Communitygithub.com

danielmiessler/個人_AI_基礎設施

AI 驅動的音訊與影片編輯管線:Whisper 逐字轉錄 → Claude 片段分類 → ffmpeg 執行,可選 Cleanvoice 雲端優化。

個人_AI_基礎設施 是什麼?

這是一個由 AI 驅動的音訊與影片編輯管線,專為內容創作者和開發者設計,用於自動處理錄音與錄影。其核心流程從使用 insanely-fast-whisper 在 MPS 上進行逐字轉錄開始,接著透過 Claude 對每個片段進行分類(如 KEEP、CUT_FILLER 等),最後由 ffmpeg 執行精確的剪輯操作,包括 40ms qsin 交叉淡入淡出與環境音填充。該管線能智慧區分修辭性停頓與意外停頓,並將呼吸聲降低至 50% 音量(而非完全移除),以確保自然流暢。此外,還可選用 Cleanvoice API 雲端服務進行嘴部聲音去除與音量正規化。支援預覽模式 (--prev),讓使用者能先查看效果再進行最終輸出。此技能特別適合需要高效處理 Podcast、教學影片或會議錄音的用戶,在 macOS (MPS) 上運行順暢,並可透過 CLI 輕鬆整合至自動化工作流程。

相容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/danielmiessler/Personal_AI_Infrastructure/tree/main/Packs/AudioEditor/src

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

個人_AI_基礎設施 是做什麼的?

AI 驅動的音訊與影片編輯管線:Whisper 逐字轉錄(在 MPS 上使用 insanely-fast-whisper)→ Claude 片段分類(KEEP / CUT_FILLER / CUT_FALSE_START / CUT_STUTTER / CUT_DEAD_AIR / CUT_EDIT_MARKER)→ ffmpeg 執行,含 40ms qsin 交叉淡入淡出與環境音填充 → 可選 Cleanvoice API 雲端優化,用於處理嘴部聲音與音量正規化。能夠區分修辭性停頓與意外停頓。呼吸聲會降低至 50% 音量(而非移除)。支援預覽模式 (--prev)。

相關技能