AGENT SKILL

AI剪口播

口播视频口误识别、审查稿和删除任务清单。需要语音转录时委派给 asr-router;本 skill 保留分析、审核、剪辑和字幕格式化流程。

License 许可
AGPL-3.0
最近更新
2026-11-13
Stars
★ 0
Forks
0

01 前言 Front Matter

name
AI剪口播
description
口播视频口误识别、审查稿和删除任务清单。需要语音转录时委派给 asr-router;本 skill 保留分析、审核、剪辑和字幕格式化流程。

02 资源文件 28

03 SKILL.md 正文

剪口播

ASR Router 转录 + AI 口误识别 + 网页审核 / 字幕格式化

模式

  • 模式 A: 剪口播 — 转录 → 口误识别 → 网页审核 → 剪辑
  • 模式 B: 转字幕 — 转录 → 格式化字幕文本(markdown,无时间戳)

输出目录结构

模式 A(剪口播):

output/YYYY-MM-DD_HH-MM_视频名/剪口播/
├── 1_转录/   audio.mp3 · asr-result.json · subtitles_words.json
├── 2_分析/   analysis.txt · sentence_map.json · speech_errors.json · auto_selected.json
└── 3_审核/   review.html · audio.mp3 · data.json · silence_periods.json
                <视频名>_cut.fcpxml   ← 网页点击「导出 FCPXML」后生成在此目录
                                       拖入剪映 / Final Cut Pro 完成最终剪辑

模式 B(转字幕):

output/YYYY-MM-DD_HH-MM_视频名/剪口播/
├── 1_转录/   audio.mp3 · asr-result.json · subtitles_words.json · raw_text.txt
└── 2_纠错/   corrected.txt · uncertain.md(可选)
视频所在目录/
└── subtitles_formatted.md   ← 最终输出

流程总览

-1. 首次引导(仅第一次:环境自检 + 配置 ASR Router)
0. 确认视频路径 + 选择模式
1-4. run_transcribe.sh(自动,两模式共用)

模式 A(剪口播):
  5.1 gen_analysis.js
  5.2 读规则.md + analysis.txt
  5.3 AI 判断整句口误 → speech_errors.json(只填 delete_sentences)
  5.4 auto_filler.js → 自动补充词级口癖 idx(快速预筛)
  5.5 AI 逐句扫剩余词级口癖(B2/B3/B4,脚本覆盖不到的部分)
  5.6 merge_selections.js
  6-7. 生成审核网页 + 启动服务器
  【等待用户确认】→ 网页点击「导出 FCPXML」→ 拖入剪映 / Final Cut Pro 完成剪辑
       (导出同时写 3_审核/review_log.json,供步骤 8 学习)
  8. 自进化学习(用户显式触发「已导出,学一下」)→ diff 抽规则 → 确认 → 写 经验规则.md

模式 B(转字幕):
  B-1 提取纯文本
  B-2 第一步:纠错(只改词,不断行)→ corrected.txt
  B-3 第二步:断行(只格式化,不改字)→ subtitles_formatted.md

执行步骤

路径约定(重要):本 skill 不绑定特定 agent,不要假设它装在 ~/.claude/skills/。 下面命令里的 SKILL_DIR 一律指本 skill 的安装目录(即你加载本 SKILL.md 的那个目录, 含 scripts/、用户习惯/)。执行前把它设成你实际加载 skill 的绝对路径即可:

SKILL_DIR="<本 skill 的安装目录>"   # 例:Claude Code 默认 ~/.claude/skills/AI剪口播

ASR 方法、凭证和资源选择统一由 Agent 调用 asr-router 管理。

步骤 -1: 首次引导(只在第一次跑)

目的:第一次使用时检查业务依赖与 ASR Router;通过后写标记文件。

闸门:先看标记文件是否存在(SKILL_DIR = 本 skill 安装目录,见上方「路径约定」)。

SKILL_DIR="<本 skill 的安装目录>"
[ -f "$SKILL_DIR/.setup_done" ] && echo "已配置,跳过引导" || echo "需要引导"
  • 存在 .setup_done → 直接进入步骤 0,不要跑自检、不要提引导。
  • 不存在 → 跑自检脚本(跨平台,Win/macOS/Linux 通用):
node "$SKILL_DIR/scripts/doctor.js"

doctor.js 只检查本 skill 的 ffmpeg 与 Node 业务依赖。ASR 可用性由 Agent 在调用 asr-router 时检查。全绿时写 .setup_done 并退出 0。

AI 按报告分情况引导用户(不要让用户自己看懂报告):

  1. 缺系统依赖 → 把报告里对应平台的安装命令复制给用户(脚本已按 Win/Mac 给好),让其装完。
  2. Router 报告供应商不可用 → 按 Router 选中的子方法文档配置。
  3. 用户修完 → 重跑对应检查,直到业务依赖与 Router 都可用。

全程不要替用户去控制台点按钮或粘贴他的私有 key 到别处;只给清晰可复制的命令和链接。

步骤 0: 确认视频路径 + 选择模式

收到视频路径后,先展示确认,格式:

? 视频:/path/to/视频.mp4
? 输出:~/Desktop/output/YYYY-MM-DD_HH-MM_视频名/剪口播/

请选择模式:
  [A] 剪口播 — 识别口误 → 网页审核 → 导出 FCPXML 给剪映 / FCP
  [B] 转字幕 — 转录 → 格式化字幕文本(markdown,无时间戳)

用户确认后再继续,不自动开始。

步骤 1-4: Router 转录 + 业务格式化

SKILL_DIR="<本 skill 的安装目录>"   # 见上方「路径约定」
VIDEO_PATH="/path/to/视频.mp4"
BASE_DIR="$HOME/Desktop/output/$(date +%Y-%m-%d_%H-%M)_$(basename "$VIDEO_PATH" | sed 's/\.[^.]*$//')/剪口播"

# 1. Agent 调用 asr-router:
#    source=$VIDEO_PATH, profile=word_timestamps,
#    privacy=local_only 或 allow_api, output_dir=<临时 Router 输出目录>
# 2. 将 Router normalized result 交给本 skill:
bash "$SKILL_DIR/scripts/run_transcribe.sh" "$VIDEO_PATH" "$BASE_DIR" \
  --asr-result <临时 Router 输出目录>/asr-result.json
# 输出: BASE_DIR/1_转录/{audio.mp3, asr-result.json, subtitles_words.json}

步骤 5: 生成分析文件 + 口误识别

5.1 生成分析文件

node "$SKILL_DIR/scripts/gen_analysis.js" \
  "$BASE_DIR/1_转录/subtitles_words.json" \
  "$BASE_DIR/2_分析"
# 输出: analysis.txt + sentence_map.json + auto_selected.json

5.2 读取规则 + 分析文件

读 用户习惯/规则.md、用户习惯/经验规则.md(自进化沉淀的个人偏好,见步骤 8)和 analysis.txt。 两份规则都要遵守;冲突时以更具体、更新的为准。

analysis.txt 格式(每行一句,序号: 文本):

0: 直接开始了啊
1: 这是深圳腾讯总部楼下
2: 就为了安装一只

5.3 AI 判断整句口误(只填 delete_sentences)

⚠️ 由你直接阅读 analysis.txt 并判断哪些整句是口误。 本步只填 delete_sentences,delete_idx 留空数组。词级口癖留到 5.4(脚本)+ 5.5(AI 补漏)。

按 规则.md 的 A 节(整句删除) 判断:重复重说、残句、句内卡顿、只含语气词的整句等。

输出格式(写入 $BASE_DIR/2_分析/speech_errors.json):

{
  "delete_sentences": [2, 3, 8, 10],
  "delete_idx": []
}

5.4 脚本自动识别词级口癖(无需 AI)

node "$SKILL_DIR/scripts/auto_filler.js" \
  "$BASE_DIR/2_分析/sentence_map.json" \
  "$BASE_DIR/1_转录/subtitles_words.json" \
  "$BASE_DIR/2_分析/speech_errors.json"

脚本会就地修改 speech_errors.json,把识别到的口癖 idx 合并进 delete_idx:

  • 任意位置:呃 / 嗯 / 额 / 诶 / 欸 / 唉 / 噢(已排除"额外/金额"等真词)
  • 任意位置的:然后(用户偏好:宁可手动加回)
  • 句首过渡词:然后 / 那么 / 好的 / 啊 / 哦 / 哎 / 呀 / 对 / 呢 / 那("那"会避开"那个/那么/那里"等)
  • 句尾废词:对 / 呢 / 啊 / 哦
  • 跳过已整句删除的句子;保护剩余字数 ≤3-4 的短句不被掏空

跑完后,用户已手工填的 idx 也会被保留(合并去重)。

5.5 AI 逐句扫剩余词级口癖(脚本覆盖不到的部分)

脚本只处理"无需上下文判断"的安全口癖。AI 在此扫 analysis.txt,找出脚本覆盖不到的:

  • B4 句中重说(优先级最高):前半段说错、后半段纠正 → 删前半段,保留后半段
  • B3 冗余引导短语:大家可以看到、你看、给大家看一下、比如说你看一下、我可以告诉你、你明白吗
  • B2 句中填充词(慎用,需明确判断为口癖才删):其实、就、也、大概、这个、那个、就是
  • B5 脚本未覆盖的句尾拖音

工作方式(避免 token 爆炸 + 过删):

  1. 顺序扫 analysis.txt,只标"明显有问题"的句子。没明显问题的句子直接跳过,不要为了"也许能再删一点"硬挑刺。
  2. 把候选句号攒成一批(建议 20-30 句一组),一次 gen_word_detail.js 调用拿到词级 idx。
  3. 把新增 idx 合并写回 speech_errors.json 的 delete_idx(与 5.4 结果取并集,不要覆盖)。
# 一次传多个句号,减少往返
node "$SKILL_DIR/scripts/gen_word_detail.js" \
  "$BASE_DIR/2_分析/sentence_map.json" \
  "$BASE_DIR/1_转录/subtitles_words.json" \
  5 8 12 24 25 44 ...

判断尺度:句子已经能读通就不要再动。剪口播的容错来自审核网页(用户能取消勾选),但误删比漏删难恢复——用户得手动取消勾选才能找回。所以漏删优于过删。

5.6 合并到 auto_selected(代码自动映射句号→idx)

node "$SKILL_DIR/scripts/merge_selections.js" \
  "$BASE_DIR/2_分析/sentence_map.json" \
  "$BASE_DIR/2_分析/speech_errors.json" \
  "$BASE_DIR/2_分析/auto_selected.json"

步骤 6-7: 生成审核数据并启动服务器

# 6. 生成 data.json + review.html(从 templates/review.html 复制)
#    前端模板在 scripts/templates/review.html,改样式直接改那里
node "$SKILL_DIR/scripts/generate_review.js" \
  "$BASE_DIR/1_转录/subtitles_words.json" \
  "$BASE_DIR/2_分析/auto_selected.json" \
  "$BASE_DIR/1_转录/audio.mp3" \
  "$BASE_DIR/3_审核"

# 7. 启动审核服务器
#    serve_review.sh 会自动选端口、在【一个独立的 OS 终端窗口】里前台运行服务器、
#    健康检查、打开浏览器;若环境禁止开新窗口,会打印一条手动命令兜底。
#    (不要再用 `&` / nohup 在 agent 后台挂服务——见下方「为什么」。)
bash "$SKILL_DIR/scripts/serve_review.sh" \
  "$BASE_DIR/3_审核" "$VIDEO_PATH" "$SKILL_DIR/scripts/review_server.js"

⚠️ 为什么必须用 serve_review.sh,不能直接后台 &/nohup 挂服务(重要,否则用户会「拒绝连接」): 审核网页要这个本地服务一直监听端口。但各 agent 对后台进程的处理不同:

  • Claude Code 有常驻进程管理器,会在整个会话期间替你保活后台进程 → 直接 & 也没事;
  • 某些 agent(如 Codex) 把每条命令放在临时子进程/沙箱里,命令一返回就回收整棵进程树 (连 nohup/disown 的子进程也杀)→ 端口失联,浏览器报「localhost 拒绝了连接请求」。

所以不要依赖 agent 替你保活。serve_review.sh 改在 OS 层另起一个真正的终端窗口前台运行 (macOS 写可双击的 .command 并 open;Linux/Windows 起对应终端),它由系统拥有、不随 agent 命令回收。脚本最后还会打印一条 bash "<3_审核>/启动审核服务.command" 的手动命令—— 万一连开窗口都被禁,让用户在自己的终端里跑这一条、保持窗口开着即可。

服务器启动时会把地址写进 3_审核/server_url.txt、进程号写进 .review_server.pid,方便排障。

用户在网页中:播放片段确认 → 勾选/取消 → 点击「导出 FCPXML」→ 生成的 *_cut.fcpxml 拖入剪映或 Final Cut Pro 完成最终剪辑。

导出时服务器同时写一份 3_审核/review_log.json(与 FCPXML 同一次点击产出):记录 AI 初选 idx、用户最终 idx、切割参数,以及二者词级 diff(带文字+句子上下文)。 这是步骤 8「自进化学习」的唯一原料,不读 .fcpxml(那是算完的时间线,丢失了词级选择)。

步骤 8: 自进化学习(用户显式触发)

不自动跑。 用户导出后,在任意会话说「<项目> 已导出,学一下」之类,才执行本步。 本步只读文件、不依赖对话上下文还在,所以冷会话也能跑。

  1. 定位日志:单个项目读 <project>/剪口播/3_审核/review_log.json; 批量重学则 glob ~/Desktop/output/*/剪口播/3_审核/review_log.json,逐个汇总。 (日志只存在项目里,清理 output 会丢语料。)
  2. 读现有规则:先读 用户习惯/经验规则.md 全文 + 用户习惯/规则.md,避免重复提已有规则。
  3. 看 diff 抽规则:对每条 diff.aiOnly(AI 想删你留回,可能过删)和 diff.userOnly (你删了 AI 没想到,可能漏删),对比「AI 为何这么剪 vs 你为何这么剪」, 抽象出能泛化到下一条视频的通用偏好。严禁把单条口误/语境例外固化成规则。
  4. 违例提醒:若 diff 显示用户违反了某条已有规则,逐条提醒用户,让其判断 是「正当例外(规则不动)」还是「该改松/加例外条件」。
  5. 列给用户确认:把候选的【新增 / 细化已有 / 合并重复 / 改某条】列出来,等用户确认。
  6. 写入:确认后才改 用户习惯/经验规则.md,每条带出处标签 (学于 <视频名> YYYY-MM-DD;已确认)。 下次步骤 5.2 即生效。

模式 B: 转字幕

步骤 1-4 完成后,如果用户选了模式 B,执行以下步骤。 两步拆分:先纠错,再断行。两步必须分开进行,不要混为一步。

B-1 提取纯文本(脚本执行)

node "$SKILL_DIR/scripts/extract_text.js" \
  "$BASE_DIR/1_转录/subtitles_words.json" \
  "$BASE_DIR/1_转录"
# 输出: $BASE_DIR/1_转录/raw_text.txt

B-2 第一步:纠错(AI 处理)

  1. 读取 $BASE_DIR/1_转录/raw_text.txt
  2. 读取 $SKILL_DIR/用户习惯/纠错prompt.md 规则
  3. 只做纠错,不断行、不去标点、不改格式
  4. 输出到 $BASE_DIR/2_纠错/corrected.txt(每行一句,与输入 1:1 对应)
  5. 如有「不确定清单」,输出到 $BASE_DIR/2_纠错/uncertain.md 并在对话中列出给用户

B-3 第二步:断行(AI 处理)

  1. 读取 $BASE_DIR/2_纠错/corrected.txt
  2. 读取 $SKILL_DIR/用户习惯/断行prompt.md 规则
  3. 只做格式化,不改字、不删字、不加字
  4. 输出到视频所在目录:$(dirname "$VIDEO_PATH")/subtitles_formatted.md
  5. 告知用户文件路径,流程结束

ASR 委派

所有模型顺序、API 标注、凭证、资源 ID、请求方法和 fallback 规则都以 asr-router 为唯一来源。本 skill 不锁定 provider,也不执行任何 ASR adapter;只消费 Router 的 asr-result.json 与字级时间戳。

04 同仓库更多 Skills

endman100
endman100/skill-router-nexus

blender-web-3d

Work with Blender from Claude — headless CLI or the Blender MCP — to build, modify, render, and publish any 3D model as a stunning, fast Three.js/Next.js web experience (gltf-transform meshopt/KTX2, AgX colour pipeline, custom GLSL shaders and material patches, procedural sky/planet, bloom, adaptive quality, runtime batching, baked lightmaps, Vercel deploy). Use whenever the user wants to create, improve, fix, render, or iterate on a Blender model or scene — "improve the model", "make it look stunning", "render this", "make a 3D web demo", "export to GLB", "use blender", "looks wrong in the browser", "optimize the 3D scene", "add shaders", "it's slow", or screenshot-driven feedback on a 3D asset. Also for debugging a Three.js viewer that renders black, glows wrong, or loses/detaches parts, and for choosing Blender MCP vs headless CLI. Ships a runnable demo model and viewer template.

★ 0
endman100
endman100/skill-router-nexus

guizang-ppt-skill

生成横向翻页网页 PPT(单 HTML 文件),含 WebGL 背景、章节幕封、数据大字报、图片网格等模板。提供两种风格:① "电子杂志 × 电子墨水"(衬线 + 流体背景 + 暖色) ② "瑞士国际主义"(无衬线 + 网格点阵 + IKB/柠檬黄/柠檬绿/安全橙高亮)。当用户需要制作分享 / 演讲 / 发布会风格的网页 PPT,或提到"杂志风 PPT"、"瑞士风 PPT"、"Swiss Style"、"horizontal swipe deck"时使用。

图像与多媒体Skill与智能体开发
★ 0
endman100
endman100/skill-router-nexus

youtube-clipper

YouTube 视频智能剪辑工具。下载视频和字幕,AI 分析生成精细章节(几分钟级别), 用户选择片段后自动剪辑、翻译字幕为中英双语、烧录字幕到视频,并生成总结文案。 使用场景:当用户需要剪辑 YouTube 视频、生成短视频片段、制作双语字幕版本时。 关键词:视频剪辑、YouTube、字幕翻译、双语字幕、视频下载、clip video

★ 0
endman100
endman100/skill-router-nexus

slack-gif-creator

Toolkit for creating animated GIFs optimized for Slack, with validators for size constraints and composable animation primitives. This skill applies when users request animated GIFs or emoji animations for Slack from descriptions like "make me a GIF for Slack of X doing Y".

邮件与沟通图像与多媒体
★ 0
endman100
endman100/skill-router-nexus

create-master

基于佛教经典文献,生成特定高僧大德的 AI 教学角色

教师与教育
★ 0
endman100
endman100/skill-router-nexus

writing-dna-skill

从至少 20 篇完整文章中蒸馏可复用的写作 DNA,分析语言、文章结构、选题逻辑、素材策略、认知框架和视觉风格,并生成 Writing-DNA.md;按该 DNA 写作时会读取全部蒸馏产物和 5 篇相关原文。用于中英文作者、账号、品牌或出版物的风格分析与一致性写作。 Distill reusable Writing DNA from at least 20 complete articles for Chinese or English authors, publications, brands, and accounts; use for language, structure, topic logic, source strategy, cognitive-frame, and visual-style analysis.

内容创作者写作与文案Skill与智能体开发
★ 0