剪口播 v2

火山引擎转录 + AI 口误识别 + 网页审核

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

输出目录结构

code

output/
└── YYYY-MM-DD_视频名/
    ├── 剪口播/
    │   ├── 1_转录/
    │   │   ├── audio.mp3
    │   │   ├── volcengine_result.json
    │   │   └── subtitles_words.json
    │   ├── 2_分析/
    │   │   ├── readable.txt
    │   │   ├── auto_selected.json
    │   │   └── 口误分析.md
    │   └── 3_审核/
    │       └── review.html
    └── 字幕/
        └── ...

规则：已有文件夹则复用，否则新建。

流程

code

0. 创建输出目录
    ↓
1. 提取音频 (ffmpeg)
    ↓
2. 上传获取公网 URL (uguu.se)
    ↓
3. 火山引擎 API 转录
    ↓
4. 生成字级别字幕 (subtitles_words.json)
    ↓
5. AI 分析口误/静音，生成预选列表 (auto_selected.json)
    ↓
6. 生成审核网页 (review.html)
    ↓
7. 启动审核服务器，用户网页确认
    ↓
【等待用户确认】→ 网页点击「执行剪辑」或手动 /剪辑
    ↓
8. 执行剪辑 (cut_video.ps1)
    ↓
9. 【可选】导出到剪映草稿 (-ExportToJianying)

执行步骤

步骤 0: 创建输出目录

bash

# 变量设置（根据实际视频调整）
VIDEO_PATH="/path/to/视频.mp4"
VIDEO_NAME=$(basename "$VIDEO_PATH" .mp4)
DATE=$(date +%Y-%m-%d)
BASE_DIR="output/${DATE}_${VIDEO_NAME}/剪口播"

# 创建子目录
mkdir -p "$BASE_DIR/1_转录" "$BASE_DIR/2_分析" "$BASE_DIR/3_审核"
cd "$BASE_DIR"

步骤 1-3: 转录

bash

cd 1_转录

# 1. 提取音频（文件名有冒号需加 file: 前缀）
ffmpeg -i "file:$VIDEO_PATH" -vn -acodec libmp3lame -y audio.mp3

# 2. 上传获取公网 URL
curl -s -F "files[]=@audio.mp3" https://uguu.se/upload
# 返回: {"success":true,"files":[{"url":"https://h.uguu.se/xxx.mp3"}]}

# 3. 调用火山引擎 API
SKILL_DIR="/Users/chengfeng/Desktop/AIos/剪辑Agent/.claude/skills/剪口播"
"$SKILL_DIR/scripts/volcengine_transcribe.sh" "https://h.uguu.se/xxx.mp3"
# 输出: volcengine_result.json

步骤 4: 生成字幕

bash

node "$SKILL_DIR/scripts/generate_subtitles.js" volcengine_result.json
# 输出: subtitles_words.json

cd ..

步骤 5: 分析口误（脚本+AI）

5.1 生成易读格式

bash

cd 2_分析

node -e "
const data = require('../1_转录/subtitles_words.json');
let output = [];
data.forEach((w, i) => {
  if (w.isGap) {
    const dur = (w.end - w.start).toFixed(2);
    if (dur >= 0.5) output.push(i + '|[静' + dur + 's]|' + w.start.toFixed(2) + '-' + w.end.toFixed(2));
  } else {
    output.push(i + '|' + w.text + '|' + w.start.toFixed(2) + '-' + w.end.toFixed(2));
  }
});
require('fs').writeFileSync('readable.txt', output.join('\\n'));
"

5.2 读取用户习惯

先读 用户习惯/ 目录下所有规则文件。

5.3 生成句子列表（关键步骤）

必须先分句，再分析。按静音切分成句子列表：

bash

node -e "
const data = require('../1_转录/subtitles_words.json');
let sentences = [];
let curr = { text: '', startIdx: -1, endIdx: -1 };

data.forEach((w, i) => {
  const isLongGap = w.isGap && (w.end - w.start) >= 0.5;
  if (isLongGap) {
    if (curr.text.length > 0) sentences.push({...curr});
    curr = { text: '', startIdx: -1, endIdx: -1 };
  } else if (!w.isGap) {
    if (curr.startIdx === -1) curr.startIdx = i;
    curr.text += w.text;
    curr.endIdx = i;
  }
});
if (curr.text.length > 0) sentences.push(curr);

sentences.forEach((s, i) => {
  console.log(i + '|' + s.startIdx + '-' + s.endIdx + '|' + s.text);
});
" > sentences.txt

5.4 脚本自动标记静音（必须先执行）

bash

node -e "
const words = require('../1_转录/subtitles_words.json');
const selected = [];
words.forEach((w, i) => {
  if (w.isGap && (w.end - w.start) >= 0.5) selected.push(i);
});
require('fs').writeFileSync('auto_selected.json', JSON.stringify(selected, null, 2));
console.log('≥0.5s静音数量:', selected.length);
"

→ 输出 auto_selected.json（只含静音 idx）

5.5 AI 分析口误（追加到 auto_selected.json）

检测规则（按优先级）：

#	类型	判断方法	删除范围
1	重复句	相邻句子开头≥5字相同	较短的整句
2	隔一句重复	中间是残句时，比对前后句	前句+残句
3	残句	话说一半+静音	整个残句
4	句内重复	A+中间+A 模式	前面部分
5	卡顿词	那个那个、就是就是	前面部分
6	重说纠正	部分重复/否定纠正	前面部分
7	语气词	嗯、啊、那个	标记但不自动删

核心原则：

•先分句，再比对：用 sentences.txt 比对相邻句子
•整句删除：残句、重复句都要删整句，不只是删异常的几个字

分段分析（循环执行）：

code

1. Read readable.txt offset=N limit=300
2. 结合 sentences.txt 分析这300行
3. 追加口误 idx 到 auto_selected.json
4. 记录到 口误分析.md
5. N += 300，回到步骤1

🚨 关键警告：行号 ≠ idx

code

readable.txt 格式: idx|内容|时间
                   ↑ 用这个值

行号1500 → "1568|[静1.02s]|..."  ← idx是1568，不是1500！

口误分析.md 格式：

markdown

## 第N段 (行号范围)

| idx | 时间 | 类型 | 内容 | 处理 |
|-----|------|------|------|------|
| 65-75 | 15.80-17.66 | 重复句 | "这是我剪出来的一个案例" | 删 |

3. 环境配置 (Configuration)

在 .agent/skills/.env 中配置以下关键路径和密钥：

配置项	说明	示例值
`VOLCENGINE_API_KEY`	火山引擎 API Key	`your_api_key_here`
`RAW_VIDEO_DIR`	原始视频存放目录	`F:\Focusee\Video`
`JIANYING_DRAFT_DIR`	剪映草稿存放目录	`E:\剪映草稿\JianyingPro Drafts`

注意：脚本在导出剪映时，会优先从 RAW_VIDEO_DIR 寻找原始视频以保证同步精度。

步骤 6-7: 审核

bash

cd ../3_审核

# 6. 生成审核网页
node "$SKILL_DIR/scripts/generate_review.js" ../1_转录/subtitles_words.json ../2_分析/auto_selected.json ../1_转录/audio.mp3
# 输出: review.html

# 7. 启动审核服务器
node "$SKILL_DIR/scripts/review_server.js" 8899 "$VIDEO_PATH"
# 打开 http://localhost:8899

用户在网页中：

•播放视频片段确认
•勾选/取消删除项
•点击「执行剪辑」

数据格式

subtitles_words.json

json

[
  {"text": "大", "start": 0.12, "end": 0.2, "isGap": false},
  {"text": "", "start": 6.78, "end": 7.48, "isGap": true}
]

auto_selected.json

json

[72, 85, 120]  // Claude 分析生成的预选索引

配置

火山引擎 API Key

bash

cd F:\dai ma\剪辑\.agent\skills
cp .env.example .env
# 编辑 .env 填入 VOLCENGINE_API_KEY=xxx

导出到剪映

剪辑完成后，可以将结果导出到剪映草稿，方便进行二次编辑。

剪映草稿导出 (Jianying Export)

为了实现从自动化剪辑到剪映二次创作的无缝衔接，必须遵循以下“最佳实践”以保证音画同步和极佳的初剪体验。

1. 核心逻辑：时间轴重建 (Timeline Rebuild)

禁止：将剪辑后的成品 mp4 导入剪映。这会导致字幕出现毫秒级的累积位移。推荐：使用原始长视频素材，配合 keep_segments.json。通过 Python 脚本在剪映草稿中将原始视频切成段并“接起来”。

•优点：字幕与画面永远保持原始转录时的物理时间对齐，且保留了所有的剪辑点方便手动微调。

2. 字幕断句规范 (Semantic Segmentation)

为了让字幕看起来“像人写的”，必须放弃简单的字数统计（如每12字一断），改用以下优先级逻辑：

•停顿优先：利用转录数据中的 isGap (停顿 > 0.3s) 作为第一断句点。
•语义优先：在语气词（如：的、了、是、好、吧、呢、啊）之后断句。
•字数兜底：单句控制在 12-14 字，若超长则回退寻找最近的语义点。

•效果示例：避免将“我是盛凡”截断为“我是盛/凡”。

3. 真正的字幕轨道 (Native Captions vs Text)

•不要使用 TextSegment（文本片段），因为难以批量修改样式。
•必须使用 script.import_srt() 接口，将生成的 SRT 文件导入为剪映原生的“字幕轨道”。
•比例规则：默认使用 16:9 横屏 (1920x1080)；字幕置底偏移量 transform_y = -0.8。

4. 环境与目录规范

•依赖：pip install pyJianYingDraft。

•结构：

text

JianyingPro Drafts/
└── [草稿名称]/
    ├── draft_content.json  # 由脚本生成
    └── draft_meta_info.json # 必须存在，否则剪映无法加载

5. 常用命令 (自动化运行)

powershell

# 建议通过 cut_video.ps1 自动触发
./cut_video.ps1 -VideoPath "..." -ExportToJianying

•--drafts-folder, -d: 剪映草稿目录（默认：E:\剪映草稿\JianyingPro Drafts）

keep_segments.json 格式

json

[
  {"start": 0.0, "end": 5.5},
  {"start": 8.2, "end": 15.0}
]

注意事项

•剪映版本兼容性：pyJianYingDraft 支持生成新草稿，剪映会自动处理格式
•刷新草稿列表：导出后在剪映中可能需要刷新或重启才能看到新草稿
•素材路径：草稿会引用原始视频路径，请确保路径可访问