Communitygithub.com

Cut:緊湊口語剪輯

將原始 talking-head 影片剪輯成緊湊的口語編輯。找出每一句的最佳完整鏡次,移除每一毫秒的無聲空白,絕不剪掉字尾或切斷呼吸,並檢查每個接點是否有畫面跳動、麥克風斷訊和音量問題。請在原始錄製檔案上優先使用。

Cut:緊湊口語剪輯 是什麼?

這是一個專為影片剪輯設計的 AI 代理技能,用於將原始 talking-head 錄影剪輯成高度緊湊的口語版本。它的核心理念是「第一版就要剪得超級緊湊」,移除所有無聲空白,但絕不導致字詞或呼吸被截斷。此技能支援 ffmpeg 和 faster-whisper 進行本地轉錄,確保素材隱私。工作流程包含八個步驟:盤點素材、帶時間戳的轉錄、掃描並修復麥克風斷訊、根據口語提示選擇最佳鏡次、以幀為單位精準剪輯、檢查畫面跳動(超過 3 倍動作差異則需加入幀數降至 2 倍以下)、統一音量與音高,以及最終審計。審計要求覆蓋率、鏡次記錄、剪輯記錄、殘留間隙檢查,以及人工聆聽確認。AI 代理會根據「口語提示」而非預設選擇最後一個鏡次,若鏡次品質不明確時會主動詢問使用者。每項修正都會產生新版本,不可覆蓋已接受的剪輯。

相容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Liamrjohnston/ai-video-editor/tree/main/.claude/skills/cut

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

Cut:緊湊口語剪輯 是做什麼的?

剪輯是基礎。圖形、字幕和音效都以其為時間基準,因此在其他工作開始前,剪輯必須正確。標準:第一版就要剪得超級緊湊,不能有任何一處無聲空白,也不能有任何重疊。 緊湊不意味著截斷。如果一個字失去最後的輔音,或呼吸被切斷一半,聽起來會比暫停更糟。

你需要準備

  • 攝影機原始影片。切勿使用某些相機在旁邊寫入的低解析度代理檔案(例如 DJI 的 .LRF):請從全畫質 MP4 進行剪輯。
  • 如果有,準備腳本。
  • ffmpeg,以及一個本地轉錄器(faster-whisper)。在本地進行轉錄;切勿將他人的素材上傳到外部服務。

步驟 1:盤點

探測來源:解析度、精確幀率(29.97 是 30000/1001,不是 30)、時長、音訊聲道。記錄下來。本技能中的所有幀編號都是來源的原生幀。切勿採用其他影片的幀率。

步驟 2:使用時間戳進行轉錄

.venv/bin/python .claude/skills/cut/scripts/transcribe.py raw.mp4 --out words.json

語音轉文字能找出字詞。它無法判斷表達品質、聽出含糊不清或確認清晰的子音。

步驟 3:在剪輯前掃描麥克風斷訊

無線麥克風有時會丟失 20 到 50 毫秒,並用平滑的假衰減來填充。聽起來像某個字詞上的爆音,人們會責怪剪輯。

.venv/bin/python .claude/skills/cut/scripts/find_dropouts.py raw.mp4 --json dropouts.json

在來源音訊上執行此操作,切勿在已經混音完畢、音樂可能掩蓋問題的最終混音上執行。修復每個真正的斷訊,然後從修復後的音訊進行剪輯:

.venv/bin/python .claude/skills/cut/scripts/repair_dropout.py raw.mp4 --start 32.722 --end 32.762 --out audio_repaired.wav --json repair.json

修復過程會刪除隱蔽音段,交叉淡入淡出兩段真實音訊,並用最近的暫停處的環境音補足時間,以保持唇形同步。不進行合成、濾波或增益調整。當有人說「有爆音」時,請分開檢查聲音和畫面。

步驟 4:選擇鏡次

  • 聆聽口語提示。 演講者常在一個好鏡次後說「用那個」、「就是那個」或「用這個」。提示標記的是它前面剛完成的鏡次。如果沒有提示,則選取他們繼續前進前的最後一個完整且乾淨的鏡次。後續的口語覆蓋指令優先。
  • 絕不預設選取最後一個鏡次。 那通常是疲憊的鏡次。
  • 拒絕含糊不清、錯誤開始、未完成的思路、被打斷的字詞、小聲排練和誤讀。切勿用增益來挽救音量太小的鏡次。
  • 對於任何可疑的台詞,搜尋整個錄音,找出該台詞的每一個完整鏡次,而不僅是最近的。用簡短的表格比較它們:鏡次編號、來源時間、提示、判定、原因。
  • 當不清楚哪個鏡次聽起來最好時,請詢問。 提供使用者該台詞的每一個完整鏡次供其播放,並預先選取有提示的鏡次,然後根據他們的選擇進行剪輯。不要猜測表達品質。
  • 如果某句台詞沒有乾淨的完整鏡次,請直接說明。切勿發明替代品或從字詞片段中拼接。
  • 將腳本與實際說出的詞語逐行比較。圖形和字幕跟隨實際說出的內容,而不是寫下的內容。
  • 多個開頭鉤子: 如果錄製了多個開場鉤子,請先單獨剪輯主體和每個鉤子,然後單獨檢查每個鉤子到主體的接點。

步驟 5:緊湊剪輯

.venv/bin/python .claude/skills/cut/scripts/find_gaps.py audio_repaired.wav --words words.json --json gaps.json

這會提出候選點位;它從不執行剪輯。然後逐個邊界進行:

  • 移除所有可省略的無聲空白:鏡次之間、句子之間、字詞之間、結尾停頓。直接接續到下一個有意義的語音。
  • 只保留聲音實際需要的幀: 弱摩擦音(s, f, th)、送氣音(h)、子音閉合與釋放(t, k, p),以及字詞結尾的完整衰減。對於每個 KEEP,標明受保護的聲音。「自然的節奏」不是理由。
  • 呼吸尾音。 當音量下降到環境音,然後在沒有字詞的情況下再次上升時,這個上升就是呼吸。在字詞最後一個聲音之後的 20 毫秒處結束段落。剪進呼吸會留下奇怪的半截噪音。衰減的字尾則保留。
  • 在移除暫停後,對於緊接著開始的字詞,至少保留其前的 2 個幀。
  • 切勿加速語音,切勿重疊兩段語音,切勿在彼此之上交叉淡入淡出兩個聲音。切勿為達到特定時長而移除真實語音。
  • 靜音檢測器會提出候選點位;它從不保證任何東西。低於檢測器最小值的微小間隙仍需審查。

撰寫一個幀級精確的清單(cut.json):對於每個片段,其所屬台詞、來源進出幀、輸出起始幀,以及每個邊界的原因。所有後續工作(字幕、圖形、音效)在每次更改後都根據此清單重新映射。

步驟 6:接點的畫面跳動

在雙手或頭部移動時剪掉短暫的暫停,看起來就像掉幀。在緊湊剪輯完成後,渲染剪輯成品並測量每個句中接點:

.venv/bin/python .claude/skills/cut/scripts/join_jumps.py cut.mp4 --cut cut.json --modes modes.json --json jumps.json

跳動是接點兩側的畫面差異除以接點周圍的正常運動量。在 3 倍或以上時,放回最少數量的真實暫停幀,使其降到 2 倍或以下,選擇要丟棄哪些幀以使兩側匹配。不溶解。鏡次之間在句子斷點處的剪輯是正常的跳接。隱藏在全螢幕圖形下的接點不會顯示。對於雙手移動快速的台詞,不要在該台詞內部剪輯任何幀。

步驟 7:均勻的聲音

在顯示任何內容之前,先將每個鏡次和補錄句子的音量調整一致,使其聽起來像一次錄音。使用類似電話曲線的音調檢查音色和音高:相差 1.5 個半音的鏡次在接點處聽起來仍然不對勁。重新錄製優於音高調整。錄製時間僅差幾秒的同一個鉤子的兩半也可能不同;選擇匹配最佳的那對,如果該接點畫面跳動,則用插卡鏡頭(punch-in)覆蓋它。

步驟 8:在任何人看到之前進行審計

獨立轉錄導出的剪輯,並按順序將字詞與預期台詞進行比較。使用圍繞每個接點的短重疊視窗檢查重複的開頭(例如「現在你可以,現在你可以檢視」),因為整個檔案級別的語音轉文字會平滑化重複。如果有人回報有重複,在證明並非如此之前,視為真實存在。

為每個版本保存一份收據:

  • 覆蓋率: 審查了多少片段、開頭、結尾、接點和間隙。預期數和審查數必須一致。
  • 鏡次記錄: 預期的字詞,可疑台詞的每個候選鏡次,選擇的原因。
  • 剪輯記錄: 每個邊界的幀數,移除或保留的幀數,以及保護的特定聲音。
  • 殘留間隙: 在編碼後的剪輯上重新執行;列出任何殘留的內容及其保留原因。
  • 聆聽: 自動檢查不算是聆聽。將聆聽標記為 PENDING,直到有人以正常速度聽過。切勿因為數字通過就聲稱聲音乾淨。

收到回饋時

  • 一個被拒絕的含糊不清鏡次,或「這個剪輯太鬆散」的意見,意味著重新審計整個影片,而不僅僅是那個時間點。
  • 每個修正都是一個新版本。切勿覆蓋已接受的剪輯。

規則

  • 從第一版就保持緊湊。沒有無聲空白,沒有重疊,沒有被剪斷的聲音。
  • 以提示為導向選擇鏡次。絕不預設選取最後一個鏡次。當表達品質不明確時提問。
  • 呼吸尾音在最後一個字詞後 20 毫秒處結束。
  • 運動在 3 倍或以上的接點,放回幀數使其降到 2 倍或以下。不使用溶解。
  • 在剪輯前,掃描並修復來源上的麥克風斷訊。
  • 切勿加速或合成語音。切勿上傳素材。

Individual skills in this repo

This repo contains 1 individual skill — each has its own dedicated page.

相關技能