O que video-cut faz?
Você entrega um vídeo finalizado e verificado por você mesmo. Não "comando executado com sucesso", mas sim "eu vi o resultado".
Ferramenta: cut.py na pasta desta skill (normalmente ~/.claude/skills/video-cut/cut.py; abaixo será referido como <cut.py>). Execute sempre com uv run, as dependências são carregadas pelo próprio uv. Pré-requisito: uv instalado.
O CapCut não é controlado remotamente: ele não possui interface para isso. O resultado é um mp4 que o usuário pode editar posteriormente no CapCut.
Fluxo
- Esclarecer (apenas o que faltar, como opções clicáveis): Qual arquivo? Vertical ou formato original? Legendas e zooms sim/não? Duração alvo?
- Primeira execução:
uv run "<cut.py>" "<video>" -o "<saida>.mp4"Nunca sobrescreva o original. Para vídeos com mais de 2 minutos, execute em segundo plano. A saída mostra as pausas, duração antes/depois e os intervalos de zoom. Junto, é gerado<saida>.words.tsv. - Ler a lista de palavras (inteira): Cada linha é
Início<TAB>Fim<TAB>Palavra, tempos em segundos no original.- Corrigir palavras: nomes mal interpretados, termos técnicos, números, ortografia. Junte palavras divididas (ex.:
5e.2em uma linha5.2com início da primeira e fim da segunda). Não altere os tempos. - Encurtar conteúdo: Procure por hesitações, frases repetidas, muletas e reinícios. Um trecho vai do início da primeira palavra dispensável até o início da primeira palavra que deve permanecer. Corte apenas unidades completas de sentido, nunca no meio de uma frase, e mantenha a primeira frase (gancho), a menos que ela esteja repetida.
- Corrigir palavras: nomes mal interpretados, termos técnicos, números, ortografia. Junte palavras divididas (ex.:
- Segunda execução com a lista corrigida e os trechos:
uv run ... "<video>" -o "<saida>.mp4" --words "<saida>.words.tsv" --drop "12.3-15.8,40-44"--wordsevita uma nova transcrição. Os tempos permanecem válidos mesmo se você alterar--drop,--noiseou--min-silence. Estilização (na mesma execução, todos os tempos em segundos no original):--title "0-3=TEXTO": cartão de título amarelo no topo, pode ser usado várias vezes. Sempre coloque um sobre o gancho (primeiros 3 segundos, no máximo 4 palavras, em maiúsculas). Outros cartões apenas em seções reais ("DICA 1"), não mais que uma vez a cada 8 segundos.--flash "12.3,40": flash brilhante curto como transição. Apenas em mudanças de assunto, no máximo 3 a 4 por minuto.--music "<arquivo>": música toca por baixo da fala e fica mais baixa durante a fala. A ferramenta mede o tempo e as batidas; as trocas de zoom e os flashes são ajustados para a batida mais próxima (até 0,35 s de diferença). Volume com--music-volume(padrão 0.2). O arquivo de música deve ser fornecido pelo usuário; pergunte se ele tem permissão para usá-lo caso vá publicar o vídeo.- O final sempre tem um fade out de 0,4 s.
- Verificar números:
- Com música: A saída informa BPM e número de batidas. Se o tempo estiver abaixo de 60 ou acima de 200, o reconhecimento provavelmente está errado; avise.
- Quase nada foi cortado mesmo havendo pausas: use
--min-silence 0.3; com ruído de fundo, use--noise -25. - Palavras faltando no corte: use
--min-silence 0.7ou--noise -35.
- Visualizar quadros: Extraia 4 quadros individuais, sendo pelo menos um dentro e um fora de um intervalo de zoom, e examine-os com a função Ler:
uv run --with imageio-ffmpeg python -c "import imageio_ffmpeg,subprocess,sys;[subprocess.run([imageio_ffmpeg.get_ffmpeg_exe(),'-v','error','-y','-ss',t,'-i',sys.argv[1],'-frames:v','1',f'{sys.argv[2]}_{t}.jpg']) for t in sys.argv[3:]]" "<saida>.mp4" "<scratchpad>\check" 2 15 30 50Pegue um quadro de cada cartão de título e um exatamente no momento de um flash (a saída os informa). Verifique: cartão de título completo e não sobre o rosto, rosto mesmo no zoom não cortado, legendas legíveis e não sobre a boca ou texto existente, a palavra amarela combina com o momento, formato correto. - Entregar: Caminho do arquivo, duração antes/depois, quais trechos foram removidos e quais palavras foram corrigidas, o que você não pôde verificar.
Regras
- Antes da segunda execução, informe ao usuário em uma frase quais trechos serão removidos, se juntos representarem mais de 10% da duração.
- Na exportação vertical a partir de um vídeo horizontal, o centro é cortado. Se a pessoa não estiver centralizada, avise e use
--no-vertical. - Se o vídeo já tiver legendas embutidas, use
--no-subs. Se o zoom parecer instável ou cortar o rosto, use--no-zoom. - Os zooms são definidos automaticamente pela ferramenta (a cada dois planos, alternando nos cortes e finais de frase). Não é possível definir zooms manualmente.
- O que a ferramenta não pode fazer (inserir B-roll, imagens e logotipos, efeitos sonoros, transições suaves entre cenas): não afirme que pode. Avise e ofereça-se para construir manualmente, mas apenas após aprovação.
- Você não pode ouvir o áudio. A ferramenta mede as batidas, mas se a música e a voz combinam bem só o usuário pode avaliar. Diga isso em todo vídeo com música e mencione
--music-volumecomo parâmetro de ajuste.