Communitygithub.com

video-cut

将 Talking-Head 视频剪辑为成品 Reels/Shorts(去除停顿、内容精简、缩放、9:16 格式、文字字幕、标题卡、闪光过渡、节拍音乐)并自行检查结果。适用于“剪辑这个视频”、“做成 Reel/Short/TikTok”、“烧录字幕”、“裁剪视频”等需求。

video-cut 是什么?

video-cut 是一个专为 AI 助手设计的技能,用于将 Talking-Head 视频自动裁剪并包装成适合社交媒体(如 Reels、Shorts、TikTok)的成品。它能自动移除停顿、精简冗余内容、应用智能缩放、添加文字字幕、标题卡和闪光过渡,并同步背景音乐到语音节拍。整个过程避免依赖 CapCut 等外部编辑器,完全通过 cut.py 脚本自动化完成。该技能支持 Claude Code、Cursor、Codex 等平台,要求系统已安装 uv 和 cut.py 依赖。工作流程包括首次转录、人工审核并与修正单词列表、可选的删除片段、以及视觉检查最终输出。video-cut 特别强调自检:它会生成截图供用户确认字幕、缩放和标题卡的正确性,并在最终输出中提供前后时长对比、已移除片段和已修正单词列表。

兼容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/bibabuzelman555/video-cut-skill/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

video-cut 是做什么的?

你交付一个已自行检查过的成品视频。不是“命令已执行”,而是“我已经查看了结果”。

工具:cut.py 位于此技能文件夹中(通常为 ~/.claude/skills/video-cut/cut.py;下文以 <cut.py> 指代)。始终使用 uv run 调用,依赖项由 uv 自行加载。前提条件:已安装 uv。 CapCut 不会被远程控制:它没有接口。结果是一个 mp4 文件,用户可以在其中继续编辑。

流程

  1. 澄清(仅询问缺失的信息,作为可点击选项):哪个文件?竖屏还是原始格式?是否需要字幕和缩放?目标时长?
  2. 首次运行: uv run "<cut.py>" "<video>" -o "<output>.mp4" 切勿覆盖原始文件。如果视频超过 2 分钟,则在后台启动。 输出会显示停顿、前后时长以及缩放范围。同时会生成 <output>.words.tsv。
  3. 读取单词列表(全部读取):每行格式为 开始<TAB>结束<TAB>单词,时间以原始视频中的秒数为准。
    • 修正单词: 纠正听错的名称、专业术语、数字、拼写。合并断开的单词(例如将 5 和 .2 合并为一行 5.2,使用第一个单词的开始时间和第二个单词的结束时间)。其他情况下不修改时间。
    • 内容精简: 查找口误、重复的句子、填充语句和重新开始的地方。一处删除范围从第一个多余单词的开始到第一个应保留单词的开始。仅删除完整的语义单元,切勿中断句子,并且保留第一句话(Hook),除非它重复。
  4. 第二次运行,使用修正后的列表和删除位置: uv run ... "<video>" -o "<output>.mp4" --words "<output>.words.tsv" --drop "12.3-15.8,40-44" --words 可避免重新转录。即使修改了 --drop、--noise 或 --min-silence,时间仍然有效。 画面设计(在同一个运行中,所有时间以原始视频的秒数为准):
    • --title "0-3=TEXT":黄色标题卡位于顶部,可多次使用。始终在 Hook 上方设置一个(前 3 秒,最多 4 个单词,大写)。仅在真正的段落处再添加(如“提示 1”),且间隔不少于 8 秒。
    • --flash "12.3,40":短促的白色闪光作为过渡。仅用于主题切换,每分钟最多 3 到 4 次。
    • --music "<文件>":音乐在语音下方播放,说话时会变轻。工具会测量速度和节拍;缩放切换和闪光会吸附到最近的节拍上(允许偏差 0.35 秒)。音量使用 --music-volume(默认 0.2)。用户必须提供音乐文件;如果用户要发布视频,请询问是否允许使用该音乐。
    • 视频结尾始终淡出 0.4 秒。
  5. 检查数字:
    • 有音乐时:输出会显示 BPM 和节拍数。如果节奏低于 60 或高于 200,则检测可能错误;请告知用户。
    • 几乎没有裁剪,但存在停顿:使用 --min-silence 0.3,如果有背景噪音则使用 --noise -25。
    • 裁剪处单词缺失:使用 --min-silence 0.7 或 --noise -35。
  6. 查看画面: 抽取 4 帧,其中至少一帧在缩放范围内,一帧在缩放范围外,并使用 Read 查看: uv run --with imageio-ffmpeg python -c "import imageio_ffmpeg,subprocess,sys;[subprocess.run([imageio_ffmpeg.get_ffmpeg_exe(),'-v','error','-y','-ss',t,'-i',sys.argv[1],'-frames:v','1',f'{sys.argv[2]}_{t}.jpg']) for t in sys.argv[3:]]" "<output>.mp4" "<scratchpad>\check" 2 15 30 50 从每个标题卡中取一帧,以及恰好在一个闪光时间点(输出中会列出它们)取一帧。 检查:标题卡完整且未遮挡面部,即使在缩放时面部也未裁剪,字幕可读且不覆盖嘴巴或已有文本,黄色单词与当前时刻匹配,格式正确。
  7. 交付: 文件路径、前后时长、删除了哪些位置、修正了哪些单词、以及无法检查的内容。

规则

  • 如果第二次运行前删除的总长度超过原视频长度的 10%,请用一个句子告知用户删除的位置。
  • 从横屏导出竖屏时,会从中间裁剪。如果人物不在中间,请告知用户并使用 --no-vertical。
  • 如果视频已自带字幕,请使用 --no-subs。如果缩放显得不稳定或裁剪到面部,请使用 --no-zoom。
  • 缩放由工具自动设置(每隔一次拍摄,在剪辑和句子结束时切换)。无法手动设置单个缩放。
  • 工具无法做到的事情(B 卷、叠加图片和 Logo、音效、场景间的淡入淡出):不要声称能做。请告知用户,并提供单独制作的选项,必须在获得同意后才能操作。
  • 你无法听到音频。工具可以测量节拍,但音乐和语音是否协调只有用户能判断。对于每个包含音乐的视频都要说明这一点,并推荐 --music-volume 作为可调节选项。

相关技能