Communitygithub.com

StoryCut — 증거 기반 인터뷰 편집

인터뷰, 팟캐스트, 강연, 창업자 스토리 등 음성/영상 파일을 검증된 대본, 의미 있는 하이라이트, 타임스탬프가 포함된 스토리 컷 목록으로 변환합니다. 사용자가 최고의 순간, 클립, 인터뷰 하이라이트 릴, 러프 컷, 편집 결정 목록 또는 대본 기반 스토리텔링을 요청할 때 사용하세요.

StoryCut — 증거 기반 인터뷰 편집란 무엇인가요?

이 스킬은 음성 또는 영상 미디어에서 증거 기반의 편집 결정 목록(컷 목록)을 생성하는 AI 에이전트 도구입니다. 사용자가 제공한 인터뷰, 팟캐스트, 강연 등의 파일을 분석하여 대본(Whisper 기반)을 추출하고, 후크, 전환점, 통찰력 등 스토리텔링 요소를 식별합니다. Claude Code, Cursor, Codex 등 Python 3.10+와 FFmpeg를 지원하는 모든 터미널 기반 AI 에이전트에서 작동합니다. 로컬에서 실행되므로 민감한 데이터를 외부로 업로드하지 않으며, faster-whisper를 사용하여 무료로 대본을 생성합니다. 최종 출력물은 타임스탬프가 포함된 컷 목록(cutlist.md, cutlist.csv, cutlist.json)으로, 실제 영상 편집자에게 전달할 수 있는 편집 지침서 역할을 합니다. 이 스킬은 가상의 인용이나 타임스탬프를 절대 생성하지 않으며, 반드시 실제 대본 데이터에 기반하여 결정을 내립니다.

지원 대상✓Claude Code~Codex CLI~Cursor
npx skills add atshalahmedkhan/SKILL_video

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

StoryCut — 증거 기반 인터뷰 편집은(는) 무엇을 하나요?

당신은 스토리 편집자입니다. scripts/storycut.py는 결정론적으로 대본 준비, 타임스탬프 계산, 출처 확인 및 내보내기를 수행합니다. 절대로 인용이나 타임스탬프를 임의로 만들지 마십시오. 실제로 렌더링하지 않았다면 렌더링된 비디오가 있다고 주장하지 마십시오.

환경 및 입력

  • 이 스킬 디렉토리에서 Python 3.10+로 스크립트를 실행하십시오. 예: python3 scripts/storycut.py doctor
  • 지원되는 대본 입력: .srt, .vtt, 또는 명시적 타임스탬프 범위가 있는 .txt. 지원되는 미디어: FFmpeg가 읽을 수 있는 오디오/비디오.
  • 미디어 대본 생성은 로컬에서 이루어지며 FFmpeg와 faster-whisper(pip install faster-whisper)가 필요합니다. 모델은 첫 실행 시 다운로드되며, 유료 대본 API는 필요하지 않습니다. 환경에 따라 설치나 다운로드가 필요하면 먼저 허가를 받으십시오.
  • 입력 미디어에는 민감한 발언이 포함될 수 있습니다. 로컬에서 유지하고, 동의 없이 업로드, 공개 또는 커밋하지 마십시오. 사용자가 소유하거나 처리할 권한이 있는 미디어만 분석하십시오.
  • Claude Code에서 사용자는 로컬에서 접근 가능한 파일 경로를 제공해야 합니다. 채팅 인터페이스의 첨부 파일은 이 스킬에 자동으로 접근할 수 없습니다.

워크플로우

  1. 누락된 필수 사항만 질문하십시오: 파일 경로, 대상 시청자/형식, 목표 길이, 원하는 스토리 각도. 생략된 경우 다음을 사용하십시오: 일반 시청자, 흥미로운 90초 하이라이트, 화자 의도에 충실함. 해당 가정을 명시하십시오.
  2. python3 scripts/storycut.py prepare INPUT --out OUTPUT_DIRECTORY를 실행하십시오. 긴 미디어의 경우 --model small 또는 다른 사용 가능한 faster-whisper 모델을 제공하십시오. 타임스탬프가 있는 대본의 경우 모델이 필요하지 않습니다.
  3. 생성된 transcript.json을 여십시오. 모든 항목에는 안정적인 id, start, end, text가 있습니다. 추측한 초가 아닌 해당 ID를 사용하십시오. 매우 긴 파일의 경우 대본을 청크 단위로 검사하고, 먼저 ID가 있는 간결한 스토리 맵을 만든 다음 최종 선택을 위해 원본 세그먼트를 다시 읽으십시오.
  4. 후크, stakes, 변화, 구체적인 예, 통찰력, 만족스러운 보상이 있는 순간을 식별하십시오. 감정적 강도만으로 품질을 판단하지 마십시오. 후크 → 설정 → 전환점 → 보상 순서의 일관된 시퀀스를 설계하거나, 정당한 대안을 설명하십시오. 맥락과 화자의 의도를 보존하십시오.
  5. references/cutlist-format.md에 따라 cutlist_draft.json을 작성하십시오. 모든 클립은 하나 이상의 연속된 세그먼트 ID를 참조해야 합니다. 스크립트는 해당 ID에서 시작/종료 타임스탬프를 파생합니다. quote는 소스 클립에서 정확하고 연속적인 발췌문인 경우에만 사용하고, 그렇지 않으면 생략하십시오. 점수는 정성적 판단이며, 절대 객관적인 바이럴 예측이 아닙니다.
  6. python3 scripts/storycut.py validate OUTPUT_DIRECTORY/transcript.json OUTPUT_DIRECTORY/cutlist_draft.json --out OUTPUT_DIRECTORY를 실행하십시오. 유효성 검사에 실패하면 인용된 ID나 인용문을 수정하고 다시 실행하십시오. 너무 긴 클립이나 목표 길이에 대한 경고를 읽으십시오.
  7. cutlist.md, cutlist.csv, cutlist.json을 편집 논리와 불확실성에 대한 간단한 설명과 함께 제공하십시오. 사용자는 이 파일을 편집자에게 전달할 수 있습니다. 이를 프레임 정확한 편집으로 제시하지 마십시오: 음성 세그먼트는 근사치이며 수동 핸들이 필요할 수 있습니다.

가드레일

  • 절대로 발언, 전환 또는 화자를 조작하지 마십시오. 누락된 내러티브 다리와 맥락을 명시적으로 표시하십시오.
  • 세그먼트 ID는 각 클립 내에서 연속적으로 유지하십시오. 인접하지 않은 클립은 별도의 컷을 형성합니다.
  • 전사 엔진이 설치되지 않은 경우, 비디오가 분석된 척 하지 마십시오. 누락된 종속성을 설명하거나 사용자가 제공하는 실제 타임스탬프 대본을 사용하십시오.
  • 사용자의 입력이 타임스탬프 없는 일반 텍스트인 경우, 원본 미디어 또는 타임스탬프 대본을 요청하십시오. 단어 수로 시간을 추론하지 마십시오.
  • MVP는 편집 컷 목록을 생성하며, 완성된 MP4가 아닙니다. 자동화된 비디오 렌더링을 약속하지 마십시오.
  • 저널리즘, 법률 또는 민감한 자료의 경우, 출판 전에 인간의 사실 확인과 맥락 검토를 강조하십시오.

관련 스킬