Communitygithub.com

AutoCliper.AI

將任何長篇 YouTube 訪談、演講或播客轉換為高留存率的繁體中文短影片,適用於 Shorts/Reels/抖音/TikTok。

AutoCliper.AI 是什麼?

AutoCliper.AI 是一個 AI Agent 技能,旨在自動化將長篇 YouTube 影片(例如訪談、演講、播客)轉換為多個適合短影音平台(如 Shorts、Reels、抖音、TikTok)的繁體中文剪輯片段。此技能會執行一個明確的管道:從來源影片下載開始,接著解析字幕,然後進行多階段的分析以挑選出高留存率的剪輯候選片段,再將這些片段呈現給使用者審查,最後輸出附有嵌入式繁體中文硬字幕的影片。關鍵的智慧步驟在於其內容分析,它會對逐字稿進行四階段分析,根據鉤子吸引力、清晰度、獨立觀看性和回報價值來評分與排序候選片段。對於每個選定的片段,該技能會裁切影片、將字幕提取到剪輯時間範圍內、將其翻譯為繁體中文(遵循自然口語和簡潔格式的規則)、產生標題與描述,並將字幕嵌入影片。技能文件是專門為 Claude 等 AI Agent 設計的,提供了詳細的逐步指令、環境檢查、檔案系統互動以及模組參考,以確保自動化流程可靠且可重現。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add ZhanlinCui/AutoCliper.AI

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

AutoCliper.AI — Agent 技能

將一部長篇 YouTube 影片轉換為 5 到 15 個帶有繁體中文包裝和硬字幕的短剪輯。

本文件是任何執行 AutoCliper 管道的 AI Agent 的單一事實來源。請依序遵循每個編號步驟。不要跳過步驟。不要猜測檔案名稱 — 每次寫入操作後檢查檔案系統。


0. 前置檢查

在進行任何其他操作之前,請驗證環境。如果任何檢查失敗,請報告確切的阻礙因素並停止。

檢查項目指令通過條件
已安裝 yt-dlpwhich yt-dlp回傳路徑
已安裝 ffmpegwhich ffmpeg回傳路徑;若缺少,請嘗試 python3 -c "import imageio_ffmpeg; print(imageio_ffmpeg.get_ffmpeg_exe())"
Python 3.9+python3 --version大於等於 3.9
技能儲存庫可用檢查相對於技能根目錄是否存在 corekit/ 目錄存在 corekit/__init__.py

為後續所有指令設定環境變數:

export PYTHONPATH="<AutoCliper.AI-repo 的路徑>"

下面所有的 python3 -m corekit.* 指令都假設已設定此 PYTHONPATH。


1. 建立工作區

為此影片建立輸出目錄結構。從影片標題或 ID 衍生出 <slug> — 使用小寫、連字號、無空格、無特殊字元。

mkdir -p "studio/<slug>/intake"
mkdir -p "studio/<slug>/intel"
mkdir -p "studio/<slug>/exports"

預期結果:

studio/<slug>/
├── intake/       ← 原始影片與字幕存放於此
├── intel/        ← 分析產出檔案存放於此
└── exports/      ← 每個剪輯的資料夾存放於此

2. 取得來源素材

從 YouTube 下載影片和字幕:

python3 -m corekit.fetch_source "<YouTube_URL>" "studio/<slug>/intake"

內部運作方式:下載器會先嘗試英文字幕(en、en-US、en-orig),若無則改為嘗試中文(zh-Hans、zh-CN、zh)。它使用 --cookies-from-browser chrome 來進行已驗證的存取。

指令完成後,列出 intake 資料夾的內容並識別:

  1. .mp4 影片檔案(檔名中可能包含影片標題和 ID)
  2. .srt 字幕檔案(可能帶有語言標籤,如 .en.srt 或 .zh-Hans.srt)
  3. 任何附帶檔案(.ytdl、.jpg 等)— 記錄它們但不需要使用

如果下載失敗:

  • Cookie 錯誤 → 告訴使用者重新整理他們的 Chrome YouTube 登入狀態,然後重試
  • 找不到字幕 → 回報「此影片無可用字幕」並停止
  • 影片下載錯誤 → 使用不同格式重試一次;如果仍然失敗,請回報錯誤

記錄下一步驟的準確檔案名稱。不要猜測或硬編碼名稱。


3. 將字幕解析為 JSON

將 SRT 字幕檔案轉換為結構化 JSON,以便於分析:

python3 -m corekit.subtitle_to_json \
  "studio/<slug>/intake/<精確的-srt-檔名>" \
  "studio/<slug>/intel/transcript.json"

驗證輸出檔案存在且包含一個 cue 物件陣列。每個 cue 具有:

{
  "index": 1,
  "start": "00:00:01,234",
  "end": "00:00:03,456",
  "start_seconds": 1.234,
  "end_seconds": 3.456,
  "text": "說出的內容"
}

如果逐字稿為空或少於 10 個 cues,則回報「逐字稿太短或已損毀」並停止。


4. 分析逐字稿並提出候選片段

這是最重要的智慧步驟。在開始分析之前,請先閱讀以下檔案:

  1. playbooks/clip-contract.md — 定義了 selected_clips.json 的準確 JSON 結構
  2. playbooks/content-analysis-playbook.md — 定義了多階段分析方法、評分標準和審查格式

4a. 多階段分析

不要嘗試一次就選出剪輯。請依序進行以下階段:

Pass 1 — 瀏覽和標記:閱讀 transcript.json,尋找包含令人難忘、資訊密集、有觀點、反直覺或情緒尖銳的內容片段。廣泛標記 — 寧可標記太多也不要太少。

Pass 2 — 邊界精煉:對於每個標記的片段,重新閱讀周圍的 cues(前後 5–10 個 cues)。選擇一個乾淨的開始和結束:

  • 開始必須落在一個能在剪輯開始 3 秒內吸引觀眾的台詞上
  • 結束必須落在講者完成該想法之後 — 絕不能斷在句子中間
  • 如果有前景的時刻需要幾秒鐘的上下文,請將開始點往前延伸
  • 如果一個想法逐漸消失,請將結束點延伸到它解決為止

Pass 3 — 完整性檢查:對於每個候選片段,驗證:

  • 長度為 20–180 秒(若回報價值足夠,可延長至 3 分鐘)
  • 它只包含一個清晰的想法
  • 開場白是一個鉤子,而不是廢話
  • 結束語解決了這個想法
  • 在不觀看影片其他部分的情況下也能理解
  • 它不是問候語、贊助商介紹、問答開場白或冗長的離題內容

Pass 4 — 評分和排名:根據四個維度(1–5 分)對每個候選片段進行評分:

  • hook — 開頭 3 秒的吸引力有多強?
  • clarity — 是否為一個低歧義的清晰想法?
  • standalone — 它是否能在沒有前後文的情況下獨立存在?
  • payoff — 結尾是否有用、令人難忘或值得分享?

根據加權總分進行排名:hook × 0.35 + clarity × 0.25 + standalone × 0.2 + payoff × 0.2

4b. 候選片段數量指引

原始影片長度目標候選片段數
< 20 分鐘5 – 8
20 – 60 分鐘8 – 12
> 60 分鐘10 – 15

預設的失敗模式應該是「候選片段太少」,而不是「太多」。 如有疑問,請包含更多。使用者會進行刪減。

4c. 處理自動產生的(有雜訊的)字幕

YouTube 自動字幕通常包含:

  • 重複的片段(相同片語出現在連續的 cues 中)
  • 缺少標點符號和大寫
  • 聽錯的詞彙(特別是名字、技術術語)

當來源字幕是自動產生時:

  • 保守地推斷預期含義 — 不要憑空發明主張
  • 在判斷剪輯邊界時忽略重複的片段
  • 使用周圍的上下文來確定句子的實際結尾位置
  • 如果來源品質較低,請在候選摘要中註明

4d. 寫入輸出

寫入兩個檔案:

  1. studio/<slug>/intel/selected_clips.json — 機器可讀的剪輯決策。必須完全遵循 playbooks/clip-contract.md 中的結構。

  2. studio/<slug>/intel/candidate-board.md — 人類可讀的審查表格。


5. 呈現候選片段供使用者審查

以對審查友善的格式顯示候選清單。對於每個候選片段,顯示:

欄位格式範例
IDclip-XXclip-01
時間範圍HH:MM:SS → HH:MM:SS00:12:03 → 00:13:22
時長人類可讀1分19秒
標題一個挑動人心的中文標題,≤12 字AI终将取代一切?
摘要恰好兩句中文句1: 在讲什么。句2: 为什么值得看。

以編號表格呈現,以便使用者可以用 ID 回覆。

如果使用者說「繼續」或「自動挑選」:自行選擇排名最高的候選片段。對於一個 1 小時的影片,至少匯出 8 個。

如果使用者選擇了特定的 ID:只匯出那些。


6. 匯出每個選定的剪輯

對於 每個 使用者選擇(或您自動挑選)的剪輯,依序執行 6a 到 6f 步驟。在進入下一個剪輯之前,完成一個剪輯的所有子步驟。

6a. 裁切影片片段

python3 -m corekit.cut_video \
  "studio/<slug>/intake/<精確的-mp4-檔名>" \
  <開始時間秒數> <結束時間秒數> \
  "studio/<slug>/exports/<剪輯資料夾>/clip.mp4"

<剪輯資料夾> 的命名慣例是 XX-<標題-slug>,例如 01-ai-will-replace。

驗證輸出檔案存在且大小不為零。

6b. 提取視窗化來源字幕

python3 -m corekit.window_subtitles \
  "studio/<slug>/intake/<精確的-srt-檔名>" \
  <開始時間秒數> <結束時間秒數> \
  "studio/<slug>/exports/<剪輯資料夾>/clip.src.srt"

這只會提取與剪輯視窗重疊的 cue,並移動所有時間戳記,使剪輯從 00:00:00,000 開始。

驗證輸出 SRT 檔案至少有一個 cue。

6c. 翻譯為繁體中文字幕

讀取 clip.src.srt 並將其翻譯為繁體中文。將結果寫入同一資料夾中的 clip.zh.srt。

翻譯規則(嚴格遵循):

  1. 自然的口語中文 — 不是書面/正式的中文。觀看者正在觀看短影片,而不是閱讀文件。
  2. 精確保留時間戳記 — 除非為了可讀性而需要合併兩個 cue。切勿隨意改變時間。
  3. 準確保留命名實體 — 人名、公司名、產品名、數字和引用的片語必須忠實保留。
  4. 簡潔的台詞 — 偏好適合短影片節奏的簡短中文片語。過長的滾動字幕會毀掉留存率。
  5. 必要時在 cue 之間重新平衡 — 如果一個英文句子被分割在 3 個 cue 中,您可以將中文文字重新分配到相同的 3 個 cue 中。保留 cue 的順序。
  6. 不要合併 cues — 一個包含 40 個 cues 的密集英文 SRT 應產生大約 35–45 個中文 cues,而不是 10 個。預設的失敗模式是 cues 稍微太多,而不是太少。
  7. 只刪除真正的重複項 — 自動字幕通常會在連續的 cues 中重複相同的片段。您可以刪除重複項,但保留第一次出現的。
  8. 如果來源已經是中文 — 不要翻譯。只清理明顯的自動字幕雜訊(重複片段、損壞字元)。

6d. 產生標題和描述

為每個剪輯建立:

標題(用於前幾秒的覆蓋):

  • 尖銳、可點擊、有觀點
  • 目標 ≤ 12 個中文字元,以便在字體大小為 48 時能整齊地顯示在螢幕上
  • 可能具有挑釁性或逆向思維,但必須忠於講者的意思
  • 應創造好奇心、緊張感或繼續觀看的欲望

描述(用於平台發布):

  • ≤ 140 個中文字元
  • 必須提及:誰在說話、這是來自哪個節目/訪談、討論了什麼主題、關鍵主張或要點是什麼

將兩者寫入 studio/<slug>/exports/<剪輯資料夾>/metadata.txt:

标题:AI终将取代一切?
描述:Sam Altman 在 Lex Fridman 播客中谈到 AGI 的时间表——他认为大多数人严重低估了 AI 的发展速度,未来三年将改变一切。

6e. 將中文字幕 + 標題燒錄到影片中

python3 -m corekit.render_hardsubs \
  "studio/<slug>/exports/<剪輯資料夾>/clip.mp4" \
  "studio/<slug>/exports/<剪輯資料夾>/clip.zh.srt" \
  "studio/<slug>/exports/<剪輯資料夾>/clip.hardsub.mp4" \
  --title "<來自 6d 的標題>"

關鍵:傳遞中文 clip.zh.srt 檔案,而非 clip.src.srt。這是 Agent 最常見的錯誤 — 傳遞來源語言字幕而不是翻譯後的字幕。

燒錄步驟將:

  • 自動偵測 libass;如果不可用,則回退到 drawtext 渲染(您無需採取任何動作)
  • 自動為當前機器選擇最佳的 H.264 編碼器
  • 在第一秒內以字體大小 48 和 3px 黑色外框居中渲染標題
  • 在剪輯的其餘時間於畫面底部渲染字幕 cue

驗證輸出 clip.hardsub.mp4 存在且檔案大小大於 clip.mp4(濾波器鏈增加了視覺資料)。

6f. 附加到包裝文案

每個剪輯匯出後,將其標題和描述附加到組合包裝檔案中:

studio/<slug>/intel/packaging-copy.md

格式:

## clip-01: AI终将取代一切?

**标题**: AI终将取代一切?
**描述**: Sam Altman 在 Lex Fridman 播客中谈到 AGI 的时间表...
**文件**: studio/<slug>/exports/01-ai-will-replace/clip.hardsub.mp4
**时长**: 1分19秒

---

7. 最終輸出

在所有剪輯匯出後,回傳給使用者:

  1. 來源素材資料夾:studio/<slug>/intake/
  2. 候選清單:步驟 5 的完整表格(時間戳、時長、標題、摘要)
  3. 包裝檔案:studio/<slug>/intel/packaging-copy.md
  4. 匯出的剪輯:列出每個 clip.hardsub.mp4 的路徑

工作區佈局參考

studio/<video-slug>/
├── intake/                              # 來自 YouTube 的原始素材
│   ├── <title> [<id>].mp4              # 來源影片(來自 yt-dlp 的檔名)
│   └── <title> [<id>].<lang>.srt       # 來源字幕
├── intel/                               # 分析產出檔案
│   ├── transcript.json                  # 結構化字幕 cues(來自步驟 3)
│   ├── selected_clips.json              # 剪輯決策(來自步驟 4)
│   ├── candidate-board.md               # 審查表格(來自步驟 4)
│   └── packaging-copy.md                # 所有標題與描述(來自步驟 6f)
└── exports/                             # 每個匯出剪輯一個資料夾
    └── 01-<slug>/
        ├── clip.mp4                     # 原始裁切(無字幕)
        ├── clip.src.srt                 # 視窗化來源語言字幕
        ├── clip.zh.srt                  # 翻譯後的繁體中文字幕
        ├── clip.hardsub.mp4             # 最終交付物(已燒錄字幕+標題)
        └── metadata.txt                 # 此剪輯的標題與描述

模組參考

模組呼叫方式參數
corekit.fetch_sourcepython3 -m corekit.fetch_source <網址> <輸出目錄>YouTube 網址,輸出目錄
corekit.subtitle_to_jsonpython3 -m corekit.subtitle_to_json <輸入.srt> <輸出.json>SRT 檔案路徑,JSON 輸出路徑
corekit.cut_videopython3 -m corekit.cut_video <輸入.mp4> <開始秒數> <結束秒數> <輸出.mp4>來源影片,開始秒數(浮點數),結束秒數(浮點數),輸出路徑
corekit.window_subtitlespython3 -m corekit.window_subtitles <輸入.srt> <開始秒數> <結束秒數> <輸出.srt>來源 SRT,開始秒數(浮點數),結束秒數(浮點數),輸出路徑
corekit.render_hardsubspython3 -m corekit.render_hardsubs <輸入.mp4> <輸入.srt> <輸出.mp4> --title "..."剪輯影片,中文 SRT,輸出路徑,選擇性標題文字

相關技能