ai-video-editing

用于 AI 口播初剪、自动剪辑、去气口、去重复、视频转字幕、按口播稿对稿。支持语义级重复判断、剪后重新转字幕并与口播稿复核,还会标出大段 NG / 试讲 / 临场发挥候选段供用户确认。支持中文和英文,默认按电脑语言自动切换,也可手动指定。中文触发词包括 AI剪辑、自动剪辑、初剪、口播初剪、去气口、视频转字幕、对稿;英文触发词包括 AI video editing、auto edit this vi

SKILL.md

GitHub

AI Video Editing

用于口播视频的自动初剪、字幕提取、剪后复核。

推荐模型 / Recommended Model

  • 推荐优先使用 GPT5.4
  • 原因:
    • 更适合处理长上下文里的口播稿比对
    • 对重复表达、重说、NG 候选的语义判断更稳
    • 更适合在“少看画面、多看文本和字幕”的工作流里节省 token
  • 如果运行环境不支持 GPT5.4,再退回当前环境的强推理模型

语言切换 / Language Mode

  • 默认按电脑语言环境切换:
    • LANG / LC_ALL 以 zh 开头时,用中文提示和报告文案
    • 其他情况默认用英文
  • 如需手动覆盖,运行入口时可加:
    • --ui-locale zh
    • --ui-locale en
  • 技能对用户说话时,也优先跟随当前系统语言;如果当前会话已有明确语言要求,以会话要求为准。

开始前先问

如果用户还没提供完整信息,先用一句话补齐这些点:

  1. 有没有口播稿? 如果有,要求用户提供文本、txt/md/docx 路径,或直接粘贴内容。

  2. 气口剪辑强度选哪种? 只给两个选项:

  • 一般
  • 多点
  1. 如果用户已经明确希望处理大段试讲 / NG / 临场发挥,也记录下来。 如果用户没提,就先按正常初剪执行;若报告里出现 large_ng_candidates,再回头问用户是否一并剪掉。

默认映射:

  • 一般 -> normal
  • 多点 -> more

中英文唤醒词 / Trigger Phrases

中文常见说法:

  • AI剪辑
  • 自动剪辑
  • 初剪
  • 口播初剪
  • 去气口
  • 剪掉重复
  • 视频转字幕
  • 对稿
  • 按口播稿剪辑
  • 帮我粗剪这个口播视频

English common prompts:

  • AI video editing
  • auto edit this video
  • video edit
  • rough cut
  • rough cut this talking-head video
  • remove repeated takes
  • trim pauses
  • turn this video into subtitles
  • compare the video against the script
  • edit this video using the script

工作流

  1. 确认输入视频路径。
  2. 如果提供了口播稿,先提取文本:
    • python "$(dirname "$0")/scripts/extract_script_text.py" "<script_path>"
  3. 运行统一入口:
    • bash "$(dirname "$0")/scripts/run_ai_video_edit.sh" "<video_path>" --intensity normal
    • 或
    • bash "$(dirname "$0")/scripts/run_ai_video_edit.sh" "<video_path>" --intensity more --script "<script_path>"
    • 如需强制英文: bash "$(dirname "$0")/scripts/run_ai_video_edit.sh" "<video_path>" --script "<script_path>" --intensity normal --ui-locale en
  4. 检查输出:
    • <video>.raw.txt:原始转写
    • <video>.txt:校对稿
    • <video>.raw.srt:原始字幕
    • <video>.roughcut.mp4:初剪视频
    • <video>.roughcut.raw.txt:初剪后重新转写
    • <video>.roughcut.txt:初剪后校对稿
    • <video>.roughcut.srt:初剪后字幕
    • <video>.roughcut.json:剪辑报告
  5. 如果用户提供了口播稿,再根据 roughcut.json + roughcut.txt + 口播稿 做一次复核:
    • 主线内容是否一致
    • 剪后字幕和稿子是否对得上
    • 是否还残留明显重复
    • 是否误删关键句
    • 如果 script_missing_blocks_after 有明显缺口,要直接告诉用户哪些段落疑似没讲到或被误剪
  6. 如果 large_ng_candidates 不为空:
    • 不要直接假定一定删
    • 先把候选时间段和原因告诉用户
    • 问用户这些大段是否要一起剪掉

首次运行依赖 / First-run Dependencies

  • 会自动创建本地 .venv
  • 会自动安装 faster-whisper
  • 不会自动安装系统级 ffmpeg / ffprobe
  • 如果检测到缺少 ffmpeg / ffprobe,脚本会直接提示用户安装
  • 当前内置提示覆盖:
    • macOS:提示使用 brew install ffmpeg
    • Windows:提示使用 winget install Gyan.FFmpeg 或 choco install ffmpeg

也就是说,这个技能现在的首次使用体验是:

  • Python 依赖会尽量自动处理
  • 系统级视频工具会检查并提示,不会静默失败

剪辑规则

  • 默认用于口播、讲解、解说、短视频出镜素材。
  • 重复表达优先保留后一句。
  • 相邻两段如果语义高度接近,优先判断为重说,默认保留更贴近口播稿的后一句。
  • 一般:轻压气口,尽量保留自然感。
  • 多点:更积极压缩停顿,节奏更短视频化。
  • 有口播稿时,把稿子作为复核依据,不要为了追求更短而删掉稿子主干。
  • 没有口播稿时,按重复、停顿、重说、短窗口相似度来判断。
  • 初剪完成后,必须重新对初剪视频转字幕,不要拿剪前字幕代替剪后字幕。
  • 永远不改原视频,只输出新文件。

何时不要直接硬剪

  • 用户明确要求保留自然气口。
  • 素材是访谈、多人物对话、剧情表演,不是单人口播。
  • 稿子和视频明显不一致。

遇到这些情况时,先说明风险,再决定是否继续。