動作と読み取り:人物の姿勢、ジェスチャー、視線を比較し、マウス、アニメーション、テキスト読み取り時間を観察します。まず、より適切な自然な接続ポイントを選択します。本当に必要な場合にのみ、既存の対応する資料の映像を使用して継承し、人物の口の動きや操作のタイミングをチェックして、カットポイントを隠すためのずれを防ぎます。

接続ポイントの前後約0.1秒、1秒の比較画像は初期スクリーニングに適しています。動作、操作、またはページ切り替えが含まれる場合は、連続チェックを追加する必要があります。フレーム間引きの類似性、文字起こしの再実行、デコードの成功は、それぞれ単独では、聴感上の自然さを証明しません。

プレビューは前後のつながりを検証できるものでなければならない

まず、複雑なセグメントの実際の連続プレビューをエクスポートします。ブラウザによる原版の一時的なジャンプ再生は位置特定に使用できますが、余分なポーズや不正確さが生じる可能性があり、編集後の効果を偽装することはできません。

プレビューには、前の導入部分と後続の完全な意味が含まれている必要があります。セグメント内だけでスムーズに聞こえるだけでは不十分です。ユーザーが内部の編集方法を承認した後、最後に保持されたセグメントを後続のコンテンツまたは次のサブセクションまで連続して延長し、音声の欠落、重複、映像のずれがないかをチェックします。プレビューの終点に新しいカットポイントを追加しないでください。

dedup review を使用してローカル確認ページを生成できます。原版の位置特定、実際のプレビュー、後続を含むプレビュー、映像比較を別々に表示します。ページの再生を実際にテストできない場合は、その旨を明確に説明し、個別に開くことができるビデオファイルを提供します。

計画、エクスポート、検証

すべての計画の時間は、まず原版を基準にし、同時に編集後の接続ポイントを記録します。確認済みのカットポイントはロックされ、大きなセグメントと短い文のリストの両方に同時に現れる重複区間を二重に差し引かないでください。

ネイティブな固定フレームレートビデオの場合は、順に dedup inspect、dedup check、dedup render を使用します。使用方法、計画形式、その他のビデオタイプの処理、および検証要件については、references/operator.md を参照してください。CLI は重複を認識したり、ユーザーの代わりにカットポイントを決定したりしません。

エクスポートは、元のアスペクト比、読み取り可能な解像度、フレームレート、音声レイアウトを維持します。要求がない限り、字幕、音楽、速度変更、新しいビジュアルスタイルを追加しないでください。キーフレームのstream-copyの結果を、フレーム精度の編集と偽装しないでください。

完了後に以下を確認します:

  • 実際の出力における接続ポイントの文、独自の情報が保持されているか、確認済みのセグメントが変更されていないか。
  • 実際の出力の接続ポイント前後の映像と、計画で指定された原版の位置、および必要な連続操作、人物の動作、後続の接続。
  • 全編が完全にデコード可能かどうか、長さ、フレーム数、音声とビデオの同期、出力仕様が計画に準拠しているかどうか。
  • 元のビデオのサイズ、変更日時、チェックサム値が変更されていないかどうか。

オーディオ理解や連続再生機能がない場合は、完了した文字起こし、映像比較、技術チェックを正直に提供し、「全編を試聴した」または「すべての接続ポイントの聴感が確認された」と主張しないでください。未検証の主観的な聴感と、すでに合格した客観的なチェックを分けて説明します。

最終的に、開くことのできる出力、長さ、処理範囲、原版の保持状態を提供します。チェック範囲と必要な制限は簡潔な文章で説明します。リスト、原版から出力への時間比較、比較画像は成果物ディレクトリに残し、その後の修正を容易にします。

Individual skills in this repo

This repo contains 1 individual skill — each has its own dedicated page.

関連スキル