Claude AutoCut
由詞彙級逐字稿驅動的本地影片剪輯工具。一切都在使用者的機器上執行：語音辨識使用 Whisper (faster-whisper)，媒體處理使用 FFmpeg，字幕使用 Pillow，而卡通模式則使用 HyperFrames (Node.js) 來渲染動畫。無需 API 金鑰、無需付費服務、不上傳任何資料。
命令列工具為此技能資料夾內的 scripts/autocut.py。請使用已安裝所需套件（參閱「設定」）的 Python 執行：
python "<技能資料夾>/scripts/autocut.py" <命令> ...
<技能資料夾> 是此技能的基礎目錄（技能載入時會顯示）。
選擇模式
| 使用者需求 | 模式 | 指令 |
|---|---|---|
| 「剪輯這部影片」、「剪掉停頓」、「移除嗯嗯啊啊」、「清理重錄片段」 | 自動編輯 | edit 影片 -o 專案 |
| 為影片加上字幕，但不剪輯 | 字幕 | captions 影片 -o 資料夾 |
| 在說話者上方加入動畫場景，保留完整錄影 | 完整動畫 | cartoon init 影片 -o 專案，撰寫分鏡，cartoon render |
| 先剪輯，再為剪輯後的影片加入動畫 | 完整流程 | complete 影片 -o 資料夾，撰寫分鏡，cartoon render |
| 「卡通」、「動畫播客」，但未說明是否要剪輯 | 用一個問題詢問：保留全部（完整動畫）或先剪輯（完整流程）？ |
如果需求不明確，請用一個簡短問題詢問要使用哪種模式，並推薦一個。在任何操作之前，請先在該工作階段執行一次 doctor：它會顯示目前機器支援哪些模式。
設定（每台機器一次）
python -m venv .venv並啟動虛擬環境，然後執行pip install -r "<技能資料夾>/requirements.txt"。- 將 FFmpeg（
ffmpeg和ffprobe）加入 PATH。 - 僅限卡通模式：Node.js 18+（npx 和 npm）。HyperFrames 0.8.79 會在首次使用時由 npx 下載，且不會自動更新；每個卡通專案都需使用 npm 安裝 GSAP。
- 執行
python "<技能資料夾>/scripts/autocut.py" doctor
首次轉錄會下載 Whisper 模型（--model tiny 約 75 MB，small 約 480 MB，為預設值）。當語言已知時請使用 --language；對於難以辨識的音訊，請使用 --model medium 或 large-v3。
自動編輯
python "<技能資料夾>/scripts/autocut.py" edit input.mp4 -o edits/my-video [--language en] [--model small]
步驟：轉錄 → 分析 → 規劃 → 渲染 → 驗證（編輯後的影片會再次轉錄並比對）→ 字幕 → REPORT.md。輸出於專案資料夾中：renders/cut_vN.mp4（乾淨剪輯）、renders/final_vN.mp4（含嵌入字幕）、captions_vN.srt、decisions.md（每個被移除的片段及其類型和原因）、analysis.md、verify_vN.json。任何檔案都不會被覆寫：每次渲染都是一個新版本。來源影片僅供讀取。
自動規劃執行的動作（刻意保守）：
- 修剪第一個詞之前與最後一個詞之後的靜音；
- 縮短超過 0.7 秒的停頓，但絕不全部移除；句子結尾後的停頓會保留較長（可能是為了強調的停頓）；
- 移除填充音和緊接著重錄的不完整片段；
- 對於同一句的兩個完整版本，依據證據保留較清晰的一個，絕不保留「最後一個」或「最短的」；如果證據相當，則兩者皆保留，並在「待審查」下列出；
- 保留轉錄遺漏的可聽聲音，並移除 Whisper 在靜音中創造的文字。
高影響力剪輯
若剪輯移除的詞彙未在任何其他地方出現（包括否定詞），則屬於高影響力剪輯。自動規劃絕不會執行此類剪輯；它們只來自 overrides.json（根據使用者要求加入的剪輯）。渲染會暫停，直到每個高影響力剪輯獲得批准。若要批准，請向使用者顯示 decisions.md 中的確切片段和詞彙，獲得明確同意後，執行：
python "<技能資料夾>/scripts/autocut.py" approve 專案 --start 12.0 --end 18.5 --by "user" --reason "要求移除離題內容"
python "<技能資料夾>/scripts/autocut.py" edit input.mp4 -o 專案 # 轉錄結果會重複使用，渲染新版本
切勿記錄使用者未給予的批准。plan 專案 會重新執行分析和規劃，但不進行渲染。
overrides.json（位於專案資料夾）
{"cuts": [{"start": 12.0, "end": 18.5, "reason": "離題內容"}],
"keep": [{"start": 3.0, "end": 4.2, "reason": "這個填充詞是笑點的一部分"}],
"pauses": {"p04": {"action": "keep"}, "p07": {"keep_s": 0.8}}}
停頓 ID（p04）來自 analysis.md。如需了解決策如何分類，請參閱 references/editing.md。
向使用者回報
閱讀 REPORT.md 和 decisions.md，並簡短告知使用者：剪輯前後的時長、移除了什麼及其原因、「待審查」的項目、驗證是否通過（遺漏的詞彙、保留的否定詞）。請說明您無法聽或看影片：節奏和品味需要使用者透過聲音自行判斷。
純字幕
python "<技能資料夾>/scripts/autocut.py" captions input.mp4 -o captions/my-video [--no-burn] [--caption-y 0.75]
產生 captions.srt、captions.json 和 captioned.mp4。垂直影片會在畫面高度的 70% 處顯示大寫字幕；橫向影片則靠近底部。每個口說詞彙都會按順序出現一次。
卡通（完整動畫與完整流程）
- 執行
cartoon init 影片 -o 專案（完整流程會先執行edit，然後在剪輯結果上建立卡通專案）。 - 閱讀
專案/speech.md（附時間的語音區塊），並撰寫專案/storyboard.json：場景需涵蓋整部影片而無間隙，每個場景包含情境、主持人姿勢與表情、物件以及螢幕文字。結構、目錄（情境、姿勢、表情、物件、轉場）與版面規則請參閱references/cartoon.md。請在撰寫第一個分鏡腳本前先閱讀它。 - 執行
cartoon check 專案，直到回報無錯誤。螢幕文字只能使用已口說的詞彙。 - 執行
cartoon snapshot 專案 --at 1.5,8,20，並檢視reviews/中的畫面。 - 執行
cartoon render 專案（或使用--range 0-6進行快速測試）。輸出：renders/cartoon_vN.mp4，來源音訊原樣複製；renders/cartoon_vN.qc.json用於檢查時長與音訊。
動畫僅透過您撰寫的分鏡腳本理解語音的意義：程式碼本身無法自行理解語音。
規則
- 切勿修改或刪除來源影片或較早的渲染結果。
- 切勿加入會改變語音意義的剪輯；切勿代使用者批准高影響力剪輯。
- 螢幕文字和字幕只能使用已口說的詞彙。
- 一次只執行一個渲染；卡通渲染負載較重（請參閱
references/troubleshooting.md）。 - 切勿聲稱結果「聽起來不錯」：您無法聽到。請回報測量到的結果。
發生錯誤時
請參閱 references/troubleshooting.md（找不到 FFmpeg、模型下載失敗、Node/npx 問題、HyperFrames 問題、記憶體不足、語言錯誤、轉錄品質不佳）。