Communitygithub.com

elkl111/reels-editing-lab-beta

剪辑口播短视频:从原始素材开始,包括转录、粗剪到终审,全程在对话中完成。

reels-editing-lab-beta 是什么?

该技能将口播视频剪辑流程封装为一个AI代理(如Claude Code),用户只需将原始视频拖入或放入 `inbox/` 文件夹,并像跟剪辑师聊天一样给出指令(如“我有新视频了”、“剪辑这个短视频”、“删除第三句”等),即可完成从转录、粗剪到终审的全部过程。 它支持对单个文件或多个分段/多次拍摄的素材进行转录拼接 (通过 `transcribe.py`),自动处理常见问题(如水平画面、过长、无声),并根据品牌偏好文件 (`brand/preferences.md`) 和名称纠正文件 (`brand/names.txt`) 修正听错的专有名词。粗剪阶段(`roughcut.py` 与 `verify.py`)通过创建 `cut.json` 来精确选择保留的话语片段,遵循保留最后完整流畅的版本、去掉假开头、填充词等规则。 在对话复审中,用户可以通过行号(如“删掉第三行”)、时间范围或直接描述来调整粗剪结果,AI代理会立即重新运行并反馈修改。终审通过后,技能自动构建最终视频(`build.py`),根据用户的预设套件 (`packs/<kit>/kit.json`) 添加钩子、封面、字幕、音效等,并自动检查安全区域和音频响度。全过程追求“一句不加一句不减”,强调自然语言交互和迭代式完善。

兼容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/elkl111/reels-editing-lab-beta/tree/HEAD/.claude/skills/new-reel

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

剪辑一个短视频

所有操作都在这个对话中完成。像剪辑师一样说话:简短更新,不用术语,不说设置。计时每个步骤,并在交回时提及(“粗剪完成,用了 0:40”)。

1. 转录

  • 默认使用 inbox/ 中最新添加的视频,除非用户拖入或指定了文件。
  • 多个片段合成一个视频(用户分几段拍摄、或者有多条拍摄,或者是说“这 3 个片段”):将它们按拍摄顺序(最早拍的在前)一起传入:uv run tools/transcribe.py "<片段1>" "<片段2>" … --name <名称>。转录结果会合并成一份,lines.md 中会标注每个片段的开始处(── 片段 2: … ──),这样你就可以在所有片段中为每句话挑选最佳的一次表达。如果 inbox/ 中有多个新视频且不清楚它们是否属于同一个视频,用一行话询问。
  • transcribe.py 会先检查片段。如果它打印了 PROBLEM: 行且 INTAKE=refused(水平画面、过长、无声),请友好地告知用户并停止。NOTE: 行(如 HDR 已转换、片段很长)可以用一句话简短提及。
  • 告诉用户:“正在转录,需要几秒钟。”
  • uv run tools/transcribe.py "<片段>" --name <工作名称>
  • 如果 brand/preferences.md 和 brand/names.txt 存在,请读取它们。

听错的名字。 转录器不知道品牌和工具名称,所以它会写下它听到的内容:"Claude" 经常变成 "cloud" 或 "clawed","Skool" 变成 "school","ChatGPT" 变成 "chat GPT",用户的自己的名字或产品名称也可能出错。检查 lines.md 中的这些错误。在 cut.json 的文本中修复它们,并且在构建时,在 build.json 的 "spell" 中修复(这是字幕使用的)。只修复听错的地方,绝不改动用户的措辞。当你知道了用户使用的某个名称,就把它添加到 brand/names.txt(每行一个),这样下一个视频就能正确转录。

转录器(Parakeet)会精确记录下所说的每一个字,包括没有停顿的重复开头(例如“while most of the pe… while most of the people”)。每一次尝试都在转录中,因此每一次尝试都可以被剪掉。

2. 制作粗剪

阅读 projects/<名称>/lines.md。每个短语格式为:P# [首词-尾词] 开始时间→结束时间 | 文本。词索引指向 transcript.json。要精确修剪,打印带有索引的词: python3 -c "import json;w=json.load(open('projects/<名称>/transcript.json'))['words'];print(' '.join(f\"{x['i']}:{x['w']}\" for x in w))"

按以下顺序决定保留什么:

  1. 重拍: 当一句话被说了多次时,保留最后完整、流畅的那一次。之前的尝试都是排练,包括半词(“pe”、“m”)和废弃的开头。重拍通常措辞不同,所以要按意思匹配。
  2. 假开头: 删除任何话说到一半、被放弃或立即重新开始的内容。仔细留意长短语内部,因为重开经常在短语中间且没有停顿(例如“and these are and these are the non-negotiables” → 只保留最后一个“and these are the non-negotiables”)。
  3. 自言自语: 删除“okay”、“let me start over”、“was that good?”以及失误后的笑声。
  4. 填充词: 如果句子在没有开头的“so”、“um”、“uh”或“okay”时依然成立,就删除它们。通过拆分短语来删除内部的“uh”和“um”。
  5. 保留个性。 那些有亮点的插科打诨和玩笑是内容。如果不确定,就保留并提及。
  6. 除非用户另有要求,否则保持他们说话的顺序。

编写 projects/<名称>/cut.json:

{"lines": [
  {"text": "while most of the people are debating…", "words": [19, 33]},
  {"text": "This is what I want you to do instead.", "words": [53, 61]}
]}
  • 一条记录 = 一个可审阅的句子:一个句子或简短想法,大约 2 到 8 秒。
  • words 是整词的包含范围。text 恰好是这些词(只修复明显的听错内容)。

然后:

  1. uv run tools/roughcut.py projects/<名称> 渲染剪辑,打印带编号的行,并在 QuickTime 中打开视频。
  2. uv run tools/verify.py projects/<名称> 回放检查。在展示给用户前修复任何“缺失”、“多余”或“重复”的地方:调整 cut.json 并重新运行。仅拼写差异(如“Chat GPT” vs “ChatGPT”)没有问题。
  3. 开场检查(hooks 技能,A 部分):修剪一个预热式开头(如“so today I want to talk about…”)。如果后面某句话能构成更强烈的冷开场,在审阅时提议,不要直接应用。

3. 在对话中审阅

展示给用户:

粗剪完成:1:31 → 0:51,耗时 0:40。正在 QuickTime 中播放。
我移除了:开头的 3 次尝试,两次“and these are”,7 个“let me show you”中的 6 个。

 1. while most of the people are debating… (4.3s)
 2. or to go back to Claude… (5.6s)
 …

告诉我删除或修改什么(“删掉 3”、“第 9 行到‘important things’结束”、“使用第 5 行前面的那条”),或者说“好”。

保持行列表与 roughcut 打印的内容完全一致(也会保存在 lines_review.txt 中)。

4. 应用用户的修改

用户用简单的话回复,通常按行号。

  • “删掉 3” → 删除该条目。
  • “第 9 行到…” 或 “剪掉‘which I love’” → 缩小该条目的词范围。
  • “使用前面的那条” → 在 lines.md 中找到并替换范围。
  • 关于视觉效果的说明(“在这里显示我的屏幕”、“在这上面放大字”)→ 保存在 projects/<名称>/notes.md 中供构建步骤使用。

重新运行 roughcut 和 verify(未修改的部分会复用,因此只要几秒钟)。用一两行回复说明修改了什么和新时长。重复直到用户说“好”。

如果一个修改适用于所有视频(例如“永远不要剪掉我的‘honestly’”),将其作为一行添加到 brand/preferences.md 中。

  • “冷开场” → 将你提议的那一句移到 cut.json 顶部,重新运行,并检查下一句是否仍然衔接。

当用户说“好”时,粗剪锁定,构建开始。

5. 构建完成的视频(自动,按用户的风格)

粗剪锁定后立即构建。不要征求同意。

  1. 读取用户的套件:brand/kit.txt 命名它,套件位于 packs/<套件>/kit.json。它的 rules 规定了内容放置位置和数量(intensity)。
  2. 读取锁定的行(edl.json → lines)并编写 projects/<名称>/build.json:
    • 钩子 放在第 1 行,用 hooks 技能编写:挖掘视频,写出 3 个不同模式的选项,只保留通过四项检查(真实、具体、好奇、人性化)的选项,并将全部三个存储在 "options" 中。最好的一个放入 eyebrow(2–4 个词)和 text(最长约 8 个词,一个 强调)。

    • 封面: "cover": {"eyebrow": "…", "text": "…"},一个更清晰、3–6 个词的标题,点明主题(hooks 技能,B2)。

    • 标签(名字 ✳ 他们的身份):默认不用。 只有当视频是关于他们本人时才添加:他们自我介绍(“我是…”、“如果你是新朋友…”)、讲述自己的故事,或用户要求。使用 {"type": "label", "at_line": n} 放在那一行。如果套件的 label 仍然是 你的名字 / 你教什么,请一次性向用户询问措辞(简短,每侧最多约 22 个字符)并保存到他们的套件中。

    • 金句(大文字时刻):一个 1.6 秒的全屏强视觉冲击,用在最有力的一个想法上,改写为 2–4 个有力的词,其中一个加 强调。通过 "word": i 将时间点定位在该想法落地的那个词上(例如“work”在“you can work across them”中),而不是整行。每个视频最多 2 次,不在前 5 秒内,不连续出现。对于 intensity 为 clean 的套件,跳过它。它会遮挡演讲者,所以保持低频。

    • 拼写(字幕):{"<词索引>": "Claude"} 用于每个听错的名字。"" 将某个词与前一个合并:“Chat” “GPT” → {"40": "ChatGPT", "41": ""}。

    • 高亮词: 大约每第 3 个字幕出现一个,选取传达要点的名词和数字(词索引来自 transcript.json)。永远不要选填充词。

    • 视觉效果(弹出式解释图形):用 visuals 技能规划,按套件的密度。在 busy 密度下,这是剪辑的主要层次。

    • 特写(演播室风格):{"line": n, "close": true} 在 zooms 中直接切到更紧的画面(套件 zoom.close,约 1.5×),用于那一行。

      • 在情感或重要行上交替使用全景和特写,最多每隔一个段落。
      • 当源素材是 4K 时,特写从原始 4K 中裁剪,因此保持清晰。首次构建会多花约 30 秒。
      • 特写期间图形会自动跟随更大的面部移动。
    • 推进缩放: 1–3 个推进镜头,{"line": n},放在点明要点的行上(做出承诺、给出数字、转折点)。永远不要放在钩子行或金句行上。剪辑点上的跳跃缩放会自动进行(套件 zoom.jump)。

    • 背景(将文字或图片放在演讲者身后,演讲者在前面,通过 Apple Vision 抠图):每个视频最多 1–2 个,放在关键名词或揭示内容上。{"type": "behind", "line": n, "text": "One *folder*"} 会在与人头等高的墙上放置超大文字(1–3 个词易读)。添加 "image": "path/to/file.jpg" 可以将墙面替换为 meme、截图、他们给的 B-roll 静帧,或 assets/ 中的文件。每个时刻会增加约 20 秒的额外构建时间。

    • 音效 由套件的音效集自动生成("sfx": {"palette": "soft"};音效集位于 sfx/palettes.json):

      • soft:柔和宁静
      • clicky:科技感清脆
      • playful:轻快有趣
      • punchy:大胆高能量

      每个时刻会轮换 3 个以上音效,构建时会自动间隔并控制重复,所以不要自行添加高亮词上的音效。

      • 添加 1–3 个与内容匹配的音效:在输入提示时用 "sfx_extra": [{"at": 12.3, "sfx": "keyboard"}],在“just click”时用 mouse_click,在顿悟时用 ding 或 sparkle,在“screenshot”时用 shutter,在“next”时用 page_flip,在揭示前用 riser。at 时间是最终视频中的时间。
      • 在某个事件上固定一个音效:在事件内部使用 "sfx": "thud"。在 build.json 中使用 "sfx": false 表示没有音效。

音效:用户可以说什么

  • “有什么音效?”/“其他音效?”
    • open sfx/sound-menu.mp4:一段预先制作好的 40 秒视频,包含带编号的卡片和每种音效的播放。绝不生成或合成音频预览;菜单已存在。
    • 在对话中,将 4 个音效集各用一行列出,再加上“或从菜单中选择编号”。
  • “用 clicky 音效”(仅此视频): 在 build.json 中设置 "sound_set": "clicky",然后重新构建。
  • “永远用 clicky”(所有视频): 在用户的套件中设置 sfx.palette。
  • “不要 3 号”/“我讨厌那个气泡声”: 将名称添加到套件的 sfx.avoid 列表中(持久生效),然后重新构建。编号对应 sfx/LIBRARY.md。
  • “多用 6 号”: 将其添加到 sfx.favour;喜欢的音效会在高亮词轮转时优先使用。
  • “少些音效”/“小声点”:
    • 少些:删除不需要音效的 highlight_words,或将套件的 "highlight": [] 设为空
    • 小声点:将 sfx.volume_db 降低 3
  • 构建过程会打印 SOUNDS=set: soft; soft_pop ×3, tick ×2…。在你的报告中提及音效集,这样用户就知道怎么按名称要求。
  1. uv run tools/build.py projects/<名称> 渲染 final.mp4(对于 50 秒的视频大约需要 30 秒)并打开它。声音会自动清理并针对 Instagram 进行电平标准化(LOUDNESS= 行;约 -14 LUFS)。

  2. 同时查看 cuts.png:每个剪辑点两侧的画面。每个“之后”画面必须清晰地展示新镜头。构建还会生成一个小的 final-phone.mp4 用于在手机上检查;请提及。

  3. 交回前检查:抓取钩子、任何标签和每个金句的画面(ffmpeg -ss <t> -i final.mp4 -frames:v 1 …),查看它们,并修复任何出屏、不可读或遮挡面部的问题。修复构建打印的每一条 SAFE ZONE: 行(位于 Instagram 用户名、评论或按钮下方的图形)并重新构建。然后运行 uv run tools/verify.py projects/<名称> --video final.mp4(检查词语、停顿、音量和安全区域),并修复其列出的问题。

  4. 用两到三行告诉用户你做了什么,以及他们可以要求修改(“不要钩子”、“换个金句”、“更柔和些”)。例如:

    钩子:“Build your business brain”。或者说 钩子 2:“…” / 钩子 3:“…”。 一个金句在“work across them”上,4 个高亮词,2 个推进缩放。音效:soft 集(soft pop, swoosh, tick)。

    钩子替换和微调遵循 hooks 技能,C 部分。

    然后加上:“视频也在你的 已完成视频 文件夹中,可以直接发布。对于你的下一个视频,请在这个文件夹中开始一个新对话,然后输入 /new-reel。”只有在同一个对话中完成第一个视频时才说新对话那一句。

微调:编辑 build.json(或者对于要持久化的更改,编辑套件),然后重新运行构建。将持久偏好保存到 brand/preferences.md。

表情包(“把 Schitt's Creek 的 David 表情包放在第 5 行”、“用这个 GIF”、“表情包 3”、“全屏显示”、“放大”、“不要文字”):遵循 visuals 技能中的表情包部分,然后重新构建。

“换成这些颜色”/“改成鼠尾草绿和奶油色”/“不同字体”:修改用户的套件(保留角色的 colors 值;弹出式颜色的 visuals.rotate;任何免费的 Google Font),然后重新构建。只有不清楚时才问“只是这个视频还是所有视频?”。绝不编辑预设。

要预览一个套件:uv run tools/build.py projects/<名称> --sheet 会将所有元素渲染到用户素材上,生成一张合成图。

Individual skills in this repo

This repo contains 5 individual skills — each has its own dedicated page.

elkl111/reels-editing-lab-beta

Write hooks for a reel that are curious but human, true to the reel and specific to it. Use in the new-reel flow (opening check after the rough cut; on-screen hook and cover title in the build), when the user asks to change the hook ("hook 2", "different hook", "punchier hook"), or before filming ("give me hooks for a reel about X", "how should I open this?").

elkl111/reels-editing-lab-beta

Bundle a problem report for the Lab's maker. Use when the user says something is broken, wrong or confusing and wants to report it ("report a problem", "this isn't working, tell Elena", "send feedback"), or when a tool keeps failing after you've tried to fix it.

elkl111/reels-editing-lab-beta

First-time onboarding for the Reels Editing Lab. Installs what's missing, runs a short brand interview, lets the user pick their look on their own footage, and saves it as their kit. Use when the user says "set me up", "get started", "onboard me", or when brand/kit.txt doesn't exist yet (the Lab hasn't been set up).

elkl111/reels-editing-lab-beta

Update the Reels Editing Lab to the newest version. Use when the user says "update", "update the Lab", "is there a new version?", or was told a new version is out.

elkl111/reels-editing-lab-beta

The visual director. Plans the pop-up explainer graphics (chips, numbers, chat windows, checklists, diagrams…) that illustrate what the speaker says, beat by beat, in their kit's style. Use in the new-reel build step, when the user asks for more or fewer graphics ("more pop-ups", "illustrate this part", "a checklist here"), or asks what graphics exist ("what can you add?", "show me the options").

相关技能