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
- 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?
- 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。 - 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。
- 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
- 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。
- 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。
- 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。 - 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。