Cortar Silêncios (Agente 1 do Pipeline)
Primeira etapa da edição automatizada. Pega uma gravação bruta + sua transcrição em nível de palavra e remove apenas silêncio: vazio antes da primeira palavra e depois da última palavra, mais pausas entre palavras maiores que um limite (reduzidas para uma respiração natural, nunca um intervalo zero duro). Ele deixa as palavras do falante intocadas — falsos começos, retomadas e gagueiras são trabalho do agente corte de erros (Agente 2).
Este agente é determinístico e orientado pela transcrição, portanto sua saída (*.silence-transcript.json) alimenta de forma limpa os próximos agentes e o validador de sincronização de batida.
Quando usar
- "cortar os silêncios", "aparar as pausas", "remover vazios", "apertar o ritmo"
- Como o primeiro estágio do fluxo de trabalho mestre de edição, logo após a transcrição.
Pré-requisitos
Um JSON de transcrição em nível de palavra. Pode ser no formato ElevenLabs Scribe
({ words: [{ text, start, end, type }], audio_duration_secs }) ou genérico
{ words: [{ text, start, end }] }. Gere um com o transcricionador da área de trabalho:
node scripts/transcribe-elevenlabs.mjs path/to/raw.mp4 # -> path/to/raw.json
Uso
# 1) Apenas planejamento — calcula o corte, escreve EDL + transcrição com novo tempo (nenhum vídeo tocado)
node .agents/skills/cut-silences/scripts/cut-silences.mjs <transcript.json> \
--out-dir video-projects/<slug>/assets
# 2) Com um vídeo — também escreve o comando ffmpeg (ainda não renderiza)
node .agents/skills/cut-silences/scripts/cut-silences.mjs <transcript.json> \
--video video-projects/<slug>/assets/raw.mp4 --out-dir video-projects/<slug>/assets
# 3) Renderizar o vídeo cortado (ffmpeg local, recodificar, A/V mantido em sincronia)
# adicione --apply para realmente executar ffmpeg
node .agents/skills/cut-silences/scripts/cut-silences.mjs <transcript.json> \
--video video-projects/<slug>/assets/raw.mp4 --apply \
--output video-projects/<slug>/assets/edited-silenced.mp4
Opções
| Flag | Padrão | Significado |
|---|---|---|
--video <caminho> | — | Vídeo fonte; habilita o comando ffmpeg / renderização |
--out-dir <dir> | próximo ao transcricionador | Onde as saídas são escritas |
--output <caminho> | <video-stem>.silenced.mp4 | Caminho do vídeo cortado |
--gap <s> | 0.55 | Pausa mínima tratada como silêncio cortável |
--head-pad <s> | 0.22 | Silêncio mantido antes da primeira palavra |
--tail-pad <s> | 0.34 | Silêncio mantido após a última palavra |
--apply | desligado | Executar realmente ffmpeg para renderizar o corte |
Como ele decide (as regras de silêncio)
- Pausas abaixo de
--gap(0,55s) são deixadas em paz — ritmo natural da fala. - Para uma pausa cortada, uma respiração natural é mantida, dimensionada pelo contexto:
0.24spara pausas longas (≥2s),0.20sapós um final de frase (. ! ?),0,14scaso contrário. A respiração mantida é ligeiramente deslocada para o final da frase anterior. - O vazio inicial/final é cortado para
--head-pad/--tail-pad. - Os intervalos de exclusão são mesclados; os intervalos de manutenção são o complemento. O corte é renderizado com um grafo de filtro ffmpeg
trim/atrim+concat(escrito em um script*.silence-filter.txte passado via-filter_complex), para que vídeo e áudio permaneçam sincronizados.
Saídas (escritas em --out-dir)
| Arquivo | Propósito |
|---|---|
<stem>.silence-edl.json | Intervalos de manter/excluir, durações, parâmetros — a lista de edição |
<stem>.silence-transcript.json | Palavras com novo tempo na linha do tempo editada (alimenta Agente 2 + batidas) |
<stem>.silence-decisions.md | Resumo legível por humanos + maiores pausas cortadas |
<stem>.silence-filter.txt | O grafo de filtro ffmpeg (apenas com --video) |
<video-stem>.silenced.mp4 | O vídeo cortado (apenas com --apply) |
O resumo JSON impresso no stdout inclui removed, removedPct, contagens de intervalos e caminhos de saída — útil para o fluxo de trabalho mestre registrar e encadear.
Notas de ajuste
- Padrão para YouTube de cabeça falante (
--gap 0.55) remove aproximadamente 15-20% de um take bruto típico como silêncio puro. Reduza--gappara um corte mais rápido e incisivo; aumente-o para preservar mais espaço natural para respiração. - Se um corte parecer muito agressivo nos limites de frase, aumente a respiração de quebra de frase ou aumente
--gap.
Transferência para o próximo agente
Passe <stem>.silence-transcript.json (e o silenced.mp4 se renderizado) para o agente corte de erros. Como os timestamps já estão na linha do tempo editada, o tempo de batida downstream e o scripts/validate-beat-sync.mjs funcionam sem ajustes adicionais.