Communitygithub.com

Cut: 紧凑的口语剪辑

将原始的说话人头视频剪辑成紧凑的口语编辑版本。找出每一句台词的最佳完整镜头,逐帧去除所有无效静音,绝不剪断单词的结尾或截断呼吸声,并检查每个拼接处的画面跳跃、麦克风信号丢失和语音水平。在原始录音上优先使用。

Cut: 紧凑的口语剪辑 是什么?

Cut 是一个专为 AI 助手(如 Claude Code)设计的技能,用于将原始的 talking-head 视频剪辑成紧凑、无死区的口语编辑版本。它强调从第一版开始就必须紧致,去除所有可省略的静音,同时绝不剪断单词的尾音或截断呼吸声。该技能支持 ffmpeg 和本地转录工具(faster-whisper),确保用户视频不被上传至外部服务。其工作流程包括:检查源视频参数、通过语音转文字获得单词时间戳、扫描并修复无线麦克风信号丢失、根据说话者提示词挑选最佳镜头、逐帧剪辑、检查画面跳跃并微调、统一音量与音高,以及独立审计输出。Cut 通过详细的 JSON 清单记录每个剪辑决策,并提供覆盖率、镜头选择、边界理由等审计信息,确保编辑的透明性和可回溯性。用户反馈会触发全面重审,而非仅修改单一时间点。

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

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

Cut: 紧凑的口语剪辑 是做什么的?

剪辑是基础。图形、字幕和声音都以其为基准,所以在其他所有工作开始之前,剪辑必须正确。标准是:第一版就要剪辑得极其紧凑,没有任何一点无效空间,也没有任何重叠。 紧凑绝不意味着剪断。一个丢失了最后一个辅音的单词,或被截断一半的呼吸声,听起来比一个停顿更糟糕。

你需要什么

  • 相机原始视频。切勿使用某些相机在旁边写入的低分辨率代理文件(例如 DJI 的 .LRF):从全质量的 MP4 文件进行剪辑。
  • 剧本(如果有的话)。
  • ffmpeg,以及一个本地转录器(faster-whisper)。在本地进行转录;切勿将任何人的素材上传到外部服务。

第一步:检查

探测源视频:分辨率、精确帧率(29.97 是 30000/1001,不是 30)、时长、音频通道。记录下来。本技能中的每个帧号都是源视频的原生帧。切勿采用其他视频的帧率。

第二步:使用单词时间戳进行转录

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

语音转文字可以找到单词。它无法判断演讲表现、听出含糊不清的发音或确认一个清晰的辅音。

第三步:在剪辑前扫描麦克风信号丢失

无线麦克风有时会丢失 20 到 50 毫秒的信号,并用平滑的虚假衰减填充。听起来像是单词上的一个故障,人们会归咎于编辑。

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

在源音频上运行它,绝不要在音乐可能掩盖问题的完成混音上运行。修复每个真实的信号丢失,然后从修复后的音频进行剪辑:

.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

修复会删除掩饰部分,交叉淡入淡出两个真实片段,并用最近的暂停中的室内环境音来弥补时间,从而保持唇形同步。不进行合成、滤波或增益调整。当有人说“有故障”时,分别检查声音和画面。

第四步:挑选镜头

  • 聆听口语提示。 说话者经常在好的镜头之后说“用那个”、“就是这个”或“用这个”。提示标志着它之前的已完成镜头。如果没有提示,则选择他们继续之前最后一个干净的完整镜头。后面出现的口语覆盖优先。
  • 切勿默认选择最后一个镜头。 它通常是疲惫状态的镜头。
  • 拒绝含糊不清的发音、错误的开始、未完成的思路、被打断的单词、低音量的排练和误读。切勿通过增益来挽救一个低音量的镜头。
  • 对于任何可疑的台词,搜索整个录音中该台词的每一个完整镜头,而不仅仅是最近的一个。用一个简短的表格比较它们:镜头、源时间、提示、判定、原因。
  • 当不清楚哪个镜头听起来最好时,询问用户。 给用户提供该台词的所有完整镜头以供播放,并预先选中任何有提示的镜头,然后根据他们的选择进行剪辑。不要猜测演讲表现。
  • 如果某句台词没有干净的完整镜头,请直说。切勿从单词片段中发明替代品或桥接。
  • 将剧本与实际说出的台词逐行比较。图形和字幕遵循实际所说的内容,而不是写下来的内容。
  • 多个开头语: 如果录制了几个开头语,则剪辑正文一次,并单独剪辑每个开头语,然后单独检查每个开头语与正文的拼接处。

第五步:紧凑剪辑

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

这会提出候选间隙;它从不进行剪辑。然后逐个边界进行处理:

  • 移除所有可省略的无效空间:镜头之间、句子之间、单词之间、尾部保持。直接拼接到下一个有意义的语音。
  • 只保留声音实际需要的帧: 弱擦音(s, f, th)、送气音(h)、辅音闭合与释放(t, k, p)以及单词结尾的完整衰减。对于每一个保留的帧,命名被保护的声音。“自然节奏”不是一个理由。
  • 呼吸尾音。 当音量下降到环境音水平,然后又在没有单词的情况下上升时,这个上升就是呼吸。在单词最后一个声音之后 20 毫秒结束片段。切入呼吸会产生奇怪的半噪声。正在衰减的单词结尾则保留。
  • 在移除的暂停后开始的单词前,至少保留 2 帧。
  • 切勿加速声音,切勿重叠两段语音,切勿在一个声音上交叉淡入淡出另一个声音。切勿为了达到时长而移除真实语音。
  • 静音检测器提出候选间隙;它从不认证任何东西。低于检测器最小值的微小间隙仍需检查。

编写一个帧精确的清单(cut.json):对于每个片段,它所属的台词、源入点和出点帧、输出起始帧,以及每个边界的理由。所有下游(字幕、图形、声音)在每次更改后都会基于它重新映射。

第六步:拼接处的画面跳跃

在手或头部移动时剪短一个暂停看起来就像丢帧。在紧凑剪辑通过后,渲染剪辑并测量每个句中拼接处:

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

跳跃度是拼接处两侧的帧差异除以其周围的正常运动量。在 3 倍或以上时,放回最少量的真实暂停帧,使其降至 2 倍或以下,选择丢弃哪些帧以使两侧匹配。不使用溶解。句子之间镜头切换处的剪辑是正常的跳切。隐藏在满屏图形下的拼接处不会显示。对于手部快速移动的台词,完全不要在其内部剪辑任何帧。

第七步:音量均匀

在展示任何内容之前,按句子调整每个镜头和补录音量的电平,使其听起来像一次录音。在一个类似电话听筒的曲线上检查音调,以及音高:音高相差 1.5 个半音的镜头在拼接处听起来仍然不对劲。重新录制优于音高偏移。几秒钟内录制的同一个开头语的两个半部分仍然可能不同;选择匹配最好的那一对,如果那个拼接处的画面跳跃,则用插录方式覆盖。

第八步:在任何人看到它之前进行审计

独立转录导出的剪辑,并按顺序将单词与预期台词进行比较。检查每个拼接处附近是否有重复的开头(例如“现在你可以,现在你可以查看”),使用短的重叠窗口,因为整个文件的语音转文字会平滑掉重复。如果有人报告有重复,在证明其不存在之前,它被认为是真实的。

保存每个版本的收据:

  • 覆盖率: 检查了多少片段、头、尾、拼接处和间隙。预期数量和检查数量必须匹配。
  • 镜头选择账本: 预期的词语,可疑台词的所有候选镜头,选择及其原因。
  • 剪辑账本: 每个边界的帧、移除或保留的帧以及保护的特定声音。
  • 残留间隙: 在编码后的剪辑上重新运行;列出剩余的任何内容及其保留的原因。
  • 听感检查: 自动检查并不算听感检查。将听感检查标记为 待定,直到有人以正常速度听过它。切勿声称听起来干净因为数字通过了。

当收到反馈时

  • 一个被拒绝的含糊不清或“这个剪辑松散”的反馈意味着重新审计整个视频,而不仅仅是那个时间点。
  • 每个修正都是一个新版本。切勿覆盖已接受的剪辑。

规则

  • 从第一版开始就要紧凑。没有无效空间,没有重叠,没有剪断的声音。
  • 基于提示选择镜头。切勿默认选择最后一个镜头。当演讲表现不清楚时,询问用户。
  • 呼吸尾音在最后一个单词后 20 毫秒结束。
  • 跳跃度为 3 倍或以上的拼接处,放回帧数使其降至 2 倍或以下。不使用溶解。
  • 在剪辑前,在源音频上扫描并修复麦克风信号丢失。
  • 切勿加速或合成声音。切勿上传素材。

Individual skills in this repo

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

相关技能