剪除沉默(管線代理 1)
自動化編輯的第一步。接收原始錄製內容與其逐詞轉錄稿,並僅移除沉默:第一個字之前的死空氣、最後一個字之後的死空氣,以及超過閾值的字間停頓(修剪至自然的呼吸長度,絕不造成完全無聲的間隔)。它完全不修改說話者的詞語——錯誤開頭、重複與口吃是剪除錯誤代理(代理 2)的工作。
此代理是確定性且由轉錄稿驅動的,因此其輸出(*.silence-transcript.json)可乾淨地饋送至後續代理以及節拍同步驗證器。
使用時機
- 「剪除沉默」、「修剪停頓」、「移除死空氣」、「加快節奏」
- 作為主編輯工作流程的第一階段,緊接在轉錄之後。
前置需求
一份逐詞轉錄 JSON。可以是 ElevenLabs Scribe 格式({ words: [{ text, start, end, type }], audio_duration_secs })或通用格式 { words: [{ text, start, end }] }。請使用工作區轉錄器產生:
node scripts/transcribe-elevenlabs.mjs path/to/raw.mp4 # -> path/to/raw.json
使用方法
# 1) 僅規劃——計算剪輯範圍,寫入 EDL + 重新對齊時間的轉錄稿(不觸碰影片)
node .agents/skills/cut-silences/scripts/cut-silences.mjs <transcript.json> \
--out-dir video-projects/<slug>/assets
# 2) 搭配影片——同時寫入 ffmpeg 指令(仍不實際渲染)
node .agents/skills/cut-silences/scripts/cut-silences.mjs <transcript.json> \
--video video-projects/<slug>/assets/raw.mp4 --out-dir video-projects/<slug>/assets
# 3) 渲染已剪輯的影片(本機 ffmpeg,重新編碼,保持影音同步)
# 加上 --apply 會實際執行 ffmpeg
node .agents/skills/cut-silences/scripts/cut-silences.mjs <transcript.json> \
--video video-projects/<slug>/assets/raw.mp4 --apply \
--output video-projects/<slug>/assets/edited-silenced.mp4
選項
| 旗標 | 預設值 | 說明 |
|---|---|---|
--video <路徑> | — | 原始影片;啟用 ffmpeg 指令/渲染 |
--out-dir <目錄> | 轉錄稿所在目錄 | 輸出檔案的寫入位置 |
--output <路徑> | <影片檔案名稱>.silenced.mp4 | 剪輯後影片的路徑 |
--gap <秒> | 0.55 | 視為可修剪沉默的最小停頓長度 |
--head-pad <秒> | 0.22 | 第一個字之前保留的沉默長度 |
--tail-pad <秒> | 0.34 | 最後一個字之後保留的沉默長度 |
--apply | 關閉 | 實際執行 ffmpeg 以渲染剪輯結果 |
決策邏輯(沉默規則)
- 低於
--gap(0.55 秒)的停頓維持不變——自然的說話節奏。 - 對於被修剪的停頓,會保留一段自然呼吸長度,並根據上下文調整:長停頓(≥2 秒)保留 0.24 秒,句子結尾(
. ! ?)後保留 0.20 秒,其他情況保留 0.14 秒。保留的呼吸會略微偏向於前一個片語的結尾。 - 開頭/結尾的死空氣修剪至
--head-pad/--tail-pad。 - 刪除範圍會被合併;保留範圍則為其互補。剪輯結果透過 ffmpeg 的
trim/atrim+concat濾鏡圖(寫入*.silence-filter.txt腳本並透過-filter_complex傳入)渲染,以確保影音同步。
輸出(寫入 --out-dir 指定的目錄)
| 檔案 | 用途 |
|---|---|
<檔案名稱>.silence-edl.json | 保留/刪除範圍、持續時間、參數——編輯決策列表 |
<檔案名稱>.silence-transcript.json | 對齊至編輯後時間軸的重新對齊時間轉錄稿(饋送至代理 2 與節拍同步) |
<檔案名稱>.silence-decisions.md | 人類可讀摘要 + 最大修剪停頓列表 |
<檔案名稱>.silence-filter.txt | ffmpeg 濾鏡圖(僅在使用 --video 時產生) |
<影片檔案名稱>.silenced.mp4 | 已剪輯的影片(僅在使用 --apply 時產生) |
輸出至標準輸出的 JSON 摘要包含 removed、removedPct、範圍計數以及輸出路徑——有助於主工作流程進行記錄與串聯。
調整建議
- 針對談話型 YouTube 的預設值(
--gap 0.55)通常可移除原始錄製中約 15-20% 的純粹沉默。降低--gap可獲得節奏更緊湊的剪輯;調高則可保留更多自然的呼吸空間。 - 如果在句子邊界處感覺剪輯過於激進,可調高句子結尾的呼吸長度,或調高
--gap。
交接至下一個代理
將 <檔案名稱>.silence-transcript.json(以及已渲染的 silenced.mp4)傳遞給剪除錯誤代理。由於時間戳已對齊至編輯後時間軸,後續的節拍時序與 scripts/validate-beat-sync.mjs 驗證無需額外調整即可正常運作。