剪口播

转录 + 口误/静音识别 → 生成审查稿

快速使用

code

用户: 帮我剪这个口播视频
用户: 处理一下这个视频

流程

code

1. 转录视频（本地 FunASR）
    ↓
2. 识别口误（逐句检查）
    ↓
3. 识别微口误（VAD 检测短片段）
    ↓
4. 识别语气词（嗯/哎/诶 等）
    ↓
5. 识别静音（≥1s）
    ↓
6. 生成审查稿（时间戳驱动）
    ↓
7. 输出删除任务 TodoList
    ↓
【等待用户确认】→ 用户确认后，执行 /videocut:剪辑

进度 TodoList

启动时创建：

code

- [ ] 转录视频（本地 FunASR）
- [ ] 读取「口误识别方法论」→ 识别口误
- [ ] 扫描语气词（嗯/哎/诶 等）
- [ ] 识别静音（≥1s）
- [ ] 生成审查稿
- [ ] 输出删除任务清单

⚠️ 必须先读方法论再执行

阶段	先读	再执行
转录	`tips/转录最佳实践.md`	调用转录模块
识别口误	`tips/口误识别方法论.md`	逐句分析

转录命令

bash

cd /path/to/videocut-skills/剪口播/scripts

# 转录视频
python transcribe_local.py video.mp4

# 指定输出路径
python transcribe_local.py video.mp4 --output=transcript.json

⚠️ 脚本位置规则

所有分析脚本必须放在 剪口播/scripts/ 文件夹中：

•transcribe_local.py - 转录脚本
•analyze_transcript.py - 分析脚本（语气词、静音检测）
•禁止在视频临时文件夹（如 DEMO/）创建脚本

原因：保持项目结构清晰，便于复用和维护

输出格式

json

{
  "input_file": "video.mp4",
  "mode": "local",
  "full_text": "完整转录文本...",
  "duration_s": 217.97,
  "chars": [
    { "char": "大", "start": 0.88, "end": 1.12 },
    { "char": "家", "start": 1.12, "end": 1.36 },
    ...
  ]
}

核心：时间戳驱动

删除任务格式

每项必须标注精确时间戳 (start-end)：

code

口误（N处）：
- [ ] 1. `(start-end)` 删"错误文本" → 保留"正确文本"

语气词（N处）：
- [ ] 1. `(前字end-后字start)` 删"嗯" 上下文: XX【嗯】YY

静音（N处）：
- [ ] 1. `(start-end)` 静音Xs

口误类型

类型	示例	删除策略
重复型	`拉满新拉满`	只删差异（"新"）
替换型	`AI就是AI就会`	删第一个完整版本（"AI就是"）
卡顿型	`听会会`	删第一个重复字

⚠️ 关键规则

•时间戳驱动：审查稿直接标注时间戳，剪辑不再搜索文本
•逐token分析：对于"删前面保后面"的口误，必须逐token查时间戳
•检查时间跨度：如果口误时间跨度 > 2秒，必有静音，需拆分

输出文件

code

01-xxx-v1_transcript.json  # 转录结果（含时间戳）
01-xxx-v1_审查稿.md        # 口误审查稿

展示要求

生成审查稿后，必须展示给用户：

•写入文件 01-xxx-v1_审查稿.md
•读取并展示内容
•等待用户确认要删除哪些项目

方法论

详见 tips/口误识别方法论.md：

•口误识别方法（逐句检查）
•"删前面保后面"的精确处理
•时间戳对齐规则

详见 tips/转录最佳实践.md：

•转录参数配置
•常见问题解决