剪切静音(流水线代理 1)
自动化编辑的第一步。获取原始录音及其逐字转录稿,仅移除静音:第一个词语之前的死寂、最后一个词语之后的死寂,以及词语之间超过阈值的长停顿(修剪至自然的呼吸长度,绝不产生硬性的零间隙)。它保留说话人的词语不变——虚假开始、重拍和口吃是剪切错误代理(代理 2)的工作。
该代理是确定性且由转录稿驱动的,因此其输出(*.silence-transcript.json)可无缝输入下一个代理和节拍同步验证器。
何时使用
- "剪切静音"、"修剪停顿"、"移除空白"、"收紧节奏"
- 作为主编辑工作流的第一阶段,紧跟在转录之后。
前提条件
一份逐字转录 JSON。可以是 ElevenLabs Scribe 格式
({ words: [{ text, start, end, type }], audio_duration_secs })或通用格式
{ words: [{ text, start, end }] }。使用工作区转录工具生成一份:
node scripts/transcribe-elevenlabs.mjs path/to/raw.mp4 # -> path/to/raw.json
用法
# 1) 仅计划——计算剪切,写入 EDL + 重新调整时间的转录稿(不触碰视频)
node .agents/skills/cut-silences/scripts/cut-silences.mjs <transcript.json> \
--out-dir video-projects/<slug>/assets
# 2) 附带视频——同时写入 ffmpeg 命令(仍然不进行渲染)
node .agents/skills/cut-silences/scripts/cut-silences.mjs <transcript.json> \
--video video-projects/<slug>/assets/raw.mp4 --out-dir video-projects/<slug>/assets
# 3) 渲染剪切后的视频(本地 ffmpeg,重新编码,音视频保持同步)
# 添加 --apply 以实际运行 ffmpeg
node .agents/skills/cut-silences/scripts/cut-silences.mjs <transcript.json> \
--video video-projects/<slug>/assets/raw.mp4 --apply \
--output video-projects/<slug>/assets/edited-silenced.mp4
选项
| 标志 | 默认值 | 含义 |
|---|---|---|
--video <path> | — | 源视频;启用 ffmpeg 命令/渲染 |
--out-dir <dir> | 转录稿旁边 | 输出文件的写入目录 |
--output <path> | <video-stem>.silenced.mp4 | 剪切后的视频路径 |
--gap <s> | 0.55 | 被视为可修剪静音的最小停顿 |
--head-pad <s> | 0.22 | 第一个词语前保留的静音 |
--tail-pad <s> | 0.34 | 最后一个词语后保留的静音 |
--apply | 关闭 | 实际运行 ffmpeg 以渲染剪切 |
决策逻辑(静音规则)
- 低于
--gap(0.55 秒)的停顿保持不变——自然的讲话节奏。 - 对于被修剪的停顿,会保留自然的呼吸长度,并根据上下文缩放:长停顿(≥2 秒)保留 0.24 秒,句子结束符(
. ! ?)后保留 0.20 秒,否则保留 0.14 秒。保留的呼吸长度略微偏向于前一个短语的结尾。 - 头/尾死寂被修剪至
--head-pad/--tail-pad。 - 删除范围会被合并;保留范围是其补集。剪切通过 ffmpeg 的
trim/atrim+concat滤镜图执行(写入到*.silence-filter.txt脚本并通过-/filter_complex传递),从而保证视频和音频同步。
输出(写入 --out-dir)
| 文件 | 用途 |
|---|---|
<stem>.silence-edl.json | 保留/删除范围、时长、参数——编辑决策列表 |
<stem>.silence-transcript.json | 重新调整到已编辑时间线上的词语时间戳(馈入代理 2 + 节拍) |
<stem>.silence-decisions.md | 人类可读的摘要 + 被修剪的最大停顿 |
<stem>.silence-filter.txt | ffmpeg 滤镜图(仅在带有 --video 时) |
<video-stem>.silenced.mp4 | 剪切后的视频(仅在带有 --apply 时) |
输出到标准输出的 JSON 摘要包含 removed、removedPct、范围计数和输出路径——对于主工作流进行记录和串联非常有用。
调优说明
- 说话人头视频的默认设置(
--gap 0.55)通常会从典型的原始素材中移除约 15-20% 的纯静音。降低--gap可获得更紧凑、更快的剪切效果;提高它以保留更多自然的呼吸空间。 - 如果在句子边界处的剪切感觉过于激进,可以提高句子中断的呼吸长度,或提高
--gap。
传递给下一个代理
将 <stem>.silence-transcript.json(以及已渲染的 silenced.mp4)传递给 剪切错误 代理。由于时间戳已位于已编辑的时间线上,下游的节拍定时和 scripts/validate-beat-sync.mjs 无需进一步调整即可工作。