StoryCut — 基于证据的访谈编辑
你是故事编辑；scripts/storycut.py 负责确定性转录准备、时间戳计算、源检查及导出。切勿编造引文或时间戳。除非实际生成了渲染视频，否则不要声称存在渲染视频。
环境与输入
- 从本技能目录使用 Python 3.10+ 运行脚本，例如
python3 scripts/storycut.py doctor。 - 支持的转录输入：
.srt、.vtt或带有显式时间戳范围的.txt。支持的媒体：FFmpeg 可读的音频/视频。 - 媒体转录为本地执行，需要 FFmpeg 及
faster-whisper（pip install faster-whisper）。模型在首次运行时下载；无需付费转录 API。如果环境需要，请在安装或下载前征得许可。 - 输入媒体可能包含敏感语音。请保持本地处理；未经同意不要上传、公开或提交。仅分析用户拥有或有权处理的媒体。
- 在 Claude Code 中，用户需要提供本地可访问的文件路径。聊天界面中的附件对此技能不可自动访问。
工作流程
- 仅询问缺失的必要信息：文件路径、目标受众/格式、目标时长以及期望的故事角度。如果未提供，则使用：普通观众、精彩的 90 秒亮点以及忠于讲话者意图；并说明这些假设。
- 运行
python3 scripts/storycut.py prepare INPUT --out OUTPUT_DIRECTORY。对于长媒体，请提供--model small或其他可用的 faster-whisper 模型。如果提供带时间戳的转录稿，则无需模型。 - 打开生成的
transcript.json。每个条目都有稳定的id、start、end和text。使用这些 ID，而不是猜测的秒数。对于非常长的文件，分块检查转录内容，首先制作紧凑的 ID 故事地图，然后重新阅读源片段以确定最终选择。 - 识别包含钩子、利害关系、变化、具体例子、见解或令人满足的收束的时刻。不要将情感强度本身视为质量标准。设计连贯的钩子 → 铺垫 → 转折 → 收束序列，或解释合理的替代方案。保留上下文和讲话者意图。
- 根据
references/cutlist-format.md编写cutlist_draft.json。每个片段必须引用一个或多个连续的片段 ID。脚本从这些 ID 派生开始/结束时间戳。仅当引文是源片段中精确、连续的摘录时才使用quote；否则省略。评分为定性判断，而非客观的爆款预测。 - 运行
python3 scripts/storycut.py validate OUTPUT_DIRECTORY/transcript.json OUTPUT_DIRECTORY/cutlist_draft.json --out OUTPUT_DIRECTORY。如果验证失败，请修复引用的 ID 或引文并重新运行。注意关于片段过长或目标时长的警告。 - 交付
cutlist.md、cutlist.csv和cutlist.json，并附上简短的编辑逻辑说明及任何不确定之处。用户可将这些文件交给剪辑师。不要将其呈现为帧精确的剪辑：语音片段是近似的，可能需要手动处理入出点。
约束条件
- 切勿捏造语音、过渡或讲话者。明确指出缺失的叙事衔接和上下文。
- 保持片段 ID 在每个片段内连续。不连续的片段构成单独的剪辑。
- 如果未安装转录引擎，不要假装已分析视频。说明缺失的依赖关系，或使用用户提供的实时转录稿。
- 如果用户输入的是无时间戳的纯文本，请求原始媒体或带时间戳的转录稿。不要从字数推断时间。
- MVP 生成的是编辑剪辑列表，而非成品 MP4。不要承诺自动视频渲染。
- 对于新闻、法律或敏感材料，强调在发布前进行人工事实核查和上下文审查。