Communitygithub.com

danielmiessler/个人AI基础设施

AI驱动音视频编辑流水线:Whisper词级转录 → Claude片段分类 → ffmpeg执行,支持预览模式与可选云端润色。

个人AI基础设施 是什么?

该技能实现了一个完整的AI驱动音视频编辑流水线,专为播客、在线课程和演示录音等场景设计。它首先使用 insanely-fast-whisper 在 Apple MPS 硬件上执行词级转录,然后通过 Claude 对每个片段进行分类(KEEP、CUT_FILLER、CUT_FALSE_START、CUT_STUTTER、CUT_DEAD_AIR、CUT_EDIT_MARKER)。基于分类结果,ffmpeg 执行精确剪辑,采用 40ms qsin 交叉淡入淡出并用环境音填充空隙,区分修辞性停顿与意外停顿。呼吸声降低到50%音量(而非完全移除),保留自然感。可选步骤包括通过 Cleanvoice API 云服务处理口部杂音和响度标准化。支持 --prev 预览模式,允许在实际剪辑前预览修改结果。兼容 macOS/Apple Silicon,核心依赖为 Whisper、Claude API、ffmpeg 及 Python。

兼容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/danielmiessler/Personal_AI_Infrastructure/tree/main/Packs/AudioEditor/src

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

个人AI基础设施 是做什么的?

AI驱动音视频编辑流水线:Whisper词级转录(使用 MPS 加速的 insanely-fast-whisper)→ Claude 片段分类(KEEP / CUT_FILLER / CUT_FALSE_START / CUT_STUTTER / CUT_DEAD_AIR / CUT_EDIT_MARKER)→ ffmpeg 执行(40ms qsin 交叉淡入淡出及环境音填补间隙)→ 可选 Cleanvoice API 云端润色(处理口部杂音和响度标准化)。区分修辞性停顿与意外停顿。呼吸声降低至50%音量(而非完全移除)。支持预览模式(--prev)。

相关技能