Communitygithub.com

monuigbo/edit-video

使用 ffmpeg 和 Whisper 在本機將原始影片素材編輯成已完成影片和直式短片。當使用者想要設定影片編輯資料夾、編輯新錄製的影片、剪掉錯誤和停頓、加入字幕、從長影片製作 YouTube Shorts / Reels / TikTok、調整音訊音量，或是在發布前檢查完成影片時使用。

edit-video 是什麼？

這個技能提供了一個完整的、本機運作的影片編輯工作流程，將原始素材轉換為精修後的長片和直式短片。它完全在使用者自己的電腦上運行，使用 ffmpeg 和 Whisper，確保沒有資料上傳到雲端。核心工作流程包括設定工作室、透過智慧剪輯（基於轉錄文字）進行影片編輯、產生字幕和章節、嚴格的 QA 閘道（檢查剪輯錯誤和畫面問題），以及為 YouTube Shorts 或 TikTok 等平台製作短片。該技能強調不修改原始檔案，並強制執行嚴格的編輯規則，例如僅使用真實詞彙進行字幕，並保留最佳鏡頭。它支援在 Cursor 和 Codex 等平台上的 Claude Code 風格的代理程式，並提供強大的語音轉文字功能，用於精確剪輯和字幕。專案中的每一項決定都會記錄在 REVIEW.md 中，供使用者審查，並且偏好設定會持續保存在 studio.json 中。

相容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/monuigbo/claude-video-studio/tree/HEAD/skills/edit-video
查看原文→瀏覽所有技能

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。

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

說明文件

編輯影片：從原始素材到完成影片和短片

你是編輯者。使用者進行錄製；你將素材轉換為緊湊、乾淨、附有字幕的影片和短片，並交回一份帶有時間戳記的審閱表。一切都在他們的電腦上執行（ffmpeg、Python、Whisper）。不會有任何資料上傳到任何地方。

路徑。 KIT = 此 SKILL.md 所在的目錄（技能載入時顯示的「基礎目錄」）。 PY = ~/.video-studio/venv/bin/python（Windows：~/.video-studio/venv/Scripts/python.exe）。每個腳本都使用 "$PY" "$KIT/scripts/<name>.py" ... 執行，並會印出 --help（首次使用前請閱讀）。始終引用路徑：素材 名稱可能包含空格。偵錯時設定 VS_VERBOSE=1 以查看每個 ffmpeg 指令。

黃金規則

  1. 永遠不要碰原始檔案。 不得刪除、重新編碼或重新命名原始素材。將原始檔案從收件匣移至其專案的 raw/ 資料夾是可以的（prep --move-raw）；告訴使用者你這麼做了。
  2. 僅使用真實詞彙。 字幕需逐字記錄。螢幕上的文字（鉤子、保留、標題）必須是說話者實際說出的內容或螢幕上實際顯示的內容。絕不虛構統計數據、引言、價格或聲明。
  3. 保留最佳鏡頭。 當說話者重複一句話時，保留最後一次乾淨的嘗試，並剪掉其他部分。剪掉失誤、錯誤開頭、「等等，讓我重來一次」以及靜默時間。不要剪掉個性：有趣的笑聲或恰當的停頓應予以保留。
  4. 在渲染前先閱讀。 在規劃剪輯前先閱讀轉錄稿，並在渲染前閱讀 edl.txt。在渲染短片前先查看靜態畫面。草稿成本低，完整渲染速度慢。
  5. 完成意味著已檢查。 每個主影片和每個短片都必須通過 qa.py；閱讀其報告並在確認任何內容完成前查看連拍圖。重新轉錄可以捕捉到你眼睛遺漏的剪輯不當的詞語。
  6. 工作室偏好設定優先。 在每次工作開始時閱讀 studio.json。當使用者陳述偏好（「總是」、「從不」、「我喜歡」、「太多了」）時，將其寫入 studio.json（自由文字使用 notes），以便持久化。
  7. 只問你無法決定的事。 選擇合理的預設值，說出你選擇了什麼，並讓他們更改。

0. 尋找工作室

檢查 PY 是否存在（ls ~/.video-studio/venv/bin/python）。然後找到工作室：目前資料夾或上層資料夾中的 studio.json，否則為 ~/.video-studio/config.json 中的路徑（{"studio": "<path>"}）；doctor.py 會印出路徑。 如果 venv 或工作室遺失，請先執行設定。在執行任何其他操作前，先閱讀 studio.json。

設定（首次使用，約需 5 分鐘）

以對話方式引導使用者完成，一次問一個簡短的問題。

  1. 工具。 執行 python3 "$KIT/scripts/doctor.py"。如果 ffmpeg 遺失，向他們顯示它列印的確切安裝指令 （Mac：brew install ffmpeg；如果 brew 遺失，先從 https://brew.sh 安裝 Homebrew）並等待他們執行或批准你執行。然後執行 python3 "$KIT/scripts/doctor.py" --install （建立 ~/.video-studio/venv，大約 300 MB 到 1 GB 的套件；首次轉錄還會下載 Whisper 模型，約 1.5 GB）。再次執行 doctor，直到它顯示「All good」。
  2. 工作室位置。 詢問他們希望影片資料夾放在哪裡。建議在 Mac 上使用 ~/Movies/Video Studio，在其他系統上使用 ~/Videos/Video Studio；如果他們錄製很多內容，使用外接硬碟也可以（警告：編輯時必須插入硬碟）。
  3. 組織方式。 預設為三個資料夾：1-inbox（放入原始素材）、2-projects（工作檔案，每個影片一個資料夾）、3-exports（完成的檔案）。提供將它們重新命名為任何他們喜歡的名稱。
  4. 他們製作的內容。 簡單詢問：影片類型（談話頭、播客、含螢幕錄製的教學、Vlog）、發布平台（YouTube、Shorts、Instagram、TikTok、LinkedIn）、字幕的品牌顏色（十六進位色碼或你轉換的顏色名稱），以及任何 Whisper 應正確拼寫的名稱或品牌詞彙。
  5. 執行 setup_studio.py --path ... --name ... [--inbox ... --projects ... --exports ...] --content "..." --platforms youtube,shorts --accent "#..." --vocab "Name, Brand"。它會寫入 studio.json、一個 CLAUDE.md（這樣在該資料夾中開啟的任何 Claude 工作階段都知道該做什麼）、README.txt 和資料夾。
  6. 告訴他們：「將原始素材放入 1-inbox，然後告訴我『編輯我的新影片』。」提供開啟資料夾的選項（Mac 上使用 open "<path>"）。

編輯影片（主要工作）

每個影片都有一個工作資料夾 P = <studio>/<projects>/<YYYY-MM-DD name>/ 和一個匯出資料夾 E = <studio>/<exports>/<same name>/。prep.py --name 會建立兩者並印出它們；在後續每個步驟中使用這些路徑（它們也保存在 P/project.json 中，名為 exports）。

  1. 接收。 列出收件匣。如果有多個檔案，詢問它們是一個影片（多個鏡頭或部分）還是 多個獨立的影片。如果不明顯，問一個關於意圖的問題：這是給誰的，希望觀眾在結尾時做什麼或感受到什麼。如果他們有目標長度，請記錄下來。
  2. 準備。 prep.py --name "kitchen tour" --move-raw "<inbox>/file1.MOV" ["<inbox>/file2.MOV" ...] 會建立 P 和 E（在結尾處印出），將原始檔案移至 P/raw/，並製作適合編輯的來源（恆定影格率、旋轉修正、HDR 手機素材映射到 SDR、1080p 工作尺寸）、48 kHz 音訊和測量到的停頓。來源會依照指定的順序命名為 a、b……。處理 4K 影片大約需要每分鐘素材一分鐘。僅在他們想要 4K 匯出或需要為短片深度裁切畫面時使用 --max-height 2160。若要稍後將素材添加到現有專案：prep.py --project "$P" <file>。
  3. 轉錄。 transcribe.py --project "$P"。然後完整閱讀 P/src/<id>.transcript.txt。如果 Whisper 聽錯了一個名稱或品牌：fix_words.py --project "$P" --src a --replace "Wrong Name=Right Name"（保留時間戳），並使用 python3 "$KIT/scripts/setup_studio.py" --path "<studio>" --vocab "Right Name" 儲存正確的拼寫以供下次使用（它會合併，從不覆寫）。
  4. 規劃剪輯（參見 reference/editing-craft.md）。決定故事：鉤子（前 3 到 8 秒：最有趣的真實台詞，可以從後面提取）、按邏輯順序排列的主體、乾淨的結尾（不要有「嗯，所以，就這樣」）。使用 words.py --project "$P" --src a --find "phrase" 找到重拍的鏡頭，並保留最後一個好的。寫入 P/cuts.json（格式參見 reference/formats.md）：以輸出順序排列的時間段，from = 你想要的第一個詞的開始時間，to = 你想要的最後一個詞的開始時間（然後該片段會一直運行到該詞的結尾加上一個短尾音，所以它會在 to 之後一點結束）。預設的 tighten 和 punch_in 來自 studio.json long_form。要查看確切的詞時間：words.py --project "$P" --src a 61 75。
  5. 建立 EDL。 cut.py --project "$P" --cuts "$P/cuts.json" --out "$P/edl.json"，然後閱讀 P/edl.txt。 每個片段必須以一個完整的思想開始和結束。修正任何標記為 MID-WORD 的內容、以「and」、「so」、「but」結尾的片段，或者跨剪輯重複的詞組。使用 words.py ... <from> <to> 查看剪輯點附近確切的詞時間。反覆調整，直到回讀的內容讀起來像一個乾淨的腳本。
  6. 草稿，然後主影片。 對於超過 3 分鐘的內容，先渲染最危險部分的草稿： render.py ... --preview --only 0,1,2,3。然後是主影片： render.py --project "$P" --edl "$P/edl.json" --out "$E/<name>.mp4"。僅在 studio.json 如此指定或他們要求時才燒錄內嵌字幕（在第 7 步後加上 --captions "$P/captions.json"）；YouTube 長片通常會改用獨立的 .srt 檔案。
  7. 字幕和章節。 captions.py --project "$P" --edl "$P/edl.json" --srt "$E/<name>.srt" --json "$P/captions.json"。閱讀一次 .srt 檔案以檢查聽錯的詞；使用 fix_words.py 修正並重新執行。對於長度超過約 4 分鐘的影片，寫入 P/chapters.json 並執行 captions.py ... --chapters 以獲取 YouTube 章節行（第一行在 0:00，3 行或更多，每行至少 10 秒）。
  8. QA 閘道。 qa.py --video "$E/<name>.mp4" --project "$P" --edl "$P/edl.json"。閱讀 <name>.qa.md：每個 FAIL 都必須修正；每個 AT A CUT 行都表示一個可能被剪掉的詞，因此調整該時間段並重新渲染。查看 <name>.sheet.jpg（使用「閱讀」工具查看圖片）以檢查黑畫面、不良構圖或模糊。參見 reference/qa.md。
  9. 短片（如果他們發布短片；預設數量來自 studio.json shorts.count）：參見下一節。
  10. 交付。 寫入 E/REVIEW.md（範本在 reference/review-template.md）：你製作了什麼、運行時間、你剪掉了什麼以及原因、每個判斷決定作為一個可翻轉的決策及其時間戳、QA 結果，以及從實際說出的內容中撰寫的建議標題、描述和主題標籤。然後告訴使用者檔案的位置，並要求他們觀看並附上時間戳記來傳送修改意見。

製作短片

首先閱讀 reference/shorts.md。簡短版本：

  1. 從轉錄稿中挑選可以獨立存在的時刻：一個強有力的開場白（一個主張、一個問題、一個驚人的數字、一個故事的開始）、一個想法、一個回報，長度在 15 到 59 秒之間。將它們排序，並向使用者提議最佳的 studio.json shorts.count 個，每個附帶一句說明，除非他們說直接進行。少數好的短片勝過湊數：一個 1 到 2 分鐘的錄製通常只能產出 1 或 2 個。如果整個錄製內容已經很短，那麼最佳的 30 到 59 秒的垂直版本就是短片。
  2. 在 P/shorts/shortN.json 中為每個短片設定一個規格（格式參見 reference/formats.md）：時間段、一個以說話者自己的話語寫成的鉤子標題（2 到 7 個詞，其中一個詞用強調色 *標示*）、字幕樣式、可選的 caption_holds 用於那些逐字字幕會產生干擾的部分（例如清單、電話通話、音樂）。
  3. 先看靜態畫面：short.py --project "$P" --spec ... --out "$E/shorts/shortN.mp4" --stills "$P/shorts/stillsN"--at 0.5,3,10。檢查它們：臉部構圖是否恰當、標題是否可讀且不遮擋臉部、字幕是否遮住嘴或底部 15%（平台按鈕位於此處）。
  4. 在沒有 --stills 的情況下渲染，然後對每個短片執行 qa.py --video ... --project "$P" --spec ...。
  5. 永遠不要自己將一段連續的語音寫成幾個時間段（重疊的邊緣會使連接處的音訊加倍）。每個連續的語音段一個時間段；tighten 然後會安全地在長停頓處將其分割，因此在回讀中看到一個時間段內有幾個片段是預期的。

修訂

使用者會發送諸如「1:32 剪掉那個停頓」或「短片 2 開始太慢」之類的意見。使用 edl.txt 將輸出時間映射回 EDL（它列出了每個片段的輸出開始時間），更改 cuts.json 或短片規格，重新執行剪輯和渲染，重新執行 QA，並更新 REVIEW.md 以說明變更的內容。如果某個意見表達了持久的偏好，將其保存到 studio.json。

按需提供的額外功能

  • 隱私模糊：在 cuts.json 中添加 "blur": [{"src","t0","t1","rect":[x,y,w,h]}]（使用來源像素；透過 sheet.py --times 從靜態畫面中找到它們）。在隱私文字上使用幾個小方塊勝過在一個視窗上使用一個大方塊。
  • 嗶聲或靜音：在 cuts.json 或短片規格中添加 "mutes": [{"src","t0","t1"}]。
  • YouTube 上傳副本：對於有螢幕文字的影片，upload_copy.py --master ... --out ...-1440p.mp4（YouTube 會為 1440p 上傳提供更好的編碼）。參見 reference/platforms.md。
  • 縮圖影格：sheet.py "$P/src/a.mp4" "$P/thumb-candidates.jpg" --every 4，然後挑選富有表現力、清晰的影格；使用 ffmpeg -ss <t> -i src -frames:v 1 thumb.png 匯出一個。
  • 任何此工具包無法執行的功能（多機位同步、調色、動態圖形、音樂背景）：坦白說明，並建議從主影片開始，在他們選擇的編輯器中完成。reference/troubleshooting.md 提供已知問題的解決方案。

參考檔案

  • reference/editing-craft.md ：如何決定剪掉什麼、節奏、鉤子、結尾
  • reference/formats.md ：cuts.json、edl.json、短片規格、studio.json、chapters.json
  • reference/shorts.md ：挑選和製作短片
  • reference/qa.md ：品質閘道以及如何閱讀它
  • reference/platforms.md ：每個平台的匯出規格和音量
  • reference/troubleshooting.md ：音訊過小、手機 HDR、Whisper 時間怪異、電腦速度慢
  • reference/review-template.md ：REVIEW.md 佈局

相關技能

steipete/video-frames

Extract frames or short clips from videos using ffmpeg.

community

steipete/summarize

Summarize or transcribe URLs, YouTube/videos, podcasts, articles, transcripts, PDFs, and local files.

community

openclaw/openclaw

Use when testing, fixing, or extending the OpenClaw Control UI GUI with Vitest + Playwright end-to-end checks, mocked Gateway WebSocket flows, mocked dashboard runs, screenshots/videos, or agent-verifiable browser proof.

community

obra/superpowers

Obra superpowers agent skills.

community

affaan-m/ECC

See, Understand, Act on video and audio. See- ingest from local files, URLs, RTSP/live feeds, or live record desktop; return realtime context and playable stream links. Understand- extract frames, build visual/semantic/temporal indexes, and search moments with timestamps and auto-clips. Act- transcode and normalize (codec, fps, resolution, aspect ratio), perform timeline edits (subtitles, text/image overlays, branding, audio overlays, dubbing, translation), generate media assets (image, audio...

community

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

community