Communitygithub.com

film-edit

將已核准的片段剪輯成完成的影片。記錄素材、將剪輯筆記轉換為編輯決策列表,並使用 ffmpeg 指令進行修剪、拼接、調整速度、生成縮圖與字幕等操作。

film-edit 是什麼?

這是一個專注於影片後期剪輯的 AI 技能,專為開發者與剪輯師設計,可與 Claude Code、Cursor 等開發工具協作。該技能會先對原始素材進行詳細探查(時長、幀率、場景變化、沉默區域等),並記錄於日誌中。使用者的剪輯筆記會被自動轉換為編輯決策列表(EDL),AI 會依照鏡頭順序組裝初剪,並依據句子結尾、停頓與節奏進行修整。技能內建大量已測試的 ffmpeg 指令(修剪、拼接、重新構圖、速度調整、聯絡表、字幕嵌入),且支援導出 FCPXML 時間線給 Final Cut Pro 編輯器。所有處理皆為非破壞性(每一版皆為新檔案),付費步驟(如雲端轉寫或放大)需事先獲得使用者同意。預設不上傳任何內容,僅在使用者明確要求且設定為私人或草稿時才會上傳,同時會自動生成 AI 揭露與版權資訊。

相容平台~Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/nikbearbrown/agentic-filmmaking/tree/HEAD/skills/film-edit

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

Film edit

導演剪輯;AI 掌控時間線。此技能將已核准的片段轉化為一部完成、且誠實標示的影片。所有工作皆基於 ffmpeg:已測試的指令收錄於 ffmpeg-recipes.md,而素材日誌、編輯決策列表、製作日誌、交付檢查清單、致謝範本與 FCPXML 骨架則位於 edit-sheets.md。

每一步的規則

  • 導演指揮;AI 執行。 AI 負責組裝、測量、提議與渲染。保留什麼、刪除什麼、停頓、交換或重新排序,由使用者決定。當面臨選擇時(選哪個鏡次、裁切左邊或右邊、加速或修剪),提供選項並說明各自的代價。
  • +1 是意圖,不是品味。 如果剪輯偏離使用者所述的要求(無法完全套用的筆記、失去回應的節奏),標記一次,讓使用者決定,並記錄該決策。你的偏好不算偏離。
  • 絕不覆寫,絕不刪除。 每一次處理都建立新的編號檔案(cut-v4.mp4);原始檔案唯讀。使用 ffmpeg 的 -n(拒絕覆寫),而非 -y,除非使用者要求替換特定檔案。舊的剪輯、較差的鏡次與替換掉的片段,請移至 superseded 資料夾。
  • 花錢與發布前先詢問。 在任何付費步驟(雲端轉寫、生成式重新渲染、付費放大)之前,說明工具、數量與預估費用,並等待同意。拒絕結果後的重新渲染是新的花費:再次詢問。沉默不等於同意。
  • 權利與同意。 非使用者所有的素材、音樂與聲音需要權利;真實人物的肖像或聲音需要其同意。下載他人的影片需要所有者的許可或授權;服務條款的警告不等於許可,請等待使用者回覆。
  • 保存製作日誌:記錄每個版本、套用的筆記、使用者的決定,以及每個付費步驟的工具、工作 ID 與費用。生成的結果只有在使用者批准後才記為保留。

此技能的邊界

  • 標題、下三分之一、動態字體、動態或逐字字幕、箭頭、地圖等在程式碼中繪製的內容:motion-graphics。此技能將它們的渲染輸出疊在乾淨的剪輯上。
  • 旁白、對話、音樂、音效、混音與響度:film-sound。此技能將完成的混音放在鎖定的畫面下方。
  • 鏡頭、靜態圖與片段:cinematic-shots,包括拍攝時遺漏的鏡頭。
  • 尚未涵蓋:調色。除非使用者要求,否則維持生成的色彩。

1. 在剪輯前探查並記錄素材

在規劃前探查:時長、幀率(r_frame_rate 與 avg_frame_rate 不同表示可變幀率)、尺寸、像素形狀與格式、音訊串流。生成的片段通常每個鏡頭都不同,有些沒有聲音。

以觀察者而非導演的角度記錄每個片段:鏡次編號、檔案、畫面內容、可用的起點與終點、完整台詞與動作的起始與結束位置、承載節奏的時刻、觀察到的問題。將你看到的與可能的含義分開;寫「不清楚」而非編造故事。測量結果是候選而非定論:

  • 每個片段數幀的聯絡表,標註時間。單一幀可能隱藏幽靈物體或偏移的臉孔。
  • 場景變化候選點。動作、閃爍與溶解也會有高分;請以正常速度逐一檢查。
  • 沉默區間,可在此處進行剪輯。轉寫稿中的空白不代表沉默。
  • 掉幀:時間戳記間隔大於 1.5 幀。
  • 語音:對於長時間錄音,先閱讀轉寫稿,僅在畫面重要時提取幀。

2. 依照鏡次表順序組裝

初剪是機械性的:按照鏡次表順序使用已核准的片段,每個片段以其記錄的 in 與 out 點為準。這是一個供使用者觀看與審查的草稿。

  1. 將每個片段標準化為同一格式:尺寸、方形像素、幀率、像素格式、音訊取樣率與通道。為無聲的片段添加靜音軌道。當長寬比不同時,由使用者選擇適應(加黑邊)或填滿(裁切)。
  2. 拼接:若所有片段規格完全一致,使用串流複製;否則使用 concat 濾鏡(重新編碼一次)。拼接後比較影片與音訊的時長。
  3. 盡可能減少重新編碼次數:使用高品質的中間檔,最後一次交付編碼。
  4. 保留每個片段自己的聲音(保留影片模型的環境音軌;調整音量屬於 film-sound 的工作)。
  5. 為版本編號、記錄、製作聯絡表。

3. 剪輯筆記轉換為編輯決策列表

使用者觀看並以自己的話輸入筆記:修剪、交換、停頓、刪除、移動。每條筆記轉換為編輯決策列表(EDL)的一行:筆記編號、使用者原文、鏡次、來源 in 與 out、動作、原因、狀態。時間維持在來源秒數;任何輸出時間線上的內容(旁白、字幕、標記)在每次重新剪輯後重新計算時間。

  • 當筆記模糊時提問(例如「中間縮緊一點」):提供兩個具體解讀並附上時間碼。
  • 為每一行提供原因:它服務的節奏、為何在此進入與離開。保留讓節奏成立的時刻,而非整個事件。
  • 列出必須保留的時刻(問題與其答案、反應、高潮);在任何自動邊界變更後,檢查它們是否完整且順序正確。
  • 對於對話,顯示完整的轉寫稿,標註時間與編號,詢問要移除哪些部分,然後再將圖形元素對齊剪輯。當同一句話說了兩次,後一個鏡次通常是修正;在刪除任何一個之前先詢問。
  • 套用、渲染新版本、記錄筆記與決定。 重複直到使用者確認剪輯完成。

4. 修剪與節奏

在句子結尾與停頓處剪輯。 in 或 out 點應位於測量過的沉默區間、來源的開頭、或同一鏡次內的連續接合處。如果邊界仍落在語音之內,移動它或刪除整個句子;絕不要為了達到長度而剪斷一個詞。修剪停頓中間的空白,使兩側都保留一次呼吸。對於非連續接合,添加極短的音訊淡入淡出以避免爆音。在移除刻意放慢的說話者的停頓之前,先詢問。

避免閃爍幀:當邊界落在來源的硬剪輯旁時,可能產生的一到兩幀殘留片段。移動邊界或丟棄該片段;不要使用凍結或減速來拉長短鏡頭,也不要用轉場來掩蓋不良剪輯。

長度目標。透過加速與修剪來「達到 60 秒」是兩種不同的答案(加速會改變所有動作與聲音;修剪則會損失素材)。呈現兩種方案。

將畫面配對旁白(畫面側):當旁白行比其鏡頭長時,將該片段最多減速 10%,並讓其餘部分流入下一個鏡頭。在一部影片中,25 個鏡頭中有 7 個需要這樣處理。在速度變更後保持幀率恆定,以便片段仍可拼接。

配合節奏剪輯。 取得已核准音樂的節拍時間(以秒為單位的列表,來自 film-sound 或對音軌執行的節拍追蹤器)。提議每個片段最強烈的時刻,將剪輯點對齊最近的節拍,並在組裝前顯示編號的鏡次表。當節拍與句子結尾不一致時,顯示兩者,讓使用者選擇。

5. 對完成片段的特效修正

按成本順序進行,並在每個修正旁保留原始檔案。

  • 保留原始像素的免費修正:重新構圖、速度、凍結幀、透過插值補償掉幀、輕度降噪。

  • 疊加層絕不放入生成的素材。 箭頭、路線、標籤與網格由 motion-graphics 在乾淨的片段上繪製。如果生成的片段已內嵌這類疊加,請重新生成乾淨的版本,而不是在上面覆蓋。

  • 生成式重新渲染是一個新鏡頭,而非修正。 參考影片模型使用原始素材作為動作與外觀的指導,而非鎖定的像素,因此臉孔、道具與攝影機運動可能會偏移。如果使用者想要這樣做:

    1. 讀取整個片段的幀;寫下必須保持不變的內容(身份、手勢、攝影機運動、構圖、光線、手持物體)以及變更內容,並對應到準確時刻。
    2. 在工具允許的情況下,先變更一個靜止幀,獲得批准後再為動態付費。
    3. 說明模型、數量與預估成本;等待同意。
    4. 將結果與來源比對:長度、結尾的語音、最後幾個字時的嘴型、開始、中間、接合處與結尾的臉孔、已批准的變更仍然存在。如實報告缺失,並提供一次修復機會;不要自行升級。

    模型能保留什麼,需要先以一個鏡頭測試。

  • 在過程中標記每個鏡頭為真實或生成;揭露資訊需要它。

6. 字幕

在畫面鎖定與任何重新構圖之後才製作字幕;在裁切前製作的字幕可能會落在畫面之外。

  • 文字。 如果旁白是先寫好的,劇本就是字幕文字:將其對齊音訊,而非重新轉寫。否則進行轉寫;本地引擎可將媒體保留在機器上,雲端服務則會上傳(先詢問)。轉寫時間戳記通常是粗略的區間,而非逐字時間;當時間很重要時進行對齊。
  • 透過閱讀來修正。 轉寫器會聽錯方言、名字與專業詞彙。絕不添加未說過的字,絕不為了符合長度而縮短或改寫字幕:使用較小的字體或另一行,或詢問。為了讓合成語音正確發聲而改拼的字,在字幕中保持原本拼法。
  • 一個主檔,多種格式。 保留最豐富的版本(逐字時間、說話者),並從中轉換:SRT(純文字與時間)、VTT(網頁播放器)、ASS(樣式)。
  • 翻譯時保持時間:相同數量的提示,順序相同,時間與說話者標籤相同;沒有空白提示;保留聲音標籤;不要加入來源沒有的破折號、括號或方括號。若來源語言不明確,請確認。逐字高亮的字幕必須使用音訊的語言;對於其他語言,使用純翻譯行。
  • 嵌入或封裝。 嵌入的字幕是畫面的一部分,無法關閉,因此應在最後、放大之後再嵌入;它需要以 libass 編譯的 ffmpeg。封裝的字幕可切換:每種語言一個軌道,並標記其語言。平台每種語言接受一個字幕檔案。
  • 放置位置:將字幕保持在臉孔之外,並避開垂直影片的平台按鈕;檢查其當前的安全區域。

7. 最後放大,每個片段分別處理

僅在剪輯鎖定後才進行放大,每個片段單獨處理,而非拼接後的整部影片,以避免裁切產生模糊。使用相同的 EDL 從放大的片段重建剪輯,然後添加字幕與圖形,使文字保持銳利。AI 放大適用於攝影素材;在一個影片系列中,它會使平面向量藝術劣化。在使用任何付費放大工具前先詢問。

8. 最終觀看

檢查你將交付的檔案,而非較早的版本、代理檔或無字幕的主檔。

  1. 以正常速度播放一次,不停下來修正;記下你注意到的問題。
  2. 以正常速度播放每個接合處,前後各半秒到一秒。
  3. 不帶畫面聽一次。
  4. 再次觀看開頭、關鍵時刻與結尾。
  5. 在修訂版中,確認每個要求的變更已發生,且沒有其他更動。
  6. 然後探查數字、執行解碼 pass、檢查字幕軌道,並為每個鏡頭製作聯絡表。

表格與自動檢查只能指出問題;播放決定一切。如果你無法檢視圖片或播放媒體,請直接說明,而不是聲稱已檢查。在問題所在之處修復(剪輯、聲音、文字),而非在封裝時處理。使用 edit-sheets 中的五行格式回報。

9. 交付檔案、揭露與致謝

  • 詢問影片將去哪裡。 目的地決定長寬比、長度、編解碼器與響度。閱讀其當前規格並記錄日期。
  • 一個主檔,然後每個目的地一個檔案,從主檔編碼並探查;連同每個語言的字幕檔案、轉寫稿、致謝與揭露、權利記錄。
  • 揭露與致謝:腳本改編自何處、哪些畫面與聲音是 AI 生成、哪些是真實的,以及素材、音樂與聲音的權利與致謝。AI 先草擬此文件並留空;由使用者編輯與簽署。如實設定平台的合成媒體標記。
  • 權利記錄:每個外部資產的來源與授權;每個生成資產的模型與工作 ID。

10. 將時間線交給剪輯師(FCPXML)

當使用者或其剪輯師將在剪輯程式中完成後製時,除了平面檔案外,也提供時間線。

  • 將 EDL 匯出為 FCPXML(詢問匯入剪輯師程式的格式),並附上 CSV 版本。以絕對路徑指向原始片段;列出缺少的媒體。
  • 時間以幀數除以幀率表示(72/24s),絕不使用四捨五入的小數。offset 是時間線上的位置,start 是來源內的入點,duration 是長度。標記是其所標記片段的子元素,可攜帶剪輯筆記。spine 是主要故事線;連接的片段位於軌道上,正數在上,負數在下。.fcpxmld 套件是包含附帶資料的資料夾;保持其完整性。
  • 絕不直接編輯剪輯師的檔案:寫一個新版本並列出變更。
  • 寫入檔案不等於匯入。先匯入一個小測試;匯入是使用者的步驟。

11. 上傳:先詢問,預設私人

  • 預設是由使用者自行上傳的套件:檔案、字幕、標題、描述、標籤、封面、揭露。
  • 僅在使用者要求時上傳,每個平台分別處理,設為私人或草稿。公開或排程發布需要使用者指定平台、檔案與時間。「全部發布」並非此種批准:列出每個平台的預定動作(檔案、標題、可見性、時間)並確認。
  • 一次一個平台。遇到登入畫面、驗證碼、CAPTCHA 或安全警告時,停止並移交。絕不輸入密碼或驗證碼,也不讀取或重複輸入憑證。
  • 之後,回讀標題、描述開頭、字幕、可見性與合成媒體設定。成功是指影片 ID 加上處理狀態;登入失敗則不算。

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

cinematic-shots

Take a screenplay or scene to shots an image or video model can make, with the filmmaker making every creative call. Covers notes on the script, the screenplay-to-shot-table conversion, look rules written once and pasted into every prompt, keeping characters, places and props consistent with reference sheets, cheap draft stills before paid hero stills, checking every still before any motion, image-to-video prompts with one action and one gentle camera move, checking several frames per clip, the cost order, a per-session spending cap, and cost and production logs. Use when the user says "shot table", "shot list", "break down this scene", "storyboard", "look rules", "keep the character consistent", "character sheet", "draft stills", "hero still", "animate this still", "image to video", "camera move", "the clip smears" or "what will this cost". Not for narration, dialogue, music or the mix (film-sound); cutting, captions, upscaling or delivery (film-edit); or titles and graphics drawn in

motion-graphics

Make graphics drawn in code that sit over or between shots - titles and title cards, lower thirds, kinetic type, a stat or animated chart, a map or route, logo stings, transitions, captions styled as graphics, beat-synced graphic videos and explainer animation. Sets the house style once (palette, type, pacing), plans beats against measured narration, music or footage timing, builds deterministic seek-safe animation, inspects stills and several frames, then renders, verifies and composites over clean footage instead of baking graphics into generated shots. Works with any code-rendered video engine. Use when the user says "motion graphics", "title card", "lower third", "kinetic type", "animate this chart", "animated map", "draw the route", "logo sting", "beat-synced video", "explainer animation", "styled captions" or "overlay on this footage". Not for generated photoreal footage (cinematic-shots), narration, music or the mix (film-sound), or cutting, plain subtitles, delivery and upload

相關技能