Communitygithub.com

Corte

Corta imagens brutas de cabeça falante em uma edição de fala enxuta. Encontra a melhor tomada completa de cada linha, remove cada pedaço de silêncio até o quadro, nunca corta o final de uma palavra ou parte uma respiração ao meio e verifica cada junta quanto a saltos de imagem, dropout de microfone e nível de voz. Use primeiro, na gravação bruta.

O que é Corte?

Esta habilidade é um sistema de edição de vídeo focado em cortes de fala para conteúdo de cabeça falante (talking heads). Ela automatiza a remoção de todo o espaço morto entre palavras, frases e tomadas, produzindo uma edição extremamente enxuta sem nunca cortar sons vocais ou respiratórios de forma abrupta. O processo começa com uma transcrição local com timestamps de palavras e varredura de dropout de microfone, seguido por seleção guiada de tomadas com base em pistas verbais do orador. A edição final garante que cada corte seja um salto de imagem aceitável (medido em movimento) e que o nível de voz permaneça uniforme, com auditoria independente antes da entrega. Projetada para Claude Code e sistemas de IA de desenvolvedor similares, a habilidade opera completamente offline, usando ffmpeg e transcrição local para nunca enviar gravações para serviços externos, e mantém um registro completo de cada decisão de corte para rastreabilidade.

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

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

Corte: a edição de fala enxuta

O corte é a base. Gráficos, legendas e som são todos sincronizados com ele, então ele precisa estar certo antes de qualquer outra coisa começar. O padrão: a primeira versão é cortada super enxuta, sem um único espaço morto em lugar nenhum, e sem nada sobreposto. Enxuto nunca significa cortado. Uma palavra que perde sua última consoante, ou uma respiração cortada ao meio, soa pior do que uma pausa.

O que você precisa

  • O vídeo original da câmera. Nunca o arquivo proxy de baixa resolução que algumas câmeras escrevem ao lado (um DJI .LRF, por exemplo): corte do MP4 de qualidade total.
  • O roteiro, se houver.
  • ffmpeg e um transcritor local (faster-whisper). Transcreva localmente; nunca faça upload da gravação de alguém para um serviço externo.

Passo 1: inventário

Analise a fonte: resolução, taxa de quadros exata (29,97 é 30000/1001, não 30), duração, canais de áudio. Registre. Cada número de quadro nesta habilidade é um quadro nativo da fonte. Nunca adote a taxa de quadros de outro vídeo.

Passo 2: transcreva com timestamps de palavras

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

Conversão de fala em texto encontra palavras. Ela não pode julgar a entrega, ouvir um murmúrio ou certificar uma consoante limpa.

Passo 3: verifique quedas de microfone antes de cortar

Microfones sem fio às vezes perdem 20 a 50 ms e preenchem com uma decadência falsa suave. Soa como uma falha em uma palavra, e as pessoas culpam a edição.

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

Execute no áudio original, nunca em uma mixagem final onde a música esconde. Repare cada queda real, depois corte do áudio reparado:

.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

O reparo deleta o ocultamento, cruza as duas metades reais e compensa o tempo com tom ambiente da pausa mais próxima, para que a sincronização labial seja mantida. Sem síntese, filtragem ou ganho. Quando alguém disser "há uma falha", verifique som e imagem separadamente.

Passo 4: escolha as tomadas

  • Ouça por pistas faladas. Os oradores frequentemente dizem "usa essa", "essa é a boa" ou "usa esta" após uma boa tomada. A pista marca a tomada completa logo antes dela. Sem pista, a última tomada limpa e completa antes de seguir em frente. Uma pista falada posterior tem precedência.
  • Nunca escolha a última tomada por padrão. Muitas vezes é a cansada.
  • Rejeite murmúrios, falsos começos, pensamentos inacabados, palavras interrompidas, ensaios silenciosos e leituras erradas. Nunca resgate uma tomada silenciosa com ganho.
  • Para qualquer linha suspeita, pesquise toda a gravação por cada tomada completa dela, não apenas a mais próxima. Compare-as em uma tabela curta: tomada, tempo da fonte, pista, veredito, motivo.
  • Quando não estiver claro qual tomada soa melhor, pergunte. Forneça ao usuário cada tomada completa dessa linha para reproduzir, com qualquer tomada com pista pré-selecionada, e corte a partir das escolhas deles. Não adivinhe sobre a entrega.
  • Se nenhuma tomada completa limpa de uma linha existir, diga claramente. Nunca invente uma substituição ou ponte a partir de um fragmento de palavra.
  • Compare o roteiro com as palavras realmente faladas linha por linha. Gráficos e legendas seguem o que foi dito, não o que foi escrito.
  • Múltiplos ganchos: se vários ganchos de abertura foram gravados, corte o corpo uma vez e cada gancho separadamente, depois verifique cada junção gancho-corpo por conta própria.

Passo 5: corte enxuto

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

Isso propõe candidatos; nunca corta. Então vá limite por limite:

  • Remova todo espaço morto discricionário: entre tomadas, entre frases, entre palavras, esperas no final. Junte diretamente à próxima fala significativa.
  • Mantenha apenas os quadros que um som realmente precisa: fricativas fracas (s, f, th), aspiradas (h), fechamentos e liberações de consoantes (t, k, p) e a decadência completa do final de uma palavra. Para cada MANTER, nomeie o som protegido. "Pacing natural" não é um motivo.
  • Caudas de respiração. Onde o nível cai em direção ao tom ambiente e depois sobe novamente sem palavra, essa subida é uma respiração. Termine o trecho 20 ms após o último som da palavra. Cortar na respiração deixa um meio-ruído estranho. Um final de palavra em decadência permanece.
  • Mantenha pelo menos 2 quadros antes de uma palavra que começa após uma pausa removida.
  • Nunca acelere a voz, nunca sobreponha dois trechos de fala, nunca cruze duas vozes uma sobre a outra. Nunca remova fala real para atingir uma duração.
  • Um detector de silêncio propõe candidatos; nunca certifica nada. Pequenas lacunas abaixo do mínimo do detector ainda são revisadas.

Escreva um manifesto quadro-exato (cut.json): para cada trecho, a linha à qual pertence, quadros de entrada e saída da fonte, quadro de início da saída e o motivo de cada limite. Tudo a jusante (legendas, gráficos, som) é remapeado a partir dele após cada alteração.

Passo 6: saltos de imagem nas junções

Cortar uma pausa curta enquanto as mãos ou a cabeça estão se movendo parece quadros perdidos. Após a passagem enxuta, renderize o corte e meça cada junção no meio da frase:

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

O salto é a diferença de quadro através da junção dividida pelo movimento normal ao redor dela. Em 3x ou mais, coloque de volta os poucos quadros de pausa reais que a trazem para 2x ou menos, escolhendo quais quadros descartar para que os dois lados correspondam. Sem dissoluções. Cortes entre tomadas em quebras de frase são cortes de salto normais. Junções escondidas sob um gráfico de tela cheia não aparecem. Em uma linha onde as mãos se movem rápido, não corte quadros dentro dela.

Passo 7: voz uniforme

Nivele cada tomada e pickup por frase antes de mostrar qualquer coisa, para que soe como uma gravação. Verifique o tom em uma curva tipo telefone e o pitch: tomadas com 1,5 semitons de diferença ainda soam estranhas em uma junção. Uma regravação vence um pitch shift. Duas metades de um mesmo gancho gravadas com segundos de diferença ainda podem diferir; escolha o par que combina melhor e, se a imagem saltar nessa junção, cubra com um punch-in.

Passo 8: audite antes de alguém ver

Transcreva o corte exportado de forma independente e compare as palavras em ordem com as linhas pretendidas. Verifique começos duplicados ("agora você pode, agora você pode revisar") com pequenas janelas sobrepostas ao redor de cada junção, porque a conversão de fala em texto de arquivo inteiro suaviza repetições. Se alguém relatar uma repetição, é real até prova em contrário.

Salve um recibo com cada versão:

  • Cobertura: quantos trechos, cabeças, caudas, junções e lacunas foram revisados. As contagens esperadas e revisadas devem corresponder.
  • Registro de tomadas: palavras pretendidas, cada tomada candidata para linhas suspeitas, a escolha e o motivo.
  • Registro de corte: quadros de cada limite, quadros removidos ou mantidos e o som específico protegido.
  • Lacunas residuais: reexecute no corte codificado; liste o que restou e por que permanece.
  • Escuta: uma verificação automatizada não é escuta. Marque escuta como PENDENTE até que uma pessoa a tenha ouvido em velocidade normal. Nunca afirme que soa limpo porque os números passaram.

Quando o feedback retorna

  • Um murmúrio rejeitado ou uma nota "este corte está solto" significa re-auditar o vídeo inteiro, não apenas esse timestamp.
  • Cada correção é uma nova versão. Nunca sobrescreva um corte aceito.

Regras

  • Enxuto desde a versão um. Sem espaço morto, sem nada sobreposto, sem sons cortados.
  • Tomadas guiadas por pistas. Nunca a última tomada por padrão. Pergunte quando a entrega não estiver clara.
  • Caudas de respiração terminam 20 ms após a última palavra.
  • Junções com movimento 3x ou mais recebem quadros de volta para 2x ou menos. Sem dissoluções.
  • Verifique e repare quedas de microfone na fonte antes de cortar.
  • Nunca acelere ou sintetize a voz. Nunca faça upload de gravações.

Individual skills in this repo

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

Habilidades Relacionadas