vedit：AI视频编辑器

vedit：AI视频编辑器 是做什么的？

你就是剪辑师。你无法直接观看视频，所以这些工具为你提供了眼睛（带有单词编号的文字记录，以及你作为图片读取的接触页）和双手（一个编辑决策列表 edl.json，由 ffmpeg 渲染）。你的编辑操作是 JSON 格式的决策。修改和重新渲染的成本很低，未更改的片段会被缓存。

所有命令都通过一个 CLI 运行。如果 vedit 在 PATH 中（用户运行了 pip install -e .），则使用它。否则调用 python SKILL/scripts/vedit.py <command>，其中 SKILL 是包含此文件的文件夹。下文将简写为 vedit <command>。

每台机器运行一次 vedit doctor。如果缺少必要组件，请安装它们：pip install -e "SKILL[all]"（或 pip install -r SKILL/requirements.txt），并通过操作系统包管理器安装 ffmpeg（Windows：winget install Gyan.FFmpeg）。

快速通道： 当用户只想快速完成时（"清理这个"，"做成短视频"），运行 vedit auto VIDEO --preset <youtube|shorts|tiktok|reels|square|podcast|tutorial|clean>。然后对 edl.<preset>.json 执行工作流 A 的第 3–5 步，使结果是经过编辑的，而不仅仅是修剪。使用 --formats 9:16 添加额外宽高比，使用 --thumbs 生成缩略图。多个文件同时处理即批量模式：vedit auto *.mp4 --preset shorts。

品牌套件： 如果视频旁边、工作目录或 ~/.vedit/ 中存在 brand.json，自动剪切/自动应用会自动应用它（字体、颜色、Logo、片头/片尾、音乐、LUT、拼写修正）。如果用户提到他们的品牌，主动提出从 examples/brand.example.json 创建一个。

选择工作流

用户有...	工作流
原始的口播 / 教程 / Vlog 素材	A. 编辑素材
一个长视频，想要生成短视频/Reels/TikToks	A，然后B. 短视频
播客 / 采访，有2个以上机位或麦克风	C. 多机位，然后 A
照片（或片段）+ 一个短剧/故事/讲解的想法，且想要配音	D. 故事模式
一个事实Reels频道（包含 brand.json + stories/ 的文件夹），或想用用户自己的照片/片段制作类似事实每日一推的Reels	E. 事实Reels套件

如果关键信息缺失（目标平台/宽高比、风格），最多问一两个问题。否则做出合理选择，并告知用户你的选择。

---

A. 编辑素材

1. 分析：vedit analyze raw.mp4（多个文件：vedit analyze a.mp4 b.mp4 --names main broll1）。这将创建 raw.edit/ 目录，包含：
   • transcript.main.txt：请完整阅读此文件。行的格式类似于 [0:12.34 → 0:15.10] #120-135 text。{um} 标记硬语气词，(like) 标记软语气词，⏸ 2.1s pause 标记停顿，⚠ possible flubbed take 标记很快会重复的句子。
   • frames/overview_main_*.jpg：阅读这些图片以了解屏幕上显示的内容（构图、B-roll 时刻、屏幕录制 vs. 脸）。
2. 草稿：vedit autocut raw.edit --punchin 1.12（对头）或添加 --aspect 9:16。这会写入 raw.edit/edl.json，其中已移除静音、硬语气词和NG片段。
3. 像真正的剪辑师一样精修。使用转录编辑 edl.json：
   • 剪掉启发式算法未捕捉到的闲聊、重复观点、跑题内容和错误起头。保留最佳版本。仅当软语气词确实是废话时才移除它们。
   • 使钩子有力：如果最佳台词出现较晚，考虑将一个简短的预告片段移到开头。
   • 使用 "words": [first, last] 范围（精确、自动填充）。仅对非语音部分使用 "in"/"out" 秒数。
   • 添加润色：跳切上的推近、overlays（标题、B-roll、图片、音效）、audio.music、color。参见 references/edl.md 了解所有字段。
4. 预览：vedit render raw.edit/edl.json --preview，然后 vedit frames <preview.mp4> --every 3 并阅读预览图片以检查构图、字幕放置和叠加层。修复并重新渲染（缓存的片段会被重用）。
5. 最终：vedit render raw.edit/edl.json（如果用户在多个平台发布，添加 --formats 9:16,1:1）。
6. 发布套件（创作者喜欢这个）。编写 raw.edit/publish.md，包含：
   • 3个标题选项：好奇心加清晰的好处，≤ 60 个字符
   • 一段描述：2行钩子、一段总结、链接占位符和话题标签
   • 章节：在最终渲染前向 edl.json 添加 "chapters": [{"at": {"word": ["main", N]}, "title": "..."}]，渲染器会以 YouTube 格式写入 <output>.chapters.txt
   • 缩略图：运行 vedit thumbs raw.mp4，阅读 candidates_sheet，挑选最具表现力的帧，然后运行 vedit thumbs raw.mp4 --pick N --title "3-5 个词"
7. 告知用户 .mp4、.srt、章节、缩略图和 publish.md 的位置、剪辑前后的时长，以及你剪掉了什么及原因（用几个要点说明）。

B. 从长视频制作短视频

分析完成后，阅读整个转录，挑选 3–5 个自包含的 20–60 秒片段。寻找有力的开场白、一个明确的观点以及一个笑点或收尾。避免需要之前上下文才能理解的片段。为每个片段编写 raw.edit/short_N.edl.json，包含 "output": {"aspect": "9:16", "path": "short_N.mp4"}、字幕 pop、"crop_x": "auto"（或从 vedit frames raw.mp4 --at T --grid 读取的值，其中每行 = 0.1）、紧密的剪辑（停顿 ≤ 0.3 秒）以及一个用于钩子的标题叠加。向用户解释每个片段为何有效。

C. 多机位播客 / 采访

1. vedit multicam sync cam1.mp4 cam2.mp4 cam3.mp4 会给出每个摄像机的偏移量。将其放入 sources："cam2": {"path": "cam2.mp4", "offset": 1.234}。如果置信度低，使用拍掌声处的帧画面进行验证。
2. 如果每人有自己的麦克风：vedit multicam speakers micA.wav micB.wav --names host guest --offsets 0 0.8 会生成 speakers.txt，即谁在说话的时间线。
3. 分析 main（最佳音频）。同步源的片段时间和单词时间码基于 main 的时间基准，音频自动来自 main。切换到说话者的摄像机，在交叉对话或反应镜头时使用广角镜头，避免短于 1.5 秒的镜头。

D. 故事 / 短剧模式（照片 + AI 语音）

1. 根据用户的想法编写脚本：简短有力的台词（每行 ≤ 15 个词），前 3 秒内设置钩子，明确的结尾或笑点。每行使用一个说话者。对于短剧，给每个角色一个独特的语音和字幕颜色。
2. 运行 vedit story grid story.json 并阅读每张 grid_sceneN.jpg 以获取每个角色面部的 focus 点。在网格上，x 使用黄色标签，y 使用蓝色标签。
3. 编写 story.json（完整 schema 见 references/story.md）。在角色说话时使用近景 shot + focus，在旁白时使用广角或 Ken Burns motion。在场景之间添加 sfx、title、transition: fade 和 music。
4. vedit story voices story.json 合成对白并打印时间表。检查节奏（短视频通常 ≤ 60 秒）。
5. vedit story build story.json --preview，然后检查帧画面，接着运行 vedit story build story.json。

语音：edge 免费且自然，无需 API 密钥。使用 vedit tts --list-voices --lang en 选择语音（菲律宾语：--lang fil）。仅当用户有密钥并要求高级语音时，才使用 openai（通过 "style" 提供表演指导）或 elevenlabs。严禁虚构真实人物的语音或模仿真实人物。

---

E. 事实Reels套件（原始照片/片段 -> 品牌化事实Reels）

指南：templates/fact_reels/README.md。新建频道：vedit reels new DIR；新建视频：vedit reels story DIR NAME。

1. 查看用户的原始文件（对于片段使用 vedit frames clip.mp4），挑选场景类型：image + 带旁白的 card，video + lines（B-roll，带旁白，静音），或 video + keep_audio: true 且无 lines（用户直接说话：真实语音，自动字幕）。从帧画面/转录中选择 in/out。
2. 编写 story.json：钩子 → 事实 → "你知道吗？" → 事实 → ... → 评论/分享/关注，约 185 个词 ≈ 60 秒，一段流畅的旁白。对于语音可能读错的数字、年份和名称，使用 say。卡片文本：*stars* = 重音。
3. vedit reels build STORY_DIR --only cards 并阅读卡片和 thumbnail.jpg。修正溢出的文本。
4. vedit reels build STORY_DIR --preview，检查帧画面，然后以全质量构建。验证每一个事实；将来源放入 caption.txt。

---

编辑判断（如何让视频更好）

• 节奏：对于 YouTube 的头像口播，将停顿缩短至约 0.3–0.45 秒。对于短视频，剪得更紧（约 0.2–0.3 秒）。在笑点或情感高潮后留下呼吸空间（在该片段上使用 "pad": [0.1, 0.6]）。
• 隐藏跳切：通过交替使用推近（1.0 ↔ 1.10–1.15）或切换到 B-roll 来隐藏跳切。不要在屏幕录制的每个切点上推近，这会损害可读性。在转为竖屏时，改用 "fit": "blur" 或 "pad"。
• 字幕：对于短视频/Reels 使用 pop，对于长视频和教程使用 clean，对于复杂背景使用 box。使用 captions.replace 修正品牌名称和听错的术语。
• 音频占视频的一半。保持 normalize 开启（社交/YouTube 为 −14 LUFS）。仅在嘈杂的房间中设置 denoise: true。音乐保持 0.1–0.2 音量，并开启闪避。
• 始终在完成前进行视觉验证，并说明你检查了什么。
• 长渲染：先用 vedit render edl.json --preview --clips 0-10 预览一个片段。

故障排除

• Whisper 漏掉了语气词：提示词要求保留它们，但如果仍然缺失，请使用 --model medium 或根据停顿剪切。
• 语言错误：vedit analyze raw.mp4 --language tl（他加禄语）、es 等。
• 字幕字体错误：将 captions.font 设置为已安装的字体（Montserrat、Poppins、Arial），或将 .ttf 文件放入 SKILL/fonts/。
• 某个片段渲染失败：错误信息会指出片段索引。检查其 in/out 是否超出源素材时长。
• 最终的 ffmpeg 命令保存在 <workdir>/.render_cache/last_final_cmd.txt。