Video Editing 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](https://developers.openai.com/api/docs/models/gpt-5.5) 和 [Claude Opus 4.8](https://docs.anthropic.com/en/docs/about-claude/models) 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