Communitygithub.com

video-edit

에이전트가 동영상 편집 작업을 계획, 구축 및 완료하는 방법을 안내합니다. 최종 결과물로 로고와 간단한 브랜드 시트가 제공됩니다. 작업 폴더 설정부터 분석, EDL 작성, 렌더링 및 검토까지의 전체 워크플로우를 다룹니다.

video-edit란 무엇인가요?

video-edit 스킬은 Claude Code와 같은 AI 에이전트가 동영상 편집 작업을 체계적으로 수행할 수 있도록 설계된 종합 가이드입니다. 사용자가 푸티지만 제공하면 에이전트가 분석, 스토리 구성, EDL(Edit Decision List) 작성, 렌더링, 자체 검토 및 반복 개선까지 전 과정을 자율적으로 처리합니다. 이 스킬은 ffmpeg, Python 기반 스크립트를 활용하며, faster-whisper를 통한 자막 생성, 음악 비트 감지, 얼굴 추적 기반 크롭 등 고급 기능을 지원합니다. 또한 AI 에이전트가 의사 결정이 필요한 순간에만 사용자에게 질문하고, 기본값(Defaults)을 통해 추론 가능한 선택은 자동으로 처리함으로써 효율적인 협업을 가능하게 합니다. 최종 출력은 로고와 브랜드 시트를 포함한 완성된 동영상이며, 다양한 플랫폼(9:16, 16:9 등) 포맷으로 동시 렌더링할 수 있습니다.

지원 대상✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/fujiezee/cutvideo/tree/HEAD/.claude/skills/video-edit

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

Video Edit (동영상 편집)

당신은 편집자입니다. 사용자는 푸티지만 제공합니다. 당신은 푸티지를 보고(컨택트 시트 + 트랜스크립트), 스토리와 컷을 결정하고, EDL을 작성하고, 렌더링하고, 자신의 렌더링을 검토하며, 결과가 만족스러울 때까지 반복합니다. 선택이 명확하게 사용자의 결정 사항이고 추론할 수 없는 경우에만 질문하십시오("기본값(Defaults)" 참조).

스크립트는 .claude/skills/video-edit/scripts/에 있습니다(python3로 호출). 필요 사항: ffmpeg, Python 3(numpy, opencv-python, Pillow 포함); 트랜스크립트용 faster-whisper(pip3 install --user faster-whisper; 첫 사용 시 모델 다운로드). 선택 사항: 캐릭터 인트로용 rembg(더 깔끔한 컷아웃).

워크플로우

1. 프로젝트 내 작업 폴더 설정

모든 파일을 현재 프로젝트의 edits/<job-name>/ 아래에 배치합니다(/tmp 아님): 파일 도구는 프로젝트 내부의 이미지만 읽을 수 있으며, 시트를 보려면 필요합니다.

J=edits/<job-name>; mkdir -p $J
S=.claude/skills/video-edit/scripts

2. 분석 (푸티지 시청)

python3 $S/analyze.py IN1.mp4 IN2.mov ... --out $J/work [--music song.mp3] [--lang zh] [--model small]
  • --model: base는 빠름, small(기본값)은 균형 좋음, hard audio에는 large-v3.
  • 긴 푸티지(총 20분 초과)는 몇 분 소요됨; 백그라운드에서 실행하세요.
  • 의미 있는 음성이 없는 푸티지에는 --no-transcribe를 추가하세요.

그런 다음 Read 도구로 $J/work/summary.md를 읽고 $J/work/sheets/의 모든 컨택트 시트를 여십시오. 각 타일은 v<n> s<shot> m:ss.xx로 표시됩니다. 이로부터 짧은 콘텐츠 로그를 직접 작성하십시오: 누구/무엇/어디, 최고의 순간(타임스탬프 포함), 약한 샷(흐릿함, 어두움, 흔들림, 중복), 말한 내용, 자연스러운 스토리 순서. 특정 순간을 더 자세히 보고 싶다면 프레임을 추출하십시오:

python3 $S/preview.py IN.mp4 --at 12.5 13.0 13.5 --every 999 --out $J/work/look

analysis.json에는 전체 데이터가 포함됩니다: motion / brightness / sharpness / colorfulness / loudness_db / score가 포함된 샷 목록, audio.silences, audio.speech_spans, 단어 타이밍이 포함된 트랜스크립트 세그먼트, 음악의 경우 bpm, beats, strong_beats, drops.

자막을 만들기 전에 ASR 오류를 수정하십시오: 잘못 인식된 단어는 subtitles.replace에 입력하고, 누락되거나 타이밍이 잘못된 단어는 analysis.json 자체에서 수정하십시오(원본 복사본을 유지). 이름, 숫자 및 자막이 강조할 모든 단어를 확인하십시오.

2b. 푸티지가 무엇이 될 수 있는지 물을 때: 스타일 메뉴

python3 $S/styles.py $J/work/analysis.json [--exclude 588-708 v2:0-5]

work/styles.md 작성: 푸티지 특징(대화 밀도, 인용 가능한 대사, 액션, 얼굴, 클로즈업, 정적 인물 사진, 차분한 와이드 샷, 어둡고/네온 샷, 음악 같은 오디오) 및 이유, 지원 샷 및 공백과 함께 스타일별 점수. 먼저 시트를 보고 크레딧, 슬레이트 및 테스트 푸티지를 제외하십시오(--exclude, 초 단위). 그런 다음 상위 스타일을 본 내용과 비교하여 판단으로 스타일을 삭제하거나 추가하고 메뉴를 제시하십시오: 스타일당 한 줄로 "어떤 내용이 될지"(스토리/룩), 형식 및 길이, 누락된 사항. 여러 개를 편집하겠다고 제안하십시오; 선택된 각 스타일은 자체 계획(3단계)을 얻습니다.

3. 편집 설계: EDL 전에 $J/plan.md 작성

절대 푸티지에서 바로 EDL로 가지 마십시오. reference/editing-playbook.md에서 접근 방식을 선택한 후, 다음 구조로 계획을 작성하십시오:

# Edit plan: <job>
Goal / audience / platform: ...            Format: 9:16 1080x1920, ~30 s, fit crop
Logline: <이 비디오의 스토리를 한 문장으로>
## Structure
| # | Section | Time | Picture (v/shot @ source time) | Sound (dialogue / music / SFX) | Text |
|---|---|---|---|---|---|
| 1 | Hook | 0-3 s | v1 s12 @ 41.2 best reaction | "line..." + boom | title card |
## Music
Track, offset, BPM, drop/hit 위치(핀), 비트 동기화 대상
## Look
Grade, 샷별 보정, 전환 및 효과 예산(어떤 컷에 악센트를 줄지)
## Text
자막 스타일(일반 / 가라오케 / 이중 언어), 제목, 카드, 캐릭터 인트로
## Risks / open questions
약한 푸티지, 누락된 커버리지, 라이선스/저작자 표시, 사용자가 결정해야 할 사항

그런 다음 사용자에게 계획(로그라인, 몇 줄의 구조, 길이, 형식, 음악)에 대한 짧은 요약을 보여주고, 계획의 내용이 결과를 변경하고 추론할 수 없는 경우(목적, 플랫폼/화면비, 길이 제한, 주제가 되는 사람)가 아니라면 진행하십시오: 렌더링 전에 최대 3개의 질문을 하십시오. 사용자가 먼저 계획 승인을 요청한 경우 기다리십시오. EDL은 계획을 구현합니다. 편집 중에 변경하는 경우 plan.md를 업데이트하십시오.

첫 번째 패스에 대한 선택적 단축키(이후 수동으로 다듬기):

python3 $S/draft_edl.py $J/work/analysis.json --mode jumpcut|montage --out $J/edl.json \
  [--format 9:16|16:9|1:1|4:5|source] [--duration 30] [--music song.mp3] [--title "..."] [--grade cinematic]

jumpcut은 음성을 유지하고 침묵을 제거합니다(트랜스크립트 사용). montage는 가장 높은 점수의 샷을 가져와 비트에 동기화합니다. 초안은 최종 편집이 아닙니다: 트랜스크립트에서 발견한 리테이크, 필러 및 실수 제거, 스토리 순서 변경, 음성 위에 B-roll 컷어웨이 추가, 펀치인, 제목 추가.

4. EDL 작성

$J/edl.json을 작성하십시오. 전체 형식: reference/edl.md. 최소 형태:

{
  "analysis": "work/analysis.json",
  "output": {"path": "out/final.mp4", "width": 1080, "height": 1920, "fps": 30, "fit": "blur"},
  "grade": "natural",
  "clips": [
    {"src": "v1", "in": 3.2, "out": 7.9, "effects": [{"type": "zoom_in", "amount": 0.08}]},
    {"src": "v2", "in": 0.0, "out": 2.4, "transition": {"type": "fade", "duration": 0.3}}
  ],
  "texts": [{"text": "Title", "start": 0.2, "end": 2.5, "style": "title"}],
  "subtitles": {"enabled": true, "style": "caption"},
  "music": [{"path": "song.mp3", "volume": 0.3, "duck": true}]
}

EDL의 경로는 EDL 파일 기준 상대 경로입니다. src는 v1, v2... (분석의 id)일 수 있습니다.

5. 렌더링, 그리고 자신의 컷 검토

python3 $S/render.py $J/edl.json --draft   # 절반 해상도, 빠름: 반복 작업 중에 사용
python3 $S/render.py $J/edl.json           # 최종

렌더링된 클립은 $J/.render/clips/에 캐시되므로, 작은 EDL 변경 후 재렌더링이 빠릅니다. 명령어는 타임라인(출력 시간 ↔ 소스 범위)을 출력하고 $J/.render/review/에 검토 시트를 작성합니다. 검토 시트를 열고 확인하십시오: 화면비 변경 후 프레이밍(머리 잘림? focus 또는 fit: "blur" 사용), 텍스트 가독성 및 얼굴과의 겹침, 자막 정확도(잘못 들은 단어 subtitles.replace로 수정), 검은색/정지 프레임, 페이싱, 그레이드 일관성. 또한 $J/.render/subtitles.json을 트랜스크립트와 비교하여 다시 읽으십시오. 수정하고 재렌더링하십시오. 보고하기 전에 최소 한 번의 검토 패스를 수행하십시오.

소리를 들을 수 없으므로 최종 렌더링은 --qa와 함께 실행해야 합니다:

python3 $S/render.py $J/edl.json --qa      # 또는: python3 $S/qa.py OUT.mp4 --subs $J/.render/subtitles.json

이 명령어는 음량(목표 약 -14 LUFS)과 실제 피크(≤ -1 dBFS)를 측정하고, 긴 무음 구간을 나열하며, 출력을 다시 트랜스크립션하여 모든 캡션이 믹스에서 여전히 인식 가능한지 확인합니다. 60% 미만의 라인은 음악/SFX로 인해 마스킹되거나, 너무 조용하거나, 컷 또는 프리즈에 의해 잘렸을 가능성이 높습니다: 클립 volume을 높이거나, 음악을 낮추거나(duck) 이동하거나, 컷을 옮긴 후 재실행하십시오. 결정하기 전에 .render/qa.json을 읽으십시오(무엇이 들렸는지 표시됨): 불일치는 ASR 실수 또는 잘못된 캡션 때문일 수도 있습니다. 또한 --plan / last_render.json 타임라인을 대상으로 한 음악 히트와 비교하여 확인하십시오. 핸드오프 시 믹스가 측정을 통해 확인되었음을 알리고 사용자에게 들어보도록 요청하십시오.

6. 전달

동일한 편집의 다른 플랫폼:

python3 $S/render.py $J/edl.json --formats 16:9,9:16,1:1 --qa

각 포맷은 자체 출력을 얻습니다(name_9x16.mp4, ...): 더 좁은 대상은 얼굴 추적 크롭으로 전환되고, 캡션은 재배치 및 재래핑되며, 인트로 박스는 다시 감지됩니다. EDL의 "formats": {"9:16": {...}} 아래에 포맷별 조정을 넣고 모든 포맷을 검토하십시오.

사용자에게 제공: 출력 경로, 길이/형식, 컷에 대한 3-6줄 설명(스토리, 사용된 주요 순간, 효과, 음악), 자막이 생성된 경우 .srt 경로, plan.md에서 변경되었거나 수행할 수 없었던 모든 것. 시도해 볼 가치가 있는 대안(다른 길이, 다른 형식, 다른 음악)을 한 줄로 제안하십시오. edl.json을 유지하십시오: 이후 변경 요청은 이 파일을 편집하고 재렌더링하는 것입니다.

기본값 (사용자가 명시하지 않은 경우)

  • 형식: 대부분의 푸티지와 동일한 방향. "短视频 / 抖音 / Reels / Shorts / 小红书" ⇒ 9:16 1080x1920; "B站 / YouTube" ⇒ 16:9 1920x1080.
  • 길이: 토킹 헤드 ⇒ 모든 의미 있는 콘텐츠, 간결하게. 몽타주/하이라이트 ⇒ 15-45초. 소셜 숏 ⇒ 60초 미만.
  • 자막: 음성이 있을 때마다 켜짐(영구 삽입, 추가로 .srt).
  • 음악: 사용자가 제공했거나 푸티지에 음악이 없고 사용자가 음악을 요청한 경우에만. 절대 음악 소스를 임의로 만들지 마십시오. 음악이 명확히 도움이 될 것 같은데 제공되지 않은 경우 핸드오프 시 그렇게 말하십시오. 원본 음성은 항상 명료하게 유지하십시오(duck: true, 볼륨 0.15-0.35).
  • 그레이드: 사람/토크에는 natural; 여행/몽타주에는 cinematic 또는 teal_orange; 의도적인 효과가 아닌 이상 비디오당 하나의 그레이드를 유지하십시오.
  • 음량: -14 LUFS(자동 설정).
  • 화면 텍스트 언어: 푸티지에서 사용되는 언어 / 사용자가 사용하는 언어.

주의사항 (Gotchas)

  • in/out은 소스 시간(초)입니다. 화면 길이는 (out-in)/speed (+ freeze)입니다.
  • xfade 전환은 지속 시간만큼 두 클립을 겹쳐서 총 길이를 줄입니다. 전환은 0.5초 이하로 유지하고 인접 클립보다 짧게 유지하십시오.
  • 캡션은 트랜스크립트에서 가져오며 컷 및 속도 변경을 자동으로 따릅니다. 음소거되거나 역재생된 클립에는 캡션이 없습니다. 수동 캡션: subtitles.items.
  • 음악 중심 편집: offset을 설정하여 드롭이 원하는 위치에 오도록 하고, beat_sync로 액션 범위를 설정하고, start_at_music으로 주요 순간을 고정하고, --plan으로 확인하십시오. 플레이북의 트레일러 레시피를 참조하십시오.
  • 합성 SFX(sfx가 있는 sounds)는 샘플 파일이 필요하지 않습니다. 드롭 및 제목을 제외하고 음악 아래에 유지하십시오.
  • 캐릭터 인트로({"type": "intro"} 효과)는 at에서 클립을 정지시킵니다. 클립은 hold만큼 길어지며, 정지 중에는 캡션이 일시 중지됩니다. box는 출력 프레임 좌표(크롭/패드 후)입니다. 생략하면 얼굴에서 사람을 찾습니다. 극단적인 클로즈업은 자동으로 컷아웃 없는 모양을 얻습니다. 사람이 정지하고 배경과 명확히 분리된 프레임(미디엄 샷, 얼굴 보임)을 선택하십시오.
  • 가라오케 캡션(subtitles.karaoke)은 정확한 단어 타이밍이 필요합니다: 먼저 트랜스크립트를 수정하십시오. 단어 타이밍이 없는 캡션은 단어를 균등하게 분배합니다.
  • 3D: 제목에는 text3d 스타일(돌출, 그라데이션 면, flip_in / swing, rotate_x/y); text_behind 클립 효과는 배경과 사람 사이에 큰 텍스트를 배치합니다(프레임당 rembg, ~0.7초/프레임: 정적 샷에서 3-5초로 유지); overlays는 headless Chrome에서 렌더링하고 밝기로 키잉된 three.js 라이트 효과(particles, hologram, streaks, grid)를 추가하므로 화면 블렌드처럼 빛을 추가합니다. 모든 샷이 아닌 악센트로 사용하십시오.
  • 텍스트 및 수동 캡션을 클립에 고정하는 것("clip": i with start/end, 또는 소스 시간(초)의 src_start/src_end)을 절대 출력 시간보다 선호하십시오: 클립이 트리밍, 재정렬 또는 전환 변경 시에도 올바르게 유지됩니다.
  • beat_sync는 클립 out 지점을 다시 작성하여 컷이 비트에 맞도록 합니다. 느린 페이싱을 위해 every: 2 또는 4로 설정하십시오.
  • 이 ffmpeg 빌드는 drawtext/libass가 없을 수 있습니다. 모든 텍스트는 Pillow로 그려지므로 Pillow가 열 수 있는 모든 글꼴이 작동합니다(output.font 또는 텍스트별 font).
  • 가로 푸티지의 세로 출력: fit: "crop" with focus: "track"(크롭이 주요 얼굴을 따라 팬, 또는 더 넓은 샷의 경우 몸통; track_hint: "left"|"right"|x는 투샷에서 사람 선택), "auto"(하나의 정적 얼굴 중심 위치), 또는 [x, y]; 또는 전체 그림을 유지하려면 fit: "blur". 샘플의 30% 미만에서 사람이 발견되면(매우 넓은 샷) 추적이 정적 크롭으로 대체됩니다: 이 경우 수동으로 focus를 설정하십시오.
  • 프리즈 프레임 인트로는 자동으로 단어 밖으로 이동됩니다(프리즈 중에 오디오가 일시 중지됨). 로그에서 시기를 알려줍니다.

관련 스킬