Communitygithub.com

自動影片編輯器 (Windows)

當 macOS 或 Windows 使用者指向本機影片並希望進行編輯、清理、轉錄、字幕或剪輯成直播精華時使用。

自動影片編輯器 (Windows) 是什麼?

這是一個專為 macOS 和 Windows 平台設計的 AI 代理技能,能夠利用本機工具(HotClip 和 FFmpeg)對本機影片進行自動化編輯。其主要功能包括:根據語音轉錄文字(ASR)自動選擇並剪輯精華片段,移除填充詞(如「嗯」、「呃」、「um」等),並生成帶有精確時間軸的繁體中文字幕(硬字幕 MP4 和 SRT 側邊字幕檔)。該技能不需要 LLM 端點或 Ollama,所有轉錄處理均在本機執行,確保資料不外洩。它支援 macOS(透過 Homebrew)和 Windows(透過 winget),要求使用者安裝 Git、Node.js LTS、FFmpeg 和 HotClip CLI。工作流程包含 10 個步驟:從 ffprobe 探測影片資訊、根據時長決定精華數量、本機轉錄、逐詞驗證填充詞移除、預設產生字幕、基於完整詞語的剪輯邊界、保留原始影像及置換直播橫幅標題、保留連續音訊、產出驗證與 QA 報告、最後傳送本機檔案路徑與編輯報告。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/cresjq-sketch/agent-skills/tree/HEAD/skills/auto-video-editor-windows

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

macOS 和 Windows 自動影片編輯器

使用本機的 HotClip 和 FFmpeg,在 macOS 或 Windows 上建立可審閱的影片剪輯。將此標準代理技能安裝到當前代理中,請使用該代理的原生技能安裝程式。需求:macOS 或 Windows 10+、網路連線,以及數 GB 的可用磁碟空間。準備編輯時,請先安裝 Git、Node.js LTS、FFmpeg、HotClip 以及 HotClip 的本機語音模型(透過作業系統的套件管理器),然後使用 HotClip CLI。在 macOS 上,常用的套件管理器是 Homebrew;在 Windows 上,請使用 winget。此基於轉錄文字的精選工作流程不需要儲存庫 PowerShell 啟動腳本、Ollama 或 LLM 端點。如果需要在安裝技能後重新啟動代理,請重新啟動。

工作流程

  1. 使用 ffprobe 探測來源:持續時間、幀大小以及音訊/視訊串流。保留原始來源,並建立一個新的同級輸出資料夾 成品_自動精剪_YYYY-MM-DD;如果該資料夾已存在,請使用數字後綴。
  2. 對於超過五分鐘的影片,從轉錄文字中選擇精華數量:通常 15 分鐘以下選擇 1–2 個,15–60 分鐘選擇 2–4 個,超過 60 分鐘選擇 3–5 個。這些是上限,而非配額;如果沒有足夠明確、完整且有價值的時刻,則回傳較少的數量。避免重複的主題。對於較短的成品剪輯,則謹慎地清理整個剪輯。如果使用者要求保留完整錄影,則不要提取精華。
  3. 使用 HotClip 的詞彙時間戳 ASR 在本機進行轉錄。在將轉錄文字用於剪輯或字幕之前,請對照音訊進行審查。HotClip 的自動 highlights 和 clip 命令需要配置 LLM 端點;在此無 LLM 的工作流程中,活躍的助理從轉錄文字中選擇時刻,並使用 FFmpeg 渲染。請勿上傳影片素材或轉錄文字。
  4. 預設移除明顯的填充詞。 審查隔離的猶豫聲音,例如 嗯、呃、額、唔、诶、um、uh 以及明顯的即時口吃重複。在剪輯前檢查音訊中的每個候選詞。將 啊、這/這個、那個、就是 和 然後 視為上下文相關:僅在它們明顯是非語義的猶豫或重複的架構詞,且移除後句子仍然自然時才予以移除。保留有意義的強調、指涉、轉折以及任何不確定的詞彙。切勿在整個轉錄文字中使用盲目的文字替換。僅剪輯完整的詞彙範圍,並保留小的自然音訊邊界;除非明顯不需要,否則保留呼吸聲和環境音。
  5. 預設為每個語音剪輯產生字幕。 根據審查後的轉錄文字建立準確的中文字幕,移除實際被剪掉的詞彙,並根據編輯後的輸出時間軸重新調整所有提示時間。保持可讀性的短行(通常為一或兩行)、自然的標點符號和安全的邊距。提供一個硬字幕 MP4 和一個匹配的 SRT 側邊字幕檔。如果使用者要求不要字幕,則僅在遵循該要求後才省略兩者。切勿將未壓入字幕的計畫呈現為已加字幕的匯出。
  6. 在完整的詞彙和句子上設定精華和填充詞剪輯的邊界。檢查每個開始和結束附近的轉錄文字和音訊;切勿僅依賴 midWordCuts: 0。將保留的區間組合成一個編輯,並保留一份編輯決策清單。對於保留區間 [source_start, source_end] 內的來源時間 t,其輸出時間計算為 t - source_start + prior_retained_intervals 的累積持續時間;省略因填充詞剪輯而移除的詞彙。在此輸出時間軸上建構 SRT,使用相同的區間對應圖進行音訊/視訊串接,然後使用 FFmpeg 的字幕濾鏡將 SRT 燒入渲染後的 MP4 中。
  7. 保留來源的主要畫面與圖形。對於重複出現的藍色直播橫幅,僅將其舊的集數標題替換為轉錄文字中簡潔且忠實的標題;保留永久的標頭與裝飾藝術。將燒入的字幕放置在靠近底部的位置,在 1080×1920 解析度下保留約 40 像素的間距。檢查渲染後的畫面,確保文字可讀且未被裁剪。
  8. 預設保留連續音訊,除非是已驗證的填充詞、不想要的靜音或用戶要求的編輯。將 VAD 偵測到的靜音視為候選:如果建議的剪輯與 ASR 詞彙重疊,請檢查音訊並保留語音。對於視覺疊加,請在可能的情況下串流複製渲染後的音訊,並將其音訊封包雜湊值與疊加前的渲染進行比較。
  9. 使用 ffprobe、完整的 FFmpeg 解碼、音訊/視訊串流檢查、黑幀掃描、靜音掃描、持續時間、字幕存在性/同步性以及開頭/結尾詞彙檢查來驗證每個匯出。聆聽渲染後的開頭、中間和結尾。將長時間靜音映射回原始來源,並報告它們是在錄影中還是因編輯而引入。提出未解決的 QA 警告,並僅報告實際執行的檢查。
  10. 請勿發布或上傳。提供每個 MP4 和 SRT 的絕對路徑、持續時間、輸出資料夾,以及一份包含 QA 連結的 Markdown 編輯報告。

命令

平台設定與命令

在任何一個平台上都使用儲存庫 CLI。首先安裝 Git、Node.js LTS、FFmpeg 和 pnpm;將 HotClip 從 https://github.com/xixihhhh/hotclip 複製到穩定的使用者目錄,並在其中執行 pnpm install。HotClip 第一次本機轉錄時會下載其語音模型。請勿為此基於轉錄文字的工作流程設定 LLM 環境變數。

macOS (zsh),如有需要,先安裝 Homebrew:

brew install git node ffmpeg
corepack enable
corepack prepare pnpm@latest --activate
mkdir -p "$HOME/Library/Application Support/HotClip"
git clone --depth 1 https://github.com/xixihhhh/hotclip.git "$HOME/Library/Application Support/HotClip/source"
cd "$HOME/Library/Application Support/HotClip/source"
pnpm install
pnpm cli transcribe "$HOME/Movies/recording.mp4" --json > "$HOME/Movies/transcript.json"

Windows PowerShell,在 HotClip 來源目錄中,安裝 Git、Node.js LTS 和 FFmpeg(使用 winget)之後:

corepack enable
corepack prepare pnpm@latest --activate
git clone --depth 1 https://github.com/xixihhhh/hotclip.git "$env:LOCALAPPDATA\HotClip\app"
Set-Location "$env:LOCALAPPDATA\HotClip\app"
pnpm install
pnpm cli transcribe 'C:\Videos\recording.mp4' --json > 'C:\Videos\transcript.json'

官方的 HotClip macOS DMG 目前僅適用於 Apple Silicon。該應用程式未經 Apple 公證;如果 Gatekeeper 阻止,請使用官方安裝指南。上述的 CLI 來源工作流程與該 GUI 下載是分開的。在安裝前,請檢查目前的 HotClip 版本和安裝指南,以確認 Intel Mac 的相容性。

轉錄在本機執行。根據轉錄文字中明確、自成一個單元的時刻,在基於持續時間的上限內選擇一個數量;切勿只因有上限就填滿最大值。除非使用者要求省略,否則始終渲染語音字幕和匹配的 SRT。僅移除經過個別驗證的填充詞範圍,然後根據輸出時間軸重新調整字幕提示時間。僅在檢查過轉錄文字邊界和音訊安全性之後才進行渲染。

相關技能