Skip to content
OpenAgentSkill
Browsing is open · Catalog captured 2026-11-21 · Automatic updates and account services are paused.
Video & audio

Video Editing Skill

AI agent skill for automated video editing of talk/vlog videos with speech recognition, subtitle burning, and clip merging.

maxazure · AI review on file

Installation

Read the source and dependencies before running a command. Copying does not install or execute anything.

npx skills add maxazure/video-editing-skill

About this skill

Video Editing Skill — 视频剪辑技能

这是一个面向 口播、教程、访谈、播客切片、录屏演示 / facecam demo 的 AI 视频剪辑生产线:给它原始口播音频/视频、transcript、B-roll、摄像头小窗或素材目录,它可以把“还没整理的素材”推进到 可发布的小红书 / 抖音 / 视频号短视频。

它不是一个单点 FFmpeg 脚本,而是一条完整工作流:转写 → 长视频择段 → 清稿 → 去口头禅/停顿 → 重组故事 → 分镜 → B-roll/生图/生成视频规划 → 字幕与声音设计 → 渲染前预检 → 单次编码渲染 → 质检 → 多平台导出 → 标题文案 → 续跑交接。适配 小红书 / 抖音 / 微信视频号 的比例、节奏、字幕、文案和常见审核风险。

适合做什么

  • 把口播短视频从“素材堆”推进到“发布包”:转写、清稿、分镜、素材清单、渲染配置、字幕 sidecar、QA、标题正文和标签都能落成可审计 artifact。
  • 针对中文社媒口播做过生产化调参:Heavy CJK 字幕、1.25x 主输出、响度规范化、平台违禁词 lint、章节卡、贴纸、BGM/SFX cue、三平台导出都不是通用 demo。
  • 生成式素材有明确审批和台账:Codex image_gen / GPT Image 2 提示词、Dreamina/Veo/LTX/Wan/Sora 视频提示词、provider 决策、submit_id 轮询下载和本地落盘 gate 都先记录再执行。
  • 适合交给强推理模型做长流程代理执行:在 GPT-5.5 和 Claude Opus 4.8 这类面向复杂专业任务、agent 工作流的模型下,本 skill 对 口播类短视频 至少可以替代 80% 的常规视频剪辑工作。

这里的“80%”是按口播短视频生产来评估的:它已经覆盖素材整理、ASR、清稿、粗剪、字幕、B-roll/图像/生成视频规划、声音 cue、渲染前预检、渲染、质检、多平台导出和发布文案。剩下通常需要人工负责的是选题判断、最终审美取舍、品牌口吻、客户确认、复杂手工精修、调色混音和需要逐帧 keyframe 的高级特效。

项目现状与边界

做得比较完整的地方:

  • 定位清楚:口播、教程、访谈、录屏和长视频切短视频是高重复剪辑场景,脚本化收益高。
  • 流水线完整:从 transcript 到 publish gate 的 artifact 很全,失败点可复查,不依赖聊天上下文记忆。
  • 风险控制到位:内容合规、素材授权、隐私遮挡、生成任务审批、渲染 QA、pipeline manifest 都有阻塞门禁。
  • 本地优先:核心剪辑、渲染、质检不需要云端服务;外部生成任务只做规划、审批和台账。

需要用户知道的边界:

  • 不应包装成全类型剪辑替代品:电影感剪辑、MV、广告大片、复杂调色混音和精细动效仍需要专业人工。
  • AI 生成素材不等于自动可用:Dreamina/Veo/Sora 等结果必须经过下载、授权、视觉连续性和 QA 检查。
  • 平台规则不是法律意见:content_guard.py 能拦常见风险词,但最终发布仍要人审。
  • README 和 SKILL 偏长:功能很全,但新用户需要先走推荐入口,不适合从完整脚本文档硬读。

视频素材理解

当前版本已经加入可选的视频理解层:基础流程不依赖机器视觉模型,安装 ultralytics 后可以用 YOLO 对抽样帧做物体检测,并把结果整理成统一的 video_understanding.v1。

  • extract_keyframes.py 会抽关键帧和时序图,帮助 agent/用户快速看懂一段视频的视觉内容。
  • scene_boundaries.py 用 FFmpeg scene score 做视觉场景边界检测,供长视频拆条和 highlight snap 使用。
  • video_understanding.py 会按固定间隔和场景边界抽帧;--detector yolo 会运行 Ultralytics YOLO,输出 frames[]、detections[]、tracks[]、scene_tags[] 和 review