用 Claude Code Skills 构建的视频剪辑 Agent，专为口播视频设计
剪映的"智能剪口播"有两个痛点：
- 无法理解语义：重复说的句子、说错后纠正的内容，它识别不出来
- 字幕质量差：专业术语（Claude Code、MCP、API）经常识别错误
这个 Agent 用 Claude 的语义理解能力解决第一个问题，用自定义词典解决第二个问题。
输入：19 分钟口播原片（各种口误、卡顿、重复）
输出：
- 自动识别 608 处问题（静音 114 + 口误/重复 494）
- 剪辑后视频 72MB
- 全程 AI 辅助，人工只需确认
| 功能 | 说明 | 对比剪映 |
|---|---|---|
| 语义理解 | AI 逐句分析，识别重说/纠正/卡顿 | 只能模式匹配 |
| 静音检测 | >0.3s 自动标记，可调阈值 | 固定阈值 |
| 重复句检测 | 相邻句开头≥5字相同 → 删前保后 | 无此功能 |
| 句内重复 | "好我们接下来好我们接下来做" → 删重复部分 | 无此功能 |
| 词典纠错 | 自定义专业术语词典 | 无此功能 |
| 自更新 | 记住你的偏好，越用越准 | 无此功能 |
# 克隆到 Claude Code skills 目录
git clone https://github.com/Ceeon/videocut-skills.git ~/.claude/skills/videocutcd ~/.claude/skills/videocut
cp .env.example .env
# 编辑 .env，填入火山引擎 API Key打开 Claude Code，输入：
/videocut:安装
AI 会自动：
- 检查 Python、FFmpeg、Node.js
- 安装 FunASR（口误识别模型，约 2GB）
- 安装 Whisper large-v3（字幕模型，约 3GB）
┌─────────────────────────────────────────────────────────┐
│ /videocut:安装 → 首次使用，安装环境和模型 │
└─────────────────────────────────────────────────────────┘
↓
┌─────────────────────────────────────────────────────────┐
│ /videocut:剪口播 视频.mp4 │
│ │
│ 1. 提取音频 → 上传云端 │
│ 2. 火山引擎转录 → 字级别时间戳 │
│ 3. AI 审核：静音/口误/重复/语气词 │
│ 4. 生成审核网页 → 浏览器打开 │
└─────────────────────────────────────────────────────────┘
↓
┌─────────────────────────────────────────────────────────┐
│ 【人工审核 + 执行剪辑】 │
│ │
│ - 单击跳转播放 │
│ - 双击选中/取消 │
│ - Shift 拖动多选 │
│ - 确认后点击「执行剪辑」→ 自动 FFmpeg 剪辑 │
└─────────────────────────────────────────────────────────┘
↓
┌─────────────────────────────────────────────────────────┐
│ /videocut:字幕 │
│ │
│ - Whisper 转录 │
│ - 词典纠错（Claude Code → claude code） │
│ - 人工确认 → 烧录字幕 │
└─────────────────────────────────────────────────────────┘
↓
┌─────────────────────────────────────────────────────────┐
│ /videocut:自更新 （可选） │
│ │
│ 告诉 AI 你的偏好，它会记住： │
│ - "静音阈值改成 1 秒" │
│ - "保留适量嗯作为过渡" │
└─────────────────────────────────────────────────────────┘
| Skill | 功能 | 输入 | 输出 |
|---|---|---|---|
安装 |
环境准备 | 无 | 安装日志 |
剪口播 |
转录 + AI 审核 + 剪辑 | 视频文件 | 剪辑后视频 |
字幕 |
生成字幕 | 视频文件 | 带字幕视频 |
自更新 |
记录偏好 | 用户反馈 | 更新规则文件 |
videocut/
├── README.md # 本文件
├── .env.example # API Key 模板
├── 安装/ # 环境安装 skill
├── 剪口播/ # 核心：转录 + AI 审核 + 剪辑
│ ├── SKILL.md # 流程说明
│ ├── *.js # 脚本（生成字幕、审核页面、服务器）
│ ├── *.sh # 脚本（转录、剪辑）
│ └── 用户习惯/ # 审核规则（可自定义）
│ ├── 1-核心原则.md # 删前保后
│ ├── 2-语气词检测.md # 嗯啊呃
│ ├── 3-静音段处理.md # >0.3s 删除
│ ├── 4-重复句检测.md # 相邻句开头相同
│ ├── 5-卡顿词.md # 那个那个、就是就是
│ ├── 6-句内重复检测.md # A+中间+A 模式
│ ├── 7-连续语气词.md # 嗯啊、啊呃
│ └── 8-重说纠正.md # 部分重复、否定纠正
├── 字幕/ # 字幕生成与烧录
│ └── 词典.txt # 自定义词典
└── 自更新/ # 自我进化机制
┌──────────────────┐ ┌──────────────────┐
│ 火山引擎 ASR │────▶│ 字级别时间戳 │
│ （云端转录） │ │ subtitles.json │
└──────────────────┘ └────────┬─────────┘
│
▼
┌──────────────────┐ ┌──────────────────┐
│ Claude Code │────▶│ AI 审核结果 │
│ （语义分析） │ │ auto_selected │
└──────────────────┘ └────────┬─────────┘
│
▼
┌──────────────────┐ ┌──────────────────┐
│ 审核网页 │────▶│ 最终删除列表 │
│ （人工确认） │ │ delete_segments │
└──────────────────┘ └────────┬─────────┘
│
▼
┌──────────────────┐ ┌──────────────────┐
│ FFmpeg │────▶│ 剪辑后视频 │
│ filter_complex │ │ xxx_cut.mp4 │
└──────────────────┘ └──────────────────┘
| 依赖 | 用途 | 安装方式 |
|---|---|---|
| Node.js 18+ | 运行脚本 | brew install node |
| FFmpeg | 音视频处理 | brew install ffmpeg |
| Python 3.8+ | 模型运行 | 系统自带 |
| 火山引擎 API | 语音转录 | 申请 Key |
上传音频到 uguu.se（脚本默认），不要用 catbox.moe（火山引擎访问慢）。
检查端口 8899 是否被占用：lsof -i :8899
使用 filter_complex + trim 而非 concat demuxer，脚本已处理。
编辑 字幕/词典.txt，每行一个词：
Claude Code
MCP
API
MIT