Communitygithub.com

jhatpat-reel

将一个长镜头 talking-head 视频转化为紧凑的 Instagram Reel 或 YouTube Short。自动剪切静音和死气内容,保留每句台词的最佳版本,重新构图到 9:16 / 1:1 / 16:9,烧录 Instagram 风格字幕,并为 Premiere Pro 导出 EDL。专为 Hinglish 和 Hindi 创作者设计,他们通常使用手机或 DSLR 一次拍摄。

jhatpat-reel 是什么?

jhatpat-reel 是一个面向短视频创作者的 AI 技能,主要服务于使用手机或 DSLR 单次拍摄 talking-head 视频的 Hinglish、Hindi 和英语用户。它充当“第一版编辑器”,自动完成粗剪工作:去除静音和死气时间,根据可选的语音转文字(STT)转录识别并保留最佳的台词版本(去除重拍和口误),并将视频重新构图到 9:16(Reel)、1:1(Square)和 16:9(Landscape)等目标比例。该技能还提供多种风格的动态字幕烧录(如 `pop` 风格仅显示 1-3 个大字以增加冲击力),并支持通过 `--preset` 参数调整剪辑的紧凑程度(如 `reel`、`calm`、`tight`)。高级功能包括:手动调整裁剪锚点(`--anchor`)以防主体被裁切、通过 `--pre-pad`/`--post-pad` 微调剪辑边界、以及最终的音频标准化(-14 LUFS)以适配 Instagram 和 YouTube。技能强调非破坏性编辑(永不修改原始素材)、每则 Reel 只聚焦一个主题,并鼓励用户在多次协作后将自己的编辑偏好固化到技能规则中。该技能目前适用于 Cursor 和 Claude Code 等支持本地脚本执行的 AI 编程平台,但需要用户预先安装 `ffmpeg`、`ffprobe` 和 Python 3.9+。

兼容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/ankurrattan0110-spec/jhatpat-reel/tree/HEAD

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

jhatpat-reel 是做什么的?

直截了当: 给你一个长镜头,还你一个紧凑的 Reel。机器做初稿,你来加品味。

这个技能是 第一版编辑器,不是最终编辑器。脚本负责去除静音和死气内容;重拍和口吃需要你(或 Claude 阅读转录文件后)来指出来。原始素材绝不会被修改。

何时使用

  • 单人、单镜头、手机或 DSLR 拍摄的 talking-head 视频。
  • 同一个镜头要同时用于 Instagram Reel 和 YouTube Short。
  • 支持 Hindi、Hinglish 或英语。

不适合: 多机位采访、音乐视频,或者每个剪辑点都需要精细品味的情况。对于这些情况,请直接打开时间线手动编辑。

需要什么

项目原因检查命令
ffmpeg + ffprobe剪辑、重新构图、字幕ffmpeg -version
python3 3.9+运行三个核心脚本python3 --version
转录文件(可选)检测并移除重拍使用 whisper / whisperx / 其他 STT 工具
天城体字体(可选)Hindi 字幕正常显示Noto Sans Devanagari

处理流程

每个阶段的输出会被下一阶段作为输入。建议在中间步骤停下来检查结果,再继续。

阶段 0 — 先看后剪

探测素材信息。用一行话告诉创作者:视频长度、分辨率、帧率、音频通道。

  • 如果 已经是竖屏,可以跳过重新构图步骤。
  • 如果 声音只在一个通道里(无线麦克风的常见问题),先修复它——否则剪辑后一半的 Reel 会没有声音。

如果可能,现在就获取转录文件。没有转录文件,这个技能只能 去除静音,无法检测重拍和口吃。请明确告知创作者这个限制。

阶段 1 — 粗剪

python3 scripts/rough_cut.py take.mp4 --preset reel

预设(Presets):reel(默认,紧凑)、calm(适合诗歌、故事、长对话)、tight(适合钩子密集型、快节奏内容)。

这个阶段会生成三个文件:cuts.json、<name>_cut.mp4、<name>.edl。

如果你提供了转录文件,读取 cuts.json 并移除包含重拍的段落:如果同一句台词被说了两三次,只保留最后一次清晰的,删除其他。包含 "sorry"、"ek baar phir"、"umm" 的片段也会被移除。然后重新渲染。

不要手动编辑 cuts.json——修改预设或配置后重新运行脚本即可。

阶段 2 — 试听检查

在每个剪辑点两侧各听 0.2 秒。如果察觉到某个单词在剪辑点被切断了,增加 --pre-pad / --post-pad 参数值。注意:转录文件可能显示完整内容,但实际音频可能已被截断。

阶段 3 — 重新构图

python3 scripts/reframe.py take_cut.mp4 --all        # 输出 9:16 + 1:1 + 16:9
python3 scripts/reframe.py take_cut.mp4 --to 9:16 --anchor 0.3

--anchor 决定从视频的哪个位置开始裁剪。Talking-head 视频中,人脸通常位于画面中上方,所以默认值为 0.35。如果发现人脸被裁切,减小 anchor 值。对于屏幕录制,使用 --mode pad——直接裁剪可能会切掉文字。

阶段 4 — 字幕

python3 scripts/burn_captions.py take_cut_9x16.mp4 take.srt --style pop --accent "#C6FF3D"

样式(Styles):

  • pop: 一次只显示 1-3 个大字,居中显示——适合 Reel 和钩子。
  • box: 使用实色背景框,即使在复杂画面上也能清晰阅读。
  • bar: 底部一条细线,适合长视频。

脚本会自动将长的提示文本拆分成短片段,以确保 pop 样式的效果。 对于 Hindi 字幕,务必通过 --font 参数指定天城体字体路径——否则一半的字符可能无法正确显示。

阶段 5 — 最终检查

在导出前,对照以下清单检查自己的工作:

  1. 前 1 秒。 第一帧必须有内容——人脸、大字或动作。空白帧就等于被划走。
  2. 检查是否切断了单词。 随机听三个剪辑点,确保没有单词被错误截断。
  3. 字幕是否遮挡了人脸。 在 9:16 画面中,pop 样式默认居中;如果人脸也在画面中央,改用 --style box。
  4. 最后 2 秒。 要有明确的行动号召(CTA)并且停留足够时间,而不是一闪而过。
  5. 音量。 Instagram 和 YouTube 都会将音频标准化到 -14 LUFS。如果输出比这个标准更低,平台会强制提升音量,可能使声音失真:
    ffmpeg -i final.mp4 -af loudnorm=I=-14:TP=-1.5:LRA=11 -c:v copy out.mp4
    

规则(每条规则都附有理由)

  • 永远不要触碰原始素材。 所有操作都基于新文件。理由: 一次错误的渲染可能毁掉整个拍摄。
  • 不要在剪辑点使用缩放效果。 理由: 剪辑点处的缩放会明显暴露剪辑痕迹。
  • 一个 Reel 只说一件事。 另一件事属于另一个 Reel。理由: 同时说两件事,观众一件也记不住。
  • 不要完全移除所有停顿。 pause_keep 参数值不要低于 0.2 秒。理由: 完全无缝的语音听起来像机器人,说话需要呼吸的空间。
  • 钩子第一,其他靠后。 如果前 3 秒不够吸引人,后面的编辑再精彩也无用。理由: 用户就是在那 3 秒内决定是否划走。
  • 创作者手动移除的内容,不要重新加回来。 在重新渲染之前,先读取他们已处理过的版本。
  • 没有转录文件就不要声称移除了重拍。 明确告诉他们:“我已移除静音,但重拍部分需要你手动检查。”

配置

复制 config.example.json 为 config.json,然后使用 --config config.json 参数。每个配置项的含义都在配置文件中写明了。

这个技能不做什么

  • 不负责拍摄。拍摄需要你亲自完成。
  • 不负责发布到 Instagram。
  • 不下载或复制他人的视频。
  • 不挑选背景音乐——音乐版权由你自行负责。
  • 不生成转录文件;你需要自己运行 STT 工具并提供 SRT 文件。

将反馈固化为规则

当创作者说“剪辑太碎了”或“字幕挡住脸了”——修复问题,并将修复经验作为新规则写入此处,附上理由。在与这个技能一起处理两三个 Reel 后,它就会逐渐学会你的品味。

相关技能