Communitygithub.com

影片剪辑

将已批准的镜头剪辑成电影制作人想要的成片——记录素材、将剪辑笔记转换为剪辑决策表、按镜头顺序组装、在句尾、停顿和节拍上修剪和调整节奏、执行经过测试的 ffmpeg 配方(修剪、拼接、重新构图、变速、联系页、字幕)、以 FCPXML 格式将时间线移交给剪辑师、制作和翻译字幕、修复成品镜头、最后放大并构建带有 AI 声明和演职员表的交付文件;仅在要求时上传,默认私有。

影片剪辑 是什么?

该技能专注于将已批准的原始素材剪辑成一部完整的、经过诚实标记的影片。它遵循严格的规则:智能体(Agent)充当执行者,所有创造性决策(保留、删除、交换什么)都留给用户。每个步骤都遵守关键原则:绝不覆盖或删除任何内容,每次处理都会生成新的编号版本;在任何付费步骤(如云转录或 AI 放大)之前,都必须明确询问并等待用户确认;并维护一份详细的生产日志,记录每个版本、应用的用户笔记以及任何付费步骤的详细信息。智能体会识别其范围界限——它不处理动态图形、电影级混音或调色,而是将这些任务无缝地移交给专用的姊妹技能。

兼容平台~Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/nikbearbrown/agentic-filmmaking/tree/HEAD/skills/film-edit

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

影片剪辑 是做什么的?

导演剪辑;智能体掌握时间线。此技能将已批准的镜头加工成一部已完成并如实标注的影片。工作主要依靠 ffmpeg:经过测试的命令位于ffmpeg-recipes.md,而素材日志、剪辑决策表、制作日志、交付清单、演职员表模板以及 FCPXML 骨架位于edit-sheets.md。

每一步的规则

  • 导演指挥;智能体执行。 智能体负责组装、测量、提出方案并渲染。保留、删除、固定、交换或重新排序哪些内容,由用户决定。当存在选择空间时(例如选择哪个镜头、向左还是向右裁剪、加速还是修剪),应提供选项并说明各自的代价。
  • +1 是意图,而非品味。 如果剪辑偏离了用户所说的需求(一个无法完全应用的笔记、一个丢失了反应的节拍),应标记一次,让用户决定,并记录该决定。你的偏好不是偏离的理由。
  • 绝不覆盖,绝不删除。 每次处理都会写入一个新的、有编号的文件(例如 cut-v4.mp4);原始素材始终为只读。使用 ffmpeg 的 -n(拒绝覆盖)而非 -y,除非用户明确要求替换该文件。旧的剪辑、效果不佳的镜头和被替换的片段应放入 superseded 文件夹。
  • 提前询问花费和发布事宜。 在任何付费步骤(云转录、生成式重新渲染、付费放大器)之前,说明工具、数量及预估费用,并等待用户确认。如果结果被拒绝,重新渲染是新花费:再次询问。沉默不等于同意。
  • 权利与同意。 不属于用户的素材、音乐和人声需要相关权利;真实人物的肖像或声音需要其本人的同意。下载他人的视频需要所有者许可或拥有许可证;服务条款的警告并非许可,因此请等待用户回答。
  • 记录制作日志:记录每个版本、应用的笔记、用户的决定,以及每个付费步骤的工具、任务 ID 和成本。仅当用户批准生成结果后,才将其标记为已保留。

此技能的边界

  • 标题、下三分之一、动态字体、逐字动画字幕、通过代码绘制的箭头和地图:动态图形。此技能将它们渲染后的输出叠加在已剪辑的干净画面上。
  • 旁白、对话、音乐、音效、混音和响度:电影音效。此技能将已交付的混音叠加在已锁定的画面之下。
  • 镜头、静帧和片段:电影镜头,包括拍摄中缺失的镜头。
  • 暂不涉及:调色。除非用户要求,否则保持生成的色彩不变。

1. 剪辑前探查并记录素材

在规划之前进行探查:时长、帧率(r_frame_rate 与 avg_frame_rate 不同表示可变帧率)、尺寸、像素宽高比和格式、音频流。生成的片段通常因镜头而异,有些甚至没有声音。

以观察者而非导演的身份记录每个片段:镜头编号、文件、画面内容、可用入点和出点、完整台词和动作的开始与结束位置、承载节拍的关键时刻、发现的问题。将你所看到的内容与其可能的意义分开记录;写“不清晰”而非编造故事。测量值是候选方案,而非最终结论:

  • 每个片段的连续帧联系页,并标注时间。一帧可能会隐藏鬼影物体或漂移的面部。
  • 场景变换候选点。 运动、闪光和溶解也会产生高分;请以正常速度逐一检查。
  • 静音窗口,此处可以进行剪切。转录文本中的间隙并非静音的证明。
  • 丢帧:时间戳间隔超过 1.5 帧的间隙。
  • 语音:对于长时间的录音,首先阅读转录文本,然后仅在画面重要时提取帧。

2. 按镜头顺序组装

初剪是机械性的:按镜头表顺序使用已批准的镜头,每个镜头都在其记录的入点和出点处。这是一个供用户观看的草稿。

  1. 将所有片段标准化为统一格式:尺寸、方形像素、帧率、像素格式、音频采样率和通道。为没有声音的片段添加一条静音轨道。当宽高比不同时,是适应(加黑边)还是填充(裁剪)由用户决定。
  2. 拼接:当每个片段完全匹配时使用流复制,否则使用 concat 滤镜(进行一次重新编码)。拼接后比较视频和音频的时长。
  3. 尽可能少地进行重新编码:使用高质量中间文件,最后只进行一次交付编码。
  4. 保留每个片段自身的音频(保持视频模型的背景音轨;调节音量是电影音效的工作)。
  5. 为版本编号,记录,制作联系页。

3. 剪辑笔记变为编辑决策表

用户观看并用自己的话输入笔记:修剪、交换、保持、剪切、移动。每条笔记成为编辑决策表(EDL)中的一行:笔记编号、用户原文、镜头、源片段入出点、操作、原因、状态。时间保持以源片段秒数为单位;输出时间线上的任何内容(旁白、字幕、标记)在每次重新剪辑后都需要重新计时。

  • 当笔记含糊不清时询问(如“中间部分收紧”):提供两个带有具体时间码的具体解释。
  • 为每行给出原因:它服务的节拍是什么,为什么要在此入点和出点。保留使节拍成立的关键时刻,而非整个事件。
  • 列出必须保留的时刻(问题和答案、反应、回报);在自动边界更改后,检查它们是否完整且顺序正确。
  • 对于对话,显示带有时间和编号的完整转录文本,询问要删除的内容,然后再将任何图形与剪辑同步。当一个句子被说了两次时,后一个镜头通常是更正版本;在删除任何一个之前先询问。
  • 应用笔记,渲染新版本,记录笔记和决策。 重复直到用户确认剪辑属于他们。

4. 修剪与节奏

在句尾和停顿处剪切。 入点或出点应位于测量的静音处、源片段的起始位置或一个镜头内部的连续接合点。如果边界仍然落在语音内部,则移动它或删除整个句子;永远不要为了达到长度而剪切单词。修剪停顿中间的死寂空气,以便两侧都保留一丝呼吸。为不连续的接合添加非常短的音频淡入淡出,避免出现咔嗒声。在移除刻意慢速说话者的停顿前先询问。

避免闪帧:当边界落在源片段中硬切旁边时留下的一帧或两帧碎片。移动边界或删除碎片;不要通过冻结或慢放来拉伸短镜头,也不要使用转场掩盖糟糕的剪切。

时长目标。 “做成60秒”通过变速和通过修剪是不同的答案(变速会改变所有运动和语音;修剪则会丢失素材)。将两种方案都展示出来。

调整画面以适应旁白(画面侧):当旁白台词长于其对应的镜头时,将那个片段最多放慢10%,并让剩余部分流入下一个镜头。在一部影片中,25个镜头中有7个需要这样做。在速度变化后保持帧率恒定,以便片段仍能与其他片段匹配以进行拼接。

切到节拍。 获取已批准音乐的节拍时间(以秒为单位的列表,来自电影音效或对音频轨运行的节拍检测器)。提出每个片段的最强时刻,将剪辑点对齐到最近的节拍,并在组装前展示带编号的镜头表。当节拍和句子结尾不一致时,展示两者并让用户选择。

5. 对已完成片段的效果修复

按成本顺序进行,并保留每个修复旁边的原始版本。

  • 保持原始像素的免费修复:重新构图、变速、冻结帧、通过插值填充丢帧、轻度降噪。

  • 叠加层绝不放入生成的素材中。 箭头、路径、标签和网格由动态图形在干净片段上绘制。如果生成的片段内嵌了这些内容,则重新生成干净的版本,而非在上面涂抹。

  • 生成式重新渲染是重新制作镜头,而非修复。 参考视频模型使用原始素材作为运动和外观的指导,而非锁定像素,因此面部、道具和摄像机移动可能会漂移。如果用户需要一个:

    1. 读取整个片段的帧;写下必须保持不变的内容(身份、手势、摄像机移动、构图、光线、手持物体)以及需要改变的内容,并计时到其发生的时刻。
    2. 在工具允许的情况下,先改变一帧并让其获得批准,然后再为动态效果付费。
    3. 说明模型、数量和预估成本;等待用户确认。
    4. 对照源片段检查结果:时长、语音是否到结尾、嘴巴是否在说最后几个字时活动、开头、中间、接合处和结尾的面部是否正常、批准的更改是否仍然存在。将失败报告为失败并提供一次修复机会;不要自行升级处理方式。

    模型保留什么是一个需要先在单个镜头上进行测试的问题。

  • 在过程中将每个镜头标记为真实或生成;声明需要此信息。

6. 隐藏式字幕与字幕

在画面锁定和任何重新构图之后制作字幕;在裁剪之前制作的字幕可能会落在画面之外。

  • 文字。 如果旁白是先写好的,剧本就是字幕文本:将其与音频对齐而不是转录。否则进行转录;本地引擎将媒体保留在机器上,云服务则会将其上传(先询问)。语音识别的时间戳通常是粗略的窗口,而非单词级的计时;当时机重要时进行对齐。
  • 通过阅读进行修正。 识别器经常听错方言、名称和专业词汇。绝不要添加未说出的单词,也绝不要为了适应而缩短或意译字幕内容:使用更小的字号或另一行,或者询问。为合成语音正确发音而重新拼写的单词在字幕中应保留其真实拼写。
  • 单一主文件,多种格式。 保留最丰富的版本(单词级计时、说话者)并从中转换:SRT 用于文本和时间码,VTT 用于网页播放器,ASS 用于样式。
  • 保持时长的翻译:相同数量的提示,相同顺序,相同的时间码和说话者标签;无空提示;保留声音标签;无源文件中没有的破折号、括号或方括号。如果源语言不明确,请确认。突出显示每个口语单词的字幕必须是音频的语言;对于另一种语言,使用纯翻译行。
  • 烧录或混流。 烧录的字幕是画面的一部分且无法关闭,因此应在放大之后最后烧录;这需要一个使用 libass 编译的 ffmpeg。混流的字幕保持可切换:每个语言一条轨道,并标记其语言。平台通常每个语言需要一个单独的字幕文件。
  • 放置:将字幕保持在面部之外,并远离竖版视频上的平台按钮;检查其当前的安全区域。

7. 最后逐片段放大

仅在剪辑锁定后放大,每个片段单独处理而非整个拼接影片,以免剪切处模糊。使用相同的 EDL 从放大的片段重建剪辑,然后添加字幕和图形以使文字保持清晰。AI 放大适用于摄影素材;曾有一部影片系列将其用于扁平矢量图形时导致质量下降。在使用任何付费放大器之前先询问。

8. 最终观赏

检查你将交付的文件,而不是旧版本、代理文件或没有字幕的主文件。

  1. 以正常速度播放一次,不要停下来修复;记下你注意到的问题。
  2. 以正常速度播放每个接合处,前后各半秒到一秒。
  3. 在不看画面的情况下听一次。
  4. 再次观看开头、关键时刻和结尾。
  5. 在修订版上,确认每个请求的更改都已发生,并且没有其他内容移动。
  6. 然后核对数据,运行解码通过,检查字幕轨道,并为每个镜头制作联系页。

清单和自动检查仅用于指出问题;最终判断来自回放。如果你无法查看图像或播放媒体,请说明情况,而非声称检查完成。在问题所在之处(剪辑、声音、文字)修复,而非在封装时处理。使用 edit-sheets 中的五行形式报告。

9. 交付文件、声明与演职员表

  • 询问交付目的地。 目的地决定宽高比、时长、编码格式和响度标准。阅读其当前规范并记录日期。
  • 一个主文件,然后为每个目的地编码一个文件并进行探测;随附文件包括每种语言的字幕文件、转录文本、演职员表和声明文件、权利记录。
  • 声明与演职员表:脚本改编自何处;哪些画面和声音是 AI 生成的,哪些是真实的;以及素材、音乐和人声的版权信息和署名。智能体草拟此文件并留空;用户编辑并签署。真实地设置平台的合成媒体标志。
  • 权利记录:每个外部资产及其来源和许可证;每个生成资产及其模型和任务 ID。

10. 将时间线移交给剪辑师 (FCPXML)

当用户或其剪辑师将在编辑程序中完成作品时,同时移交一个时间线文件和一个扁平化文件。

  • 将 EDL 导出为 FCPXML(询问剪辑师程序导入的格式)以及 CSV 版本。指向原始片段的绝对路径;列出缺失的媒体。
  • 时间是帧数除以帧率(72/24s),绝不用四舍五入的小数。offset 是时间线上的位置,start 是源片段内的入点,duration 是时长。标记是其所标记片段的子元素,可以携带剪辑笔记。spine 是主要故事线;连接片段位于轨道上,正值在上方,负值在下方。.fcpxmld 包是一个包含边车数据的文件夹;保持其完整性。
  • 永远不要就地编辑剪辑师的文件:写入新版本并列出更改内容。
  • 写入文件不等于导入文件。先导入一个小测试项目;导入是用户的步骤。

11. 上传:先询问,默认私有

  • 默认是一个供用户上传的包:文件、字幕、标题、描述、标签、封面图、声明。
  • 仅在用户要求时上传,且按平台分别以私有或草稿形式上传。公开或定时发布需要用户指定平台、文件和具体时间。“发到所有地方”并非此批准:列出每个平台的计划操作(文件、标题、可见性、时间)并获得确认。
  • 一次只处理一个平台。在登录屏幕、验证码、安全警告等处停止并移交。绝不要输入密码或验证码,也不读取或复述凭据。
  • 之后,回读标题、描述开头、字幕、可见性和合成媒体设置。成功意味着视频 ID 加上处理状态;登录失败则…

[因翻译而截断]

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

cinematic-shots

Take a screenplay or scene to shots an image or video model can make, with the filmmaker making every creative call. Covers notes on the script, the screenplay-to-shot-table conversion, look rules written once and pasted into every prompt, keeping characters, places and props consistent with reference sheets, cheap draft stills before paid hero stills, checking every still before any motion, image-to-video prompts with one action and one gentle camera move, checking several frames per clip, the cost order, a per-session spending cap, and cost and production logs. Use when the user says "shot table", "shot list", "break down this scene", "storyboard", "look rules", "keep the character consistent", "character sheet", "draft stills", "hero still", "animate this still", "image to video", "camera move", "the clip smears" or "what will this cost". Not for narration, dialogue, music or the mix (film-sound); cutting, captions, upscaling or delivery (film-edit); or titles and graphics drawn in

motion-graphics

Make graphics drawn in code that sit over or between shots - titles and title cards, lower thirds, kinetic type, a stat or animated chart, a map or route, logo stings, transitions, captions styled as graphics, beat-synced graphic videos and explainer animation. Sets the house style once (palette, type, pacing), plans beats against measured narration, music or footage timing, builds deterministic seek-safe animation, inspects stills and several frames, then renders, verifies and composites over clean footage instead of baking graphics into generated shots. Works with any code-rendered video engine. Use when the user says "motion graphics", "title card", "lower third", "kinetic type", "animate this chart", "animated map", "draw the route", "logo sting", "beat-synced video", "explainer animation", "styled captions" or "overlay on this footage". Not for generated photoreal footage (cinematic-shots), narration, music or the mix (film-sound), or cutting, plain subtitles, delivery and upload

相关技能