中文口播智能粗剪

View saved version →

---
name: rough-cut
description: 剪辑中文单人或轻对谈口播视频：通过词级时间轴清理前摇、口误、NG、多 take、重复、语气词和场外插话，复查逻辑后精确渲染 MP4；还可添加通用字幕、主题与身份包装、花字、推近、故事暗角、引语滤镜、BGM、定点音效和剪辑报告。用户要求口播粗剪、去废话、字幕包装或完整后期时使用。
---

# 口播粗剪流程（timeline.md 改文字机制）

按顺序执行。真值有两份：`segments.json`（词级时间，机器读）＋`timeline.md`（转写稿，
④在上面剪）。只有第④步动脑，其余调脚本。目标不是只抠几个口水词，而是删干净前摇、
收工、作废 take、过程话、真重复和不回收的跑题，同时守住连接骨架和原意。

## 运行约定

把本文件所在目录记为 `SKILL_DIR`，把任务产物目录记为 `OUT`。实际命令必须使用 Skill
目录中的脚本，不依赖当前工作目录：

- Windows：`PYTHON=<venv>\Scripts\python.exe`；首次使用先读
  `references/windows_setup.md`，按其中命令运行 `scripts\bootstrap_windows.ps1`。
- macOS/Linux：`PYTHON=<venv>/bin/python`；首次使用先读 `references/runtime.md`。

开始前运行：

```text
<PYTHON> <SKILL_DIR>/scripts/doctor.py --config <CONFIG>
<PYTHON> <SKILL_DIR>/scripts/probe.py --help
```

自动转写前还必须读 `references/volc_asr_setup.md`。如果检测到用户尚未配置火山，立即
进入该文档的“Agent 首次配置带领方式”，把它当作交互式开户向导执行，不得只列字段后让
用户自行研究：

1. 先用生活化语言说明为什么需要豆包语音和临时 TOS，不先抛出 `resource_id`、AK/SK、
   Endpoint 等实现术语。
2. 一次只布置一个明确动作，并等用户完成或发截图后再讲下一步：注册/实名 → 开通录音
   识别 → 取得语音鉴权 → 创建私有桶 → 取得 TOS 密钥 → 本地填写 → 体检。
3. 每一步说明“打开哪里、点什么、完成后应看到什么、如何回复”；界面不同时让用户发不含
   密钥的截图，Agent根据截图继续指路。
4. 在用户取得所需服务和凭证之前，不让用户打开 `config.json`，也不发送整张工程字段表。
5. 首次阻塞回复优先解决开户，不用大段硬件、编码器和内部流水线状态淹没用户。

安装者只能使用自己的火山 ASR 和 TOS 配置；不得搜索、复制、输出或复用他人的
`config.json`，也不得让用户把密钥粘贴到聊天中。任务已有合格词级转写并明确跳过转写
时，环境检查可加 `--allow-no-asr`。

## 硬性规则

1. 原片只读；所有中间文件和成片写入 `OUT`，绝不覆盖原片。
2. 音视频处理只调用 `scripts/` 中的现成脚本；不得临时拼 FFmpeg 或音频命令。
3. 删减只在 `timeline.md` 上裁决，不手猜毫秒时间码。
4. 删除完整语义块；句内划删必须逐词兑现，不能留下半句或切断字尾。
5. 拿不准就保留，并在行尾标 `%待确认：理由%`。
6. 渲染前必须完成剪后逐字稿通读；渲染后必须抽听所有删除接口。
7. 带货和引流内容必须执行合规检查；合规要求优先于 keep-biased。
8. 脚本失败就停止并说明失败步骤和错误，不反复破坏性重试。
9. **病句不等于无效内容。** 主讲人句子即使有口误、ASR 错字或量词重复，只要包含独有的
   方法、步骤、人物身份、数字、例子、因果或承接信息，就必须优先局部划删并保留信息骨架；
   不得因为删后“大意还能接上”而整句删除。
10. 自动转写会把抽取音频临时上传到用户自己的 TOS，并交由火山语音识别处理，可能产生
    存储、流量和识别费用。每个任务首次上传前说明数据流、尽力删除但可能需要人工清理的
    边界，并取得用户确认；用户提供合格词级转写时优先使用本地流程。

## 主流程

主交付是 `preview.mp4` 和 `剪辑报告.md`。字幕、包装、音效和剪映草稿属于可选交付。

### 1. 探测原片并抽音频

```text
<PYTHON> <SKILL_DIR>/scripts/probe.py <VIDEO> --out <OUT>
```

确认生成 `meta.json` 和 16kHz 单声道 `audio.wav`。

### 2. 生成词级转写

```text
<PYTHON> <SKILL_DIR>/scripts/transcribe_pipeline.py <OUT>/audio.wav \
  --out <OUT> --config <CONFIG>
```

该脚本负责上传到用户自己的 TOS、调用火山 ASR、写入 `transcript.json`，并在成功或失败
后尝试删除临时对象。必须取得逐句文字和词级时间戳；缺失时停止。

### 3. 生成文字剪辑稿

```text
<PYTHON> <SKILL_DIR>/scripts/build_timeline.py <OUT>/transcript.json --out <OUT>
```

确认生成 `segments.json`（机器时间真值）和 `timeline.md`（内容裁决稿）。

### 4. 编辑 `timeline.md`

编辑语法：

- 删词：`[s5] 这一句~~呢~~话`
- 删句：删除整行
- 重排：移动整行
- 编导或非主讲人：删除整行或加 `@编导`
- 存疑：行尾加 `%待确认：理由%` 并保留

开始裁决前必须读取 `timeline.md` 和：

- `references/koubo_logic.md`：通用口播结构、说话意图、NG 与场外提示信号；
- `references/editing_rules.md`：删留、承接、重复和连接骨架；
- `references/filler_rules.md`：语气词和口水词；
- 引流、卖课、卖货、导直播间时额外读 `references/conversion_video_patterns.md`。

**按四关做，不得跳步：**

1. **说话人过滤**
   - 先判断是单人口播还是与编导/嘉宾对谈。
   - 编导的“对对、是是是、叫什么”本身默认不进成片，但删除前必须先读懂它携带的剪辑
     信号。
   - “重来一遍、最后一句再来、这条不行、最好也不行”表示前面的 take 已作废；必须回头
     删除作废版、保留后面的干净重录版，不能只删编导提示却把作废内容留下。

2. **找真正话头和话尾**
   - 真话头应当是设问、观点、现象钩子或金句前置；它之前的试麦、对词、暖场和找状态
     全部删除。
   - 找到最后一句能完整收束主题的话；它之后的“好了吧、这条过了、就这样”和继续闲聊
     全部删除。
   - 前摇和收工常占原片 20%～35%，不能只删几个语气词就算完成。

3. **归纳主线**
   - 在裁决跑题前，先写出一句话主题和从话头到话尾的要点链。
   - 某段只有推进主题、提供新论据、举例或完成回收时才保留。
   - 同一意思换说法原地打转、偏离后不回收、只服务录制现场而不服务观众的内容删除。
   - 判断“重复”前先做**信息增量检查**：分别列出相邻句中的方法、步骤、限定条件、人物
     身份、数据、例子、因果和承接作用。只有后一句完整覆盖前一句的全部有效信息，才允许
     整句选优删除；“怎么找到人 → 找到后怎么聊”这类相邻步骤不是重复。
   - 不得设定目标时长、目标删减比例或“合格压缩区间”，也不得根据历史成片比例倒推还
     要删多少。有效论证、必要背景、让观点成立的例子和连接骨架必须优先保留；删减比例
     只能在裁决完成后作为描述性统计。

4. **逐句清理**
   - 对 `timeline.md` 的**每一句**都逐项检查，不能只处理大块废段：
     - NG、多 take、说错重说：选信息完整、声音干净、表达自然的一条，其余整句删除；
     - 被“不对、等下、我重说、又讲偏了”推翻的内容：删被推翻版本，留纠正后的版本；
       作废范围只覆盖信号直接指向的未完成句或当前 take，不得向前扩大删除已经完整成立的
       方法、人物身份、案例背景或承接句。
     - 跑题：先确认后文没有回收；确实不回收才删除；
     - 主讲人的过程话和盘算话：如“想想啊、这么讲、对啊是是是、开头就用那个、接下来
       讲什么”，一律删除；
     - 同义两句：留更完整、更干净、更能独立成句的一条；夹着编导声或重叠声的版本优先
       删除；
     - 句内语气词、磕巴、假起头和机械重复：用 `~~ ~~` 逐词清理，不得只在文字上改写
       却让错误原声留在成片。
   - 删除前必须读前后 2～3 句，判断她此刻是在“讲给观众”还是“

Preview of the first 4,000 characters. Read full instructions →

Referenced files: 52 — file references are metadata, not package contents.