影片剪輯技能 是做什麼的？
一部原始的談話性頭錄音通常有 20% 到 40% 是無效內容：停頓、「嗯」、假開頭、同一句話說兩次。手動剪掉這些內容比錄音本身還花時間。本技能負責第一次剪輯：它讀取逐字稿，規劃每一次剪輯並附上理由，顯示計劃，渲染帶有跳接放大效果的剪輯和乾淨的音訊，產生字幕和章節，並在你確認後發布。這個資料夾裡包含了所有需要的東西。
四項承諾：
- 使用者的話語會保留。 只有停頓、填充詞、口吃、重拍以及使用者核准的範圍會被移除。意義絕不會被編輯。
- 先規劃，再渲染。 剪輯清單會先顯示並獲得核准。
- 沒有明確同意，絕不發布任何內容。
- 僅處理使用者有權使用的素材。 這是使用者自己的錄音，或已獲得許可。
在 Windows 上，請將所有指令中的 python3 替換為 py。
步驟 0：設定與來源
執行 python3 scripts/check_setup.py：它會回報 ffmpeg、Pillow、轉錄方式以及 OpenCV 的狀態，並根據使用者的系統顯示安裝指令。必要項目：ffmpeg 和 Pillow。
在同一條訊息中，僅詢問你無法看到的項目：
- 哪個檔案，以及是否是使用者的檔案？
- 最終要去哪裡：YouTube (16:9)、社群 (直式)，還是兩者都要？
- 剪輯緊密度：youtube (預設：剪掉超過 0.5 秒的停頓，保留自然節奏)、tight (0.3 秒，適合快速 YouTube 和社群) 或 podcast (溫和，無放大效果)。
- 使用者習慣使用且可以安全剪掉的字詞（例如「那個」、「就是」、「你知道嗎」、「基本上」）。這些詞在其他句子中可能有含義，所以選擇加入。
- 任何必須原樣保留的內容（例如產品示範、帶有停頓的笑話、贊助商段落）。
步驟 1：轉錄
python3 scripts/transcribe.py 影片 --out work/ --terms "產品名稱, 專業術語, 來賓姓名"
--terms 列出名稱和專業術語以確保拼寫正確；如果仍有聽錯的地方，可以在渲染前於 edit.json 中使用 "replace" 修正，因為燒錄到已發布影片中的字幕是無法更正的。
與往常相同，有三種轉錄方式，並會解釋一次其取捨：
| 方式 | 方法 | 成本與速度 |
|---|---|---|
| 現有字幕 | --from captions.srt | 免費、即時；字詞時間戳為估計值，且多數「嗯」會遺漏，因此填充詞剪輯效果較弱 |
| Groq 或 OpenAI | GROQ_API_KEY 或 OPENAI_API_KEY | Groq 每小時音訊約 $0.04 美元，每小時音訊只需一到兩分鐘處理 |
| 本機 | pip install faster-whisper | 免費且私密；使用 --model small 約需影片長度的一半到一倍時間 |
轉錄器會被提示寫下填充詞；否則 Whisper 會忽略它們。剪輯器會透過分析音訊本身，找出仍然遺漏的聲音（例如未寫下的「嗯」、呼吸聲）。
步驟 2：規劃剪輯
完整閱讀 work/transcript.txt 一次。然後編寫 edit.json（格式在 scripts/edit_video.py 頂部）：
- 風格：
"style": "youtube"、"tight"或"podcast"（閾值在references/editing-rules.md中）。超過限制的停頓會縮短為自然的節拍：句子中間較短，句子結尾較長，主題轉換時最長。 - 填充詞： 預設清單（「嗯」、「啊」、「呃」、「嗯哼」、「呣」）是安全的。僅在使用者要求時，將使用者的習慣用語加入
extra_fillers。 - 離題與無用段落： 離題內容、「聽得到我說話嗎？」、進入正題前的冗長鋪陳。將它們加入
cut並附上理由，並告知使用者。 - 保護任何必須保留的內容，使用
keep，包括靜音段落。 - 含提詞卡或可見主持人的訪談： 除非使用者另有指示，否則保留問題（每個提詞卡約 3 秒加入
keep）；沒有這些問題，每個回答都會以「所以...」開頭且缺乏上下文。 - 聽錯的名稱：
"replace": {"賽勒斯王": "OSIRIS-REx"}。 - 章節（適用於 YouTube）：根據主題變化設定 3 到 10 個章節，第一個從 0:00 開始，每個至少間隔 10 秒，名稱要讓觀眾知道能得到什麼（例如「為什麼相機壞了」，而不是「第二部分」）。時間基於原始影片；腳本會自動調整。
然後產生計劃：
python3 scripts/edit_video.py edit.json --transcript work/transcript.json --out edited/ --plan
edited/edit-plan.md 會給出新長度、刪除的內容來自談話內部、長停頓還是提詞卡的比例、語速（每分鐘字數），以及每次超過一秒的刪除動作，附上原因和文字。請閱讀每一行關於重拍和口吃的描述，以及「可能的重拍」清單：兩個起頭方式相同的完整句子絕不會被自動剪除；請逐一判斷，如果是真正的重拍，就將其加入 cut。向使用者顯示摘要、重拍、你所選擇的離題內容以及章節，並獲得同意。
步驟 3：渲染
python3 scripts/edit_video.py edit.json --transcript work/transcript.json --out edited/
渲染流程：
- 將超過閾值的停頓縮短為自然的節拍，加上填充詞、口吃、重拍以及所有
cut範圍。短於該風格最短時間（youtube 風格為 0.4 秒）的移除動作會保留原樣：跳接的成本高於其效益。 - 透過聆聽音訊來精確定位每個剪輯點：字詞邊緣會移動到聲音實際停止和開始的位置，因此不會截斷字尾，並且能找到轉錄稿遺漏的聲音（例如未寫下的「嗯」）。
- 也會分析畫面：提詞卡和鏡頭切換處會被整潔地剪輯，絕不會留下提詞卡的殘影。
- 將片段分組，每次一個 pass 進行渲染，因此無論有多少剪輯點，聲音和畫面都能保持同步。
- 放大效果： 在需要隱藏跳接處時，於全畫面與 1.1 倍放大畫面之間切換：僅在剪輯移除了一秒或更長時間時使用，否則只在同一構圖持續 4 秒後才使用，絕不應用於切換到不同攝影機畫面的剪輯點。
"punch_in": 0可關閉此功能。 - 音訊： 將增益調整至工作電平、套用低頻濾波器、根據測量的環境噪音設定降噪（若環境已很安靜則跳過）、溫和的壓縮、峰值限制器，以及兩次 loudness 處理達到 -14 LUFS。
- 字幕： 總是產生
captions.srt（每行最多 42 個字元，共兩行；每段顯示 1 到 7 秒；不在小詞後或名稱內斷行），以便上傳至 YouTube。"captions": {"burn": true}會將字幕繪入影片中，適用於許多人靜音觀看的社群平台；直式版本預設會燒錄字幕。不要將字幕燒錄到同時也會上傳 SRT 檔案的 YouTube 影片中：否則開啟字幕的觀眾會看到雙重字幕。 - 直式：
"format": "vertical"會以focus_x為中心裁切，產生 1080x1920 的版本。
它會產生 edited/edited.mp4、captions.srt、chapters.txt、edit-report.md 和 manifest.json。
在向使用者展示之前先檢查： 開啟 cuts.jpg（顯示最大剪輯處前後的幀畫面：檢查是否有提詞卡的閃現、不同鏡頭之間的跳動、凍結的表情），並閱讀 manifest.json 中的警告（同步問題、語速超過每分鐘 190 字、音量）。如果重拍保留了錯誤的鏡頭、語速令人喘不過氣（改用較溫和的風格），或者某個剪輯點效果不佳（對該處使用 keep），請修正並重新渲染。
步驟 4：使用 WoopSocial 發布
如何連接、上傳和發布：references/woopsocial.md。簡短說明：
social_accounts_list；若未連接：使用此 agent 的單一連接路徑（免費方案：2 個社群帳號），然後為每個平台執行oauth_create_authorization。- 使用上傳 session 上傳
edited.mp4（以manifest.json中的位元組大小執行media_uploads_create_session，然後執行python3 scripts/upload_parts.py session.json edited/edited.mp4，最後執行media_uploads_complete_session）。 - YouTube： 設定
title（主要搜尋詞在前，少於 70 個字元）、privacy，以及一個說明，開頭一行說明觀眾能得到什麼，接著是來自chapters.txt的章節。之後在 YouTube Studio 中上傳captions.srt（WoopSocial 無法傳送字幕檔）。 - 顯示貼文內容（檔案、標題、說明、帳號、時間含時區），並獲得明確同意。然後執行
posts_create和posts_get。
步驟 5：檢視結果
一週後，執行 social_account_posts_list：檢視觀看次數、按讚數、有回報的留言數，並附上收集日期；若無資料則表示「未回報」。留存率和平均觀看時長可在 YouTube Studio 中找到；請向使用者詢問。如果觀眾在早期就流失，下一次剪輯需要更緊湊的開頭；如果他們在某個章節流失，表示該段落太長了。
品質標準
專業剪輯師會交出這個結果嗎？如果出現字詞被截斷、剪輯點落在呼吸聲上導致爆音、放大效果每隔幾秒就變化、節奏快得讓人無法思考、或者意義被改變，就拒絕這個結果。
邊緣案例
- 兩人同時出現在鏡頭前： 保持
format為原始比例；放大效果在廣角鏡頭上仍然有效。 - 含旁白的螢幕錄影： 設定
"punch_in": 0。 - 背景音樂搭配人聲： 靜音偵測會將音樂視為聲音；請設定
"voiced_gaps": false。 - 非常長的錄音（超過一小時）： 仍然可以運作，但渲染時間約等同於影片長度；先規劃，再渲染一次。
- 故意有段時間沒有說話（例如產品示範）：使用
keep保留。
參考資料
references/editing-rules.md：閾值、填充詞、重拍模式、放大效果、音訊處理鏈、字幕和章節，附有來源。references/woopsocial.md：連接、上傳、發布和檢視結果。