Communitygithub.com

Clipify - 影片精華剪輯工具

找出影片中最有趣的時刻,將其剪輯成獨立短片,可選擇將 16:9 格式轉換為 9:16(臉部動態追蹤或分割畫面),並加上 Opus 風格逐字字幕。

Clipify - 影片精華剪輯工具 是什麼?

Clipify 是一個專為社交媒體發布而設計的影片精華剪輯技能。它能自動分析影片,辨識出笑點、反應、尷尬停頓等有趣片段,並提供 3-5 個候選剪輯建議。用戶可自行選擇要保留的片段,並指定輸出格式(9:16 適用於 TikTok/Reels、16:9 適用於 YouTube、1:1 適用於 Instagram 貼文)。Clipify 支援兩種 16:9 轉 9:16 的重新構圖方式:一是「臉部動態追蹤」,透過分析說話者的動作能量,動態平移畫面焦點;二是「分割畫面」,將兩個說話者並排顯示,並根據發言者切換上下位置。此外,它還能透過 Whisper 生成逐字時間軸,並以 Opus、Karaoke 或 Minimal 三種風格燒錄字幕。此技能適用於 Claude Code、Cursor 等支援自訂技能的工具,特別適合內容創作者和社群小編快速產出吸睛的短影片。

相容平台~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/exiao/skills/tree/HEAD/video/clipify

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

Clipify

找出影片中最有趣的時刻,將其剪輯成獨立短片,可選擇將 16:9 格式轉換為 9:16(臉部動態追蹤或分割畫面),並加上 Opus 風格逐字字幕。

原始程式碼:~/projects/clipify(從 github.com/louisedesadeleer/clipify 複製)

輸入

  • 影片檔案路徑(使用者需提供;否則請詢問)
  • 可選:要求的輸出格式(9:16、16:9、1:1)
  • 可選:字幕樣式偏好

工具

  • Whisper: whisper --model tiny.en --word_timestamps True --output_format json(快速;非英語請使用 --model base)
  • ffmpeg: 在 macOS 上解碼時加上 -hwaccel videotoolbox,渲染時使用 -preset ultrafast。最終輸出:-c:v libx264 -crf 20
  • 腳本: ~/projects/clipify/scripts/
    • analyze.py — 從兩個 ROI 動態數據檔案生成說話者時間軸
    • build_pan.py — 使用硬切換的 ffmpeg 裁切 x 表達式
    • build_ass.py — 從 Whisper JSON 生成 Opus 風格 ASS 字幕
    • audio_align.py — 找出子片段在較長來源中的偏移量

工作目錄:/tmp/clipify/(開始時建立)


工作流程

步驟 1 — 找出最有趣的部分

mkdir -p /tmp/clipify
ffmpeg -y -hwaccel videotoolbox -i "$VIDEO" -vn -ac 1 -ar 16000 /tmp/clipify/audio.wav
whisper /tmp/clipify/audio.wav --model tiny.en --word_timestamps True --output_format json --output_dir /tmp/clipify --language en

讀取 JSON,選取 3-5 個候選片段。有趣的訊號:精彩台詞/反應、情節反轉、尷尬停頓、自嘲、音頻峰值。

每個片段:[開始時間, 結束時間, 有趣的原因, 建議標題]。目標長度 10-25 秒。顯示列表,讓使用者挑選。

步驟 2 — 剪輯

ffmpeg -y -ss "$START" -t "$DURATION" -i "$VIDEO" -c copy /tmp/clipify/clip_$N.mp4

步驟 3 — 輸出格式

詢問:「9:16(TikTok/Reels)、16:9(YouTube)還是 1:1(Instagram 貼文)?」

步驟 4 — 如果是 16:9 轉 9:16:動態追蹤或分割畫面

4a — 臉部動態追蹤

  1. 取一個畫面樣本,目測臉部 ROI(嘴巴+下巴區域,格式為 x,y,w,h)
  2. 透過 ffmpeg 的 tblend+signalstats 提取每個 ROI 的逐幀動作能量
  3. 建立說話者時間軸:python3 ~/projects/clipify/scripts/analyze.py /tmp/clipify/L.txt /tmp/clipify/R.txt 1.0 > /tmp/clipify/segments.json
  4. 選擇垂直條帶的平移 x 座標(1920 來源的裁切寬度為 608)
  5. 生成 x 表達式並渲染:python3 ~/projects/clipify/scripts/build_pan.py /tmp/clipify/segments.json $LEFT_X $RIGHT_X

4b — 分割畫面

兩個堆疊的區塊(各 1080x960),活躍說話者在上方。根據 segments.json 建立啟用表達式。

步驟 5 — 字幕

三種樣式:opus(大字粗體,黃色當前詞)、karaoke(4 字一組,綠色高亮)、minimal(簡潔 Helvetica)。

whisper /tmp/clipify/clip_panned.mp4 --model tiny.en --word_timestamps True --output_format json --output_dir /tmp/clipify --language en
python3 ~/projects/clipify/scripts/build_ass.py /tmp/clipify/clip_panned.json /tmp/clipify/captions.ass opus
ffmpeg -y -i /tmp/clipify/clip_panned.mp4 -vf "subtitles=/tmp/clipify/captions.ass" -c:v libx264 -preset fast -crf 20 -c:a copy "$OUTPUT.mp4"

步驟 6 — 輸出

  • 儲存至 <來源目錄>/clipify_out/
  • 印出:名稱、長度、有趣的原因、輸出路徑
  • 開啟第一個輸出供檢視
  • 提供迭代選項

常見問題

  • 不要過度調整 ROI(最多 2 次迭代)
  • 檢查片段中是否有場景切換(select='gt(scene,0.3)')
  • 4K 來源:先降頻至 1080p,或將所有座標加倍
  • 對剪輯後的片段(非完整來源)執行 Whisper 以取得字幕時間戳
  • 如果來源已有內嵌字幕,使用 audio_align.py 找出乾淨的母帶

需求

  • 支援 libx264 和 libass 的 ffmpeg(用於字幕燒錄)。檢查:ffmpeg -filters 2>&1 | grep subtitles。預設的 Homebrew ffmpeg 公式不包含 libass。請使用 homebrew-ffmpeg tap:brew tap homebrew-ffmpeg/ffmpeg && brew uninstall --ignore-dependencies ffmpeg && brew install homebrew-ffmpeg/ffmpeg/ffmpeg。如果 brew 回報 CLT 過舊,請先執行 softwareupdate --install "Command Line Tools for Xcode <version>"(檢查 softwareupdate --list 取得確切標籤)。
  • whisper (openai-whisper):brew install openai-whisper 或 pip install openai-whisper
  • Python 3 + numpy
  • 建議使用 macOS(VideoToolbox),Linux 上也可運作(不加 hwaccel 旗標)

若無 libass 的替代方案

如果 ffmpeg 缺少 subtitles/ass 濾鏡,可使用 drawtext 作為簡單字幕的替代方案(一次一個字,較不美觀但功能正常)。或重新安裝附帶 libass 的 ffmpeg。

Individual skills in this repo

This repo contains 4 individual skills — each has its own dedicated page.

相關技能