Communitygithub.com

cut: 견고한 음성 편집

원본 토킹헤드 영상을 빈틈없는 음성 편집본으로 만듭니다. 모든 대사의 최고 테이크를 찾아내고, 프레임 단위로 불필요한 공백을 제거하며, 단어의 끝을 자르거나 호흡을 반으로 자르지 않습니다. 모든 연결 지점에서 화면 점프, 마이크 드롭아웃, 음성 레벨을 확인합니다. 원본 녹음본에 가장 먼저 사용하세요.

cut: 견고한 음성 편집란 무엇인가요?

이 스킬은 원본 토킹헤드 영상을 완벽하게 편집된 음성 클립으로 변환하는 AI 어시스턴트를 위한 전문 가이드입니다. 화면에 그래픽, 자막, 사운드를 추가하기 전에 가장 먼저 적용해야 합니다. 모든 불필요한 공백을 제거하되 단어의 끝이나 호흡이 잘리지 않도록 합니다. ffmpeg와 faster-whisper 같은 로컬 도구를 사용하고, 외부 서비스에 영상을 업로드하지 않습니다. 이 스킬은 프레임 단위의 정확한 편집 결정, 마이크 드롭아웃 탐지 및 복구, 테이크 선택 과정, 화면 점프 분석, 균일한 음성 레벨링을 자세히 설명합니다. 프레임 정확한 매니페스트를 생성하여 이후 모든 후처리 작업(자막, 그래픽, 사운드)의 기반이 됩니다. 전문 영상 편집자, 콘텐츠 크리에이터, 튜토리얼 제작자에게 이상적입니다.

지원 대상✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Liamrjohnston/ai-video-editor/tree/main/.claude/skills/cut

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

cut: 견고한 음성 편집은(는) 무엇을 하나요?

컷은 기초입니다. 그래픽, 자막, 사운드 모두 이 컷에 맞춰지므로 다른 모든 작업을 시작하기 전에 컷이 정확해야 합니다. 기준: 첫 번째 버전은 매우 빡빡하게 컷팅되어, 어디에도 빈 공간이 없고, 겹치는 부분도 전혀 없어야 합니다. 빡빡하다는 것이 잘린다는 뜻은 아닙니다. 마지막 자음을 잃은 단어나 반으로 잘린 호흡은 멈춤보다 더 나쁘게 들립니다.

필요한 것

  • 카메라 원본 비디오. 일부 카메라가 함께 기록하는 저해상도 프록시 파일(예: DJI .LRF)이 아닌, 풀퀄리티 MP4에서 컷팅합니다.
  • 스크립트(있는 경우).
  • ffmpeg 및 로컬 트랜스크라이버(faster-whisper). 로컬에서 트랜스크라이브하고, 절대 타인의 영상을 외부 서비스에 업로드하지 마세요.

1단계: 인벤토리

소스를 조사합니다: 해상도, 정확한 프레임 속도(29.97은 30000/1001이지 30이 아닙니다), 길이, 오디오 채널. 기록하세요. 이 스킬의 모든 프레임 번호는 소스의 기본 프레임입니다. 다른 비디오의 프레임 속도를 채택하지 마세요.

2단계: 단어 타임라인으로 트랜스크라이브

.venv/bin/python .claude/skills/cut/scripts/transcribe.py raw.mp4 --out words.json

음성-텍스트 변환은 단어를 찾습니다. 전달 능력을 판단하거나, 중얼거림을 듣거나, 깨끗한 자음을 인증할 수 없습니다.

3단계: 컷팅 전 마이크 드롭아웃 스캔

무선 마이크는 때때로 20~50ms를 잃고 매끄러운 가짜 감쇠로 채웁니다. 단어의 글리치처럼 들리며, 사람들은 편집 탓을 합니다.

.venv/bin/python .claude/skills/cut/scripts/find_dropouts.py raw.mp4 --json dropouts.json

완성된 믹스에서 실행하지 말고 소스 오디오에서 실행하세요. 음악이 숨길 수 있습니다. 실제 드롭아웃을 각각 복구한 후 복구된 오디오에서 컷팅합니다:

.venv/bin/python .claude/skills/cut/scripts/repair_dropout.py raw.mp4 --start 32.722 --end 32.762 --out audio_repaired.wav --json repair.json

복구는 은폐된 부분을 삭제하고, 두 실제 반쪽을 크로스페이드하며, 가장 가까운 멈춤에서 방음 톤으로 시간을 채워 립싱크가 유지되도록 합니다. 합성, 필터링, 게인 조정은 없습니다. 누군가 "글리치가 있다"고 말하면 사운드와 사진을 별도로 확인하세요.

4단계: 테이크 선택

  • 음성 큐를 듣습니다. 화자는 종종 좋은 테이크 후에 "그거 써", "그게 맞아" 또는 "이거 써"라고 말합니다. 큐는 완성된 테이크 바로 직전을 표시합니다. 큐가 없으면, 다음으로 넘어가기 전 마지막 깨끗하고 완전한 테이크를 사용합니다. 이후에 말로 된 재지정이 우선합니다.
  • 절대 기본적으로 마지막 테이크를 선택하지 마세요. 종종 지친 테이크입니다.
  • 중얼거림, 잘못된 시작, 미완성 생각, 중단된 단어, 조용한 연습, 잘못 읽은 부분은 거부합니다. 조용한 테이크를 게인으로 구하지 마세요.
  • 의심스러운 대사가 있으면, 가장 가까운 테이크뿐만 아니라 전체 녹음에서 해당 대사의 모든 완전한 테이크를 검색하세요. 짧은 표로 비교하세요: 테이크, 소스 시간, 큐, 판정, 이유.
  • 어느 테이크가 가장 좋은지 명확하지 않으면 물어보세요. 사용자에게 해당 대사의 모든 완전한 테이크를 재생할 수 있도록 제공하고, 큐된 테이크를 미리 선택한 상태로, 사용자의 선택을 기준으로 컷팅하세요. 전달에 대해 추측하지 마세요.
  • 대사의 깨끗하고 완전한 테이크가 없으면, 명확히 말하세요. 절대 대체품을 만들거나 단어 조각으로 연결하지 마세요.
  • 스크립트와 실제 말한 단어를 줄별로 비교하세요. 그래픽과 자막은 쓰여진 대로가 아니라 말한 대로 따릅니다.
  • 여러 개의 후크(hook): 여러 개의 오프닝 후크가 녹음된 경우, 본문은 한 번 컷팅하고 각 후크는 별도로 컷팅한 다음, 각 후크-본문 연결을 개별적으로 확인하세요.

5단계: 빡빡하게 컷팅

.venv/bin/python .claude/skills/cut/scripts/find_gaps.py audio_repaired.wav --words words.json --json gaps.json

이것은 후보를 제안하지만, 직접 컷팅하지는 않습니다. 그런 다음 경계를 하나씩 검토합니다:

  • 모든 임의의 빈 공간을 제거합니다: 테이크 사이, 문장 사이, 단어 사이, 끝에서 유지. 다음 의미 있는 말로 바로 연결합니다.
  • 사운드가 실제로 필요한 프레임만 유지하세요: 약한 마찰음(s, f, th), 기음(h), 자음 폐쇄 및 개방(t, k, p), 그리고 단어 끝의 완전한 감쇠. 각 KEEP에 대해 보호된 사운드를 명명하세요. "자연스러운 속도"는 이유가 아닙니다.
  • 호흡 꼬리. 레벨이 방음 톤으로 떨어졌다가 단어 없이 다시 상승하는 경우, 그 상승은 호흡입니다. 단어의 마지막 소리 후 20ms 지점에서 조각을 끝냅니다. 호흡을 자르면 이상한 반소음이 남습니다. 감쇠하는 단어 끝은 유지됩니다.
  • 제거된 멈춤 후에 시작하는 단어 앞에 최소 2프레임을 유지하세요.
  • 음성을 빨리 재생하지 말고, 두 개의 말 조각을 겹치지 말고, 두 음성을 서로 크로스페이드하지 마세요. 길이를 맞추기 위해 실제 말을 제거하지 마세요.
  • 무음 감지기는 후보를 제안하지만, 아무것도 인증하지 않습니다. 감지기 최소값 아래의 작은 간격도 여전히 검토됩니다.

프레임 정확한 매니페스트(cut.json)를 작성하세요: 각 조각에 대해, 해당 대사, 소스 인 및 아웃 프레임, 출력 시작 프레임, 각 경계의 이유. 이후의 모든 것(자막, 그래픽, 사운드)은 모든 변경 후에 이 매니페스트에서 다시 매핑됩니다.

6단계: 연결에서 화면 점프

손이나 머리가 움직이는 동안 짧은 멈춤을 컷팅하면 프레임 드롭처럼 보입니다. 빡빡한 패스 후에 컷을 렌더링하고 모든 문장 중간 연결을 측정하세요:

.venv/bin/python .claude/skills/cut/scripts/join_jumps.py cut.mp4 --cut cut.json --modes modes.json --json jumps.json

점프는 연결 양쪽의 정상적인 움직임으로 나눈 연결 지점의 프레임 차이입니다. 3배 이상인 경우, 2배 이하로 낮추는 최소한의 실제 멈춤 프레임을 다시 넣고, 양쪽이 일치하도록 드롭할 프레임을 선택하세요. 디졸브는 없습니다. 문장 구분에서 테이크 사이의 컷은 정상적인 점프 컷입니다. 전체 화면 그래픽 아래에 숨겨진 연결은 표시되지 않습니다. 손이 빠르게 움직이는 대사에서는 내부 프레임을 전혀 컷팅하지 마세요.

7단계: 균일한 음성

무언가를 보여주기 전에 모든 테이크와 픽업의 레벨을 문장별로 맞춰서 하나의 녹음처럼 들리게 하세요. 전화기 같은 곡선으로 톤을 확인하고, 피치도 확인하세요: 1.5 반음 차이가 나는 테이크는 연결에서 여전히 어색하게 들립니다. 재녹음이 피치 시프트보다 낫습니다. 같은 후크의 두 반쪽이 몇 초 차이로 녹음되어도 여전히 다를 수 있습니다. 가장 잘 맞는 쌍을 선택하고, 해당 연결에서 화면이 점프하면 펀치-인으로 가리세요.

8단계: 누군가 보기 전에 감사

내보낸 컷을 독립적으로 트랜스크라이브하고 의도된 대사 순서와 단어를 비교하세요. 모든 연결 주변에서 짧은 중첩 윈도우로 중복된 시작("이제 당신은, 이제 당신은 검토할 수 있습니다")을 확인하세요. 전체 파일 음성-텍스트 변환은 반복을 부드럽게 없애기 때문입니다. 누군가 반복을 보고하면, 반증될 때까지 실제입니다.

모든 버전과 함께 영수증을 저장하세요:

  • 커버리지: 검토된 조각, 헤드, 테일, 조인, 간격의 개수. 예상 및 검토된 개수가 일치해야 합니다.
  • 테이크 원장: 의도된 단어, 의심스러운 대사의 모든 후보 테이크, 선택 및 이유.
  • 컷 원장: 각 경계의 프레임, 제거 또는 유지된 프레임 및 보호된 특정 사운드.
  • 잔여 간격: 인코딩된 컷에 대해 재실행하고, 남아있는 모든 것과 그 이유를 나열하세요.
  • 청취: 자동화된 확인은 청취가 아닙니다. 사람이 정상 속도로 듣기 전까지 청취를 대기 중(PENDING) 으로 표시하세요. 숫자가 통과했다고 해서 깨끗하다고 주장하지 마세요.

피드백이 돌아올 때

  • 거부된 중얼거림이나 "이 컷이 느슨하다"는 메모는 해당 타임스탬프뿐만 아니라 전체 비디오를 재감사하세요.
  • 모든 수정은 새 버전입니다. 승인된 컷을 덮어쓰지 마세요.

규칙

  • 첫 버전부터 빡빡하게. 빈 공간 없음, 겹치는 부분 없음, 잘린 소리 없음.
  • 큐 기반 테이크. 절대 마지막 테이크를 기본으로 하지 않음. 전달이 불명확하면 물어보기.
  • 호흡 꼬리는 마지막 단어 후 20ms에서 끝남.
  • 3배 이상 모션 연결은 프레임을 다시 넣어 2배 이하로. 디졸브 없음.
  • 컷팅 전 소스에서 마이크 드롭아웃 스캔 및 복구.
  • 음성을 빨리 재생하거나 합성하지 않음. 영상을 업로드하지 않음.

Individual skills in this repo

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

관련 스킬