i0wU/claude-autocut

Claude AutoCut

Edição de vídeo local guiada por uma transcrição no nível da palavra. Tudo roda na máquina do usuário: Whisper (faster-whisper) para fala, FFmpeg para mídia, Pillow para legendas e, apenas no modo cartoon, HyperFrames (Node.js) para renderizar a animação. Sem chave de API, sem serviço pago, nada é enviado.

A linha de comando é scripts/autocut.py dentro desta pasta da skill. Execute com o Python que tem as dependências instaladas (veja "Configuração"):

python "<dir-da-skill>/scripts/autocut.py" <comando> ...

<dir-da-skill> é o diretório base desta skill (mostrado quando a skill carrega).

Escolha o modo

O usuário quer	Modo	Comando
"editar este vídeo", "cortar as pausas", "remover os 'hãns'", "limpar meus retakes"	Edição Automática	edit VIDEO -o PROJETO
legendas em um vídeo sem cortá-lo	Legendas	captions VIDEO -o PASTA
uma cena animada acima do locutor, gravação inteira mantida	Animado Completo	cartoon init VIDEO -o PROJETO, storyboard, cartoon render
editar primeiro, depois animar o vídeo editado	Completo	complete VIDEO -o PASTA, storyboard, cartoon render
"cartoon", "podcast animado" sem dizer se cortar	pergunte uma vez: manter tudo (Animado Completo) ou cortar primeiro (Completo)?

Se a solicitação for ambígua, pergunte qual modo em uma breve pergunta e recomende um. Antes de qualquer outra coisa, execute doctor uma vez na sessão: ele informa quais modos estão prontos nesta máquina.

Configuração (uma vez por máquina)

1. python -m venv .venv e ative-o, depois pip install -r "<dir-da-skill>/requirements.txt".
2. FFmpeg (ffmpeg e ffprobe) no PATH.
3. Modos cartoon apenas: Node.js 18+ (npx e npm). HyperFrames 0.8.79 é baixado pelo npx no primeiro uso e nunca é atualizado automaticamente; cada projeto cartoon instala GSAP com npm.
4. python "<dir-da-skill>/scripts/autocut.py" doctor

A primeira transcrição baixa o modelo Whisper (--model tiny ~75 MB, small ~480 MB, o padrão). Use --language quando o idioma for conhecido; --model medium ou large-v3 para áudio difícil.

Edição Automática

python "<dir-da-skill>/scripts/autocut.py" edit input.mp4 -o edits/meu-video [--language pt] [--model small]

Etapas: transcrição → análise → plano → renderização → verificação (a edição é transcrita novamente e comparada) → legendas → REPORT.md. Saídas na pasta do projeto: renders/cut_vN.mp4 (edição limpa), renders/final_vN.mp4 (com legendas queimadas), captions_vN.srt, decisions.md (cada trecho removido com seu tipo e motivo), analysis.md, verify_vN.json. Nada é sobrescrito: cada renderização é uma nova versão. O vídeo original é apenas lido.

O que o plano faz por conta própria (conservador propositalmente):

• corta silêncio antes da primeira e depois da última palavra;
• encurta pausas maiores que 0,7 s, mas nunca as remove; uma pausa após o final de uma frase mantém mais (uma possível pausa para ênfase);
• remove sons de preenchimento e um take incompleto que é refeito logo em seguida;
• de dois takes completos da mesma frase, mantém o mais limpo por evidência, nunca "o último" ou "o mais curto"; se as evidências forem equivalentes, ambos permanecem e o caso é listado sob "Para revisão";
• mantém som audível que a transcrição perdeu e descarta texto que o Whisper inventou sobre silêncio.

O portão (cortes de alto impacto)

Um corte que remove palavras não ditas em nenhum outro lugar (negações incluídas) é de alto impacto. O plano automático nunca faz um; eles vêm apenas de overrides.json (cortes que você adiciona a pedido do usuário). A renderização para até que cada corte de alto impacto tenha uma aprovação. Para aprovar, mostre ao usuário o trecho exato e as palavras de decisions.md, obtenha um sim explícito, então:

python "<dir-da-skill>/scripts/autocut.py" approve PROJETO --start 12.0 --end 18.5 --by "usuario" --reason "pedido para remover a tangente"
python "<dir-da-skill>/scripts/autocut.py" edit input.mp4 -o PROJETO     # a transcrição é reutilizada, nova versão renderizada

Nunca registre uma aprovação que o usuário não deu. plan PROJETO reexecuta análise e plano sem renderizar.

overrides.json (na pasta do projeto)

{"cuts":  [{"start": 12.0, "end": 18.5, "reason": "tangente fora do assunto"}],
 "keep":  [{"start": 3.0, "end": 4.2, "reason": "o preenchimento faz parte da piada"}],
 "pauses": {"p04": {"action": "keep"}, "p07": {"keep_s": 0.8}}}

Os ids de pausa (p04) vêm de analysis.md. Leia references/editing.md para como as decisões são classificadas.

Reportando ao usuário

Leia REPORT.md e decisions.md e informe ao usuário, brevemente: duração antes e depois, o que foi removido e por quê, qualquer coisa sob "Para revisão", se a verificação passou (palavras faltando, negações mantidas). Diga que você não pode ouvir ou assistir ao vídeo: ritmo e gosto são para o usuário julgar com som.

Apenas legendas

python "<dir-da-skill>/scripts/autocut.py" captions input.mp4 -o captions/meu-video [--no-burn] [--caption-y 0.75]

Escreve captions.srt, captions.json e captioned.mp4. Vídeos verticais recebem legendas maiúsculas grandes a 70% da altura; os horizontais ficam perto da base. Cada palavra falada aparece uma vez, em ordem.

Cartoon (Animado Completo e Completo)

1. cartoon init VIDEO -o PROJETO (Completo faz edit primeiro e cria o projeto cartoon na edição).
2. Leia PROJETO/speech.md (blocos de fala com tempos) e escreva PROJETO/storyboard.json: cenas que cobrem todo o vídeo sem lacunas, cada uma com um cenário, as poses e rostos do apresentador, objetos e palavras na tela. O esquema, o catálogo (cenários, poses, rostos, objetos, transições) e as regras de layout estão em references/cartoon.md. Leia antes de escrever o primeiro storyboard.
3. cartoon check PROJETO até que não reporte erros. O texto na tela só pode usar palavras que são faladas.
4. cartoon snapshot PROJETO --at 1.5,8,20 e veja os quadros em reviews/.
5. cartoon render PROJETO (ou --range 0-6 para um teste rápido). Saída: renders/cartoon_vN.mp4 com o áudio original copiado inalterado; renders/cartoon_vN.qc.json verifica duração e áudio.

A animação lê o significado da fala apenas através do storyboard que você escreve: o código não entende a fala por si só.

Regras

• Nunca modifique ou exclua o vídeo original ou renderizações anteriores.
• Nunca adicione um corte que mude o significado da fala; nunca aprove um corte de alto impacto pelo usuário.
• Texto na tela e legendas usam apenas palavras que são faladas.
• Execute renderizações uma de cada vez; a renderização cartoon é pesada (veja references/troubleshooting.md).
• Não afirme que o resultado "soa bem": você não pode ouvi-lo. Reporte o que foi medido.

Quando algo falha

Veja references/troubleshooting.md (FFmpeg faltando, download do modelo, Node/npx, HyperFrames, memória, idioma errado, transcrição ruim).