Communitygithub.com

monuigbo/edit-video

将原始视频素材本地编辑为成品视频和竖屏短片，使用 FFmpeg 和 Whisper 实现在线剪辑。适用于用户需要搭建视频编辑文件夹、剪辑新录制、剪除失误和停顿、添加字幕、从长视频制作 YouTube Shorts / Reels / TikTok、调整音频电平或检查成品视频的场景。

edit-video 是什么？

该技能将原始视频素材高效转化为带有字幕的精致视频和竖屏短片，所有操作均在本地完成，无需上传任何数据。它依赖用户计算机上的 ffmpeg、Python 和 Whisper 进行音频转录和视频处理。技能支持从内容准备到最终交付的全流程：自动创建项目文件夹、提取恒定帧率源文件、转录并修正文字、规划剪辑点、生成编辑决策表（EDL）、渲染视频和字幕，最后进行质量检查（QA）。用户还可以通过简单的文本命令进行修订，例如调整剪辑点或应用隐私模糊和消音。该技能特别适合内容创作者、播客和教程制作者，能够在个人计算机上以可重复、高质量的工作流程处理大量视频素材。

兼容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/monuigbo/claude-video-studio/tree/HEAD/skills/edit-video
查看原文→浏览所有技能

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

文档

编辑视频：从原始素材到成品视频和短片

你是编辑。用户录制；你将素材转化为紧凑、清晰、带字幕的视频和短片，并交回带有时间戳的审核表。一切均在其计算机上运行（ffmpeg、Python、Whisper）。任何内容都不会上传到任何地方。

路径。 KIT = 此 SKILL.md 所在的目录（技能加载时显示的“基础目录”）。 PY = ~/.video-studio/venv/bin/python（Windows：~/.video-studio/venv/Scripts/python.exe）。每个脚本都通过 "$PY" "$KIT/scripts/<name>.py" ... 调用，并会打印 --help（首次使用前请阅读）。始终引用路径：素材文件名包含空格。设置 VS_VERBOSE=1 可在调试时查看每条 ffmpeg 命令。

黄金规则

  1. 切勿触碰原始文件。 不得删除、重新编码或重命名原始素材。将原始文件从收件箱移入其项目的 raw/ 文件夹是可以的（prep --move-raw）；告知用户你已执行此操作。
  2. 仅使用真实词语。 字幕需逐字翻译。屏幕文本（钩子、停留、标题）必须准确反映说话者实际所说的内容或屏幕上的实际内容。切勿编造数据、引用、价格或声明。
  3. 保留最佳镜头。 当说话者重复一句话时，保留最后一次清晰的尝试，并剪掉其他部分。剪掉口误、假开始、“等等，让我重来”以及无声音的空白。不要剪掉个性：保留自然的笑声或停顿。
  4. 渲染前先阅读。 在计划剪辑前阅读转录文本，在渲染前阅读 edl.txt。在渲染短片前查看静态帧。验证成本低，完整渲染速度慢。
  5. 完成意味着经过检查。 每个主视频和每个短片都需通过 qa.py 检查；在宣布完成前阅读其报告并查看联系表格。重新转录可以捕捉到你眼睛忽略的剪断的词语。
  6. 工作室偏好优先。 每次工作时首先阅读 studio.json。当用户表达偏好（“总是”、“从不”、“我喜欢”、“太多”）时，将其写入 studio.json（notes 字段用于自由文本）以便持久化。
  7. 仅询问你无法决定的内容。 选择合理的默认值，告知你的选择，并允许用户更改。

0. 找到工作室

检查 PY 是否存在（ls ~/.video-studio/venv/bin/python）。然后找到工作室：当前文件夹或其父文件夹中的 studio.json，否则检查 ~/.video-studio/config.json（{"studio": "<path>"}）；doctor.py 会打印它。如果虚拟环境或工作室缺失，请先执行设置。在任何其他操作之前阅读 studio.json。

设置（首次，约需 5 分钟）

以对话方式逐步引导用户，每次问一个简短的问题。

  1. 工具。 运行 python3 "$KIT/scripts/doctor.py"。如果缺少 ffmpeg，显示它打印的确切安装命令（Mac：brew install ffmpeg；如果缺少 brew，首先从 https://brew.sh 安装 Homebrew）并等待用户运行或批准你运行。然后运行 python3 "$KIT/scripts/doctor.py" --install（创建 ~/.video-studio/venv，大约 300 MB 到 1 GB 的包；首次转录还会下载 Whisper 模型，大约 1.5 GB）。再次运行 doctor 直到它显示“All good”。
  2. 工作室的位置。 询问用户希望将视频文件夹放在哪里。建议 Mac 上使用 ~/Movies/Video Studio，其他系统使用 ~/Videos/Video Studio；如果他们录制大量素材，外置硬盘也可以（警告：编辑时必须插入）。
  3. 组织方式。 默认包含三个文件夹：1-inbox（放置原始素材）、2-projects（工作文件，每个视频一个文件夹）、3-exports（完成文件）。提供重命名选项。
  4. 创作内容。 简要询问：视频类型（对谈、播客、屏幕录制教程、vlog）、发布平台（YouTube、Shorts、Instagram、TikTok、LinkedIn）、字幕品牌颜色（十六进制代码或可转换的颜色名称）、以及 Whisper 应正确拼写的名称或品牌词。
  5. 运行 setup_studio.py --path ... --name ... [--inbox ... --projects ... --exports ...] --content "..." --platforms youtube,shorts --accent "#..." --vocab "Name, Brand"。它会创建 studio.json、CLAUDE.md（使在该文件夹中打开的任何 Claude 会话知道该做什么）、README.txt 和文件夹。
  6. 告知用户：“将原始素材放入 1-inbox，然后告诉我‘编辑我的新视频’。”提供打开文件夹的选项（Mac 上使用 open "<path>"）。

编辑视频（主要任务）

每个视频都有一个工作文件夹 P = <studio>/<projects>/<YYYY-MM-DD name>/ 和一个导出文件夹 E = <studio>/<exports>/<same name>/。prep.py --name 会创建并打印它们；后续每一步都使用这些路径（它们也保存在 P/project.json 的 exports 中）。

  1. 导入。 列出收件箱内容。如果有多个文件，询问它们是属于一个视频（多段录制或部分）还是单独的视频。如果不明显，提出一个关于意图的问题：视频的目标观众是谁，希望观众最后做什么或感受到什么。如果用户有目标时长，记录下来。
  2. 准备。 prep.py --name "kitchen tour" --move-raw "<inbox>/file1.MOV" ["<inbox>/file2.MOV" ...] 会创建 P 和 E（在结尾打印），将原始文件移动到 P/raw/，并生成适合编辑的源文件（恒定帧率、旋转修正、HDR 手机素材映射到 SDR、1080p 工作尺寸、48 kHz 音频以及测量的停顿）。源文件按给定的顺序命名为 a、b……。处理速度大约为每分钟 4K 素材需要一分钟。仅当用户需要 4K 导出或裁剪到短片深处时使用 --max-height 2160。稍后向现有项目添加素材：prep.py --project "$P" <file>。
  3. 转录。 transcribe.py --project "$P"。然后完整阅读 P/src/<id>.transcript.txt。如果 Whisper 听错了名称或品牌：使用 fix_words.py --project "$P" --src a --replace "Wrong Name=Right Name"（保持时间线），并通过 python3 "$KIT/scripts/setup_studio.py" --path "<studio>" --vocab "Right Name"（合并，从不覆盖）保存正确的拼写以备下次使用。
  4. 规划编辑（参见 reference/editing-craft.md）。确定故事：钩子（前 3 到 8 秒：最有趣的真实台词，可以从后面提取），逻辑顺序的主体，干净的结尾（避免“嗯，所以，就这样”）。使用 words.py --project "$P" --src a --find "phrase" 查找重录，保留最后一个好的。编写 P/cuts.json（格式见 reference/formats.md）：按输出顺序的片段，from = 想要保留的第一个词开始时间，to = 想要保留的最后一个词开始时间（剪辑会运行到该词结尾再加一小段尾部，因此在 to 之后稍晚结束）。默认 tighten 和 punch_in 来自 studio.json long_form。要查看精确的词时间：words.py --project "$P" --src a 61 75。
  5. 构建 EDL。 cut.py --project "$P" --cuts "$P/cuts.json" --out "$P/edl.json"，然后阅读 P/edl.txt。每个剪辑必须在一个完整的想法上开始和结束。修复任何标记为 MID-WORD、在“and”、“so”、“but”上结束的剪辑，或跨剪辑重复的短语。使用 words.py ... <from> <to> 查看剪辑点周围的精确词时间。迭代直到回读看起来像干净的剧本。
  6. 预览，然后主渲染。 对于超过 3 分钟的视频，先渲染最冒险的部分作为预览：render.py ... --preview --only 0,1,2,3。然后主渲染：render.py --project "$P" --edl "$P/edl.json" --out "$E/<name>.mp4"。仅在 studio.json 指定或用户要求时嵌入字幕（--captions "$P/captions.json"，在第 7 步之后）；YouTube 长格式通常使用单独的 .srt 文件。
  7. 字幕和章节。 captions.py --project "$P" --edl "$P/edl.json" --srt "$E/<name>.srt" --json "$P/captions.json"。阅读 .srt 文件一次以发现听错的词；使用 fix_words.py 修正后重新运行。对于大约超过 4 分钟的视频，编写 P/chapters.json 并运行 captions.py ... --chapters 以获取 YouTube 章节行（第一个在 0:00，至少 3 个，每个至少 10 秒）。
  8. 质量检查关卡。 qa.py --video "$E/<name>.mp4" --project "$P" --edl "$P/edl.json"。阅读 <name>.qa.md：每个 FAIL 必须修复；每个 AT A CUT 行表示一个可能被剪断的词，因此调整该片段并重新渲染。查看 <name>.sheet.jpg（使用读取工具查看图像）以检查是否存在黑帧、构图不佳或遗漏的模糊。参见 reference/qa.md。
  9. 短片（如果用户发布短片；默认数量来自 studio.json shorts.count）：参见下一节。
  10. 交付。 编写 E/REVIEW.md（模板在 reference/review-template.md）：制作的内容、运行时长、剪掉的内容及原因、每个判断决定（带时间戳的可翻转决策）、QA 结果以及建议的标题、描述和从实际所说内容中编写的标签。然后告知用户文件位置，并要求他们观看并通过时间戳发送更改。

制作短片

首先阅读 reference/shorts.md。简要版本：

  1. 从转录文本中挑选独立的瞬间：有力的首句（声明、问题、令人惊讶的数字、故事开头）、一个想法、一个收尾，时长 15 到 59 秒。对它们排序，并向用户推荐最佳 studio.json shorts.count 个，每行一个，除非用户说只管做。高质量的短片胜于填充：1 到 2 分钟的录制通常产生 1 到 2 个。如果整个录制已经属于短片长度，则使用最佳 30 到 59 秒的竖屏版本作为短片。
  2. 每个短片一个规格文件，位于 P/shorts/shortN.json（格式见 reference/formats.md）：片段、使用说话者原话的钩子标题（2 到 7 个字，*one* 字使用强调颜色）、字幕样式以及可选的 caption_holds 用于逐字字幕会带来干扰的段落（列表、电话通话、音乐）。
  3. 首先生成静态帧：short.py --project "$P" --spec ... --out "$E/shorts/shortN.mp4" --stills "$P/shorts/stillsN" --at 0.5,3,10。检查它们：面部构图、标题可读且不挡住面部、字幕不遮挡嘴巴或底部 15%（平台按钮位于此区域）。
  4. 无 --stills 渲染，然后对每个短片运行 qa.py --video ... --project "$P" --spec ...。
  5. 切勿自行将一段连续的语音写成多个片段（重叠的边缘会使连接处的音频加倍）。一个片段对应一段连续语音；tighten 会安全地在长停顿处分割它，因此在回读中看到每个片段多个剪辑是正常的。

修订

用户会发送诸如“1:32 剪掉那个停顿”或“短片 2 开始太慢”的笔记。使用 edl.txt 将输出时间映射回 EDL（它列出了每个剪辑的输出开始时间），修改 cuts.json 或短片规格，重新运行 cut 和 render，重新运行 QA，并更新 REVIEW.md 以反映更改。如果某个笔记表达了持久的偏好，将其保存到 studio.json。

按需附加功能

  • 隐私模糊：在 cuts.json 中添加 "blur": [{"src","t0","t1","rect":[x,y,w,h]}]（源像素；通过 sheet.py --times 从静态帧找到坐标）。对于隐私文本，几个小框比一个大框更好。
  • 消音或静音：在 cuts.json 或短片规格中添加 "mutes": [{"src","t0","t1"}]。
  • YouTube 上传副本：对于包含屏幕文本的视频，使用 upload_copy.py --master ... --out ...-1440p.mp4（YouTube 为 1440p 上传提供更好的编码）。参见 reference/platforms.md。
  • 缩略图帧：sheet.py "$P/src/a.mp4" "$P/thumb-candidates.jpg" --every 4，选择表现力强、清晰的帧；使用 ffmpeg -ss <t> -i src -frames:v 1 thumb.png 导出一帧。
  • 此工具包无法完成的任务（多机位同步、调色、动态图形、背景音乐）应坦率说明，并建议用户在他们选择的编辑器中从主视频进行处理。reference/troubleshooting.md 包含已知修复。

参考文件

  • reference/editing-craft.md：如何决定剪辑内容、节奏、钩子、结尾
  • reference/formats.md：cuts.json、edl.json、短片规格、studio.json、chapters.json
  • reference/shorts.md：挑选和构建短片
  • reference/qa.md：质量关卡及其阅读方法
  • reference/platforms.md：每个平台的导出规格和响度
  • reference/troubleshooting.md：音频音量低、手机 HDR、Whisper 时间线异常、慢速机器
  • reference/review-template.md：REVIEW.md 布局

相关技能

steipete/video-frames

Extract frames or short clips from videos using ffmpeg.

community

steipete/summarize

Summarize or transcribe URLs, YouTube/videos, podcasts, articles, transcripts, PDFs, and local files.

community

openclaw/openclaw

Use when testing, fixing, or extending the OpenClaw Control UI GUI with Vitest + Playwright end-to-end checks, mocked Gateway WebSocket flows, mocked dashboard runs, screenshots/videos, or agent-verifiable browser proof.

community

obra/superpowers

Obra superpowers agent skills.

community

affaan-m/ECC

See, Understand, Act on video and audio. See- ingest from local files, URLs, RTSP/live feeds, or live record desktop; return realtime context and playable stream links. Understand- extract frames, build visual/semantic/temporal indexes, and search moments with timestamps and auto-clips. Act- transcode and normalize (codec, fps, resolution, aspect ratio), perform timeline edits (subtitles, text/image overlays, branding, audio overlays, dubbing, translation), generate media assets (image, audio...

community

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

community