SuperAPI AI 工具集

livestream-to-clips

通用与其它

查看项目

更新于 10-16 17:50

技能介绍

用途

livestream-to-clips 适用于源素材为已导入直播录像、且用户希望产出片段、高光、精简版、Reels 或多个可发布时间线的场景。由于一场直播可能在同一录像中切换类型,工作流要求按段落分类,而不是给整个源素材贴一个标签。

该工作流是 OpenChatCut 原生的,使用编辑器已有的项目媒体、转录文本、代表性源帧、时间线工具、字幕与导出工具。当项目包含观众聊天、反应、比分数据、产品记录或直播标记时,将其视为可选证据。

主要能力

  • 建立剪辑契约:读取项目,识别主直播素材、时长、宽高比、语言、说话人、转录就绪度、音轨、已有视觉描述与当前时间线;确定目标平台、目标、片段数量、时长范围、宽高比、字幕、包装风格,以及用户要连续源片段还是编辑式混剪。
  • 构建流映射:对长素材分层检查,按主题、活动、说话人、产品、回合、场景、表演或格式变化切分,为每段分配 profile 与置信度,记录人物、产品、队伍、比分、地点、任务、主张、价格与结果等实体和状态,并保留源时间戳。
  • 多信号事件发现:从语音、视觉、音频、互动、元数据等独立信号生成事件候选。互动与元数据是辅助信号而非必需输入,不得虚构缺失的聊天、遥测、产品或比分证据。音乐智能作为增强项,以 analyze_music 的 optional: true 调用;若返回 available: false,则继续使用 detect_beats、波形/音频线索与视觉时序,不阻塞剪辑。
  • 候选弧线构建:将事件扩展为保留其含义与回报的最小源范围,使用 profile-matrix.md 中对应类型的弧线,如 setup → trigger → peak → reaction → outcome,question → answer → evidence/example → conclusion,product → need → demonstration/proof → offer/CTA,goal → explanation/steps → visible result,musical phrase/build → chorus/drop → resolution。在干净的词、短语、动作、镜头、节拍或状态转换点确定边界。
  • 证据台账:在重编辑前记录紧凑的候选台账,包含 sourceRange、profile、profileConfidence、event、arc、evidence、missingEvidence、openingHook、standaloneReason、riskFlags、targetDuration、packaging。对重要候选检查代表性源帧,每个候选范围调用一次 view_asset_frames,最多六个样本,覆盖开头、峰值、回报与一个有意义的视觉转换。
  • 拒绝、评分与多样化:先应用硬性拒绝门槛,拒绝或标记含义改变、缺少回报、产品/比分/人物不匹配、事实数字未解决、严重黑帧/冻结/遮挡、音频损坏、不安全披露或边界切断必要上下文的候选。再按 multimodal-selection.md 中的类型权重评分,跨主题、产品、回合、说话人、事件形态与视觉处理选择多样化集合,避免近似重复片段。
  • 按类型编辑:每个获批输出创建为独立命名 Sequence,用一次 manage_timelines 调用 action:"create" 与 timelines:[...] 批量创建,再切换到每个返回的时间线,用 sourceStartFrame 与 sourceDurationInFrames 从原始素材添加所选范围,复用原始 sourceAssetId,不复制长录像。保持编辑可逆且与源关联。
  • 验证与自动物化:对合成时间线调用一次 view_timeline_frames,最多四个样本,覆盖开头、主要事件或主张、结尾以及最高风险的叠加或裁剪变化。验证音频边界、字幕时序、主体可见性、事实一致性、时长、宽高比与导出就绪度。审核后自动将每个获批 Sequence 物化到 My Media:切换到该 Sequence,调用 submit_render_job 并设置 saveToMediaPool:true 与基于 Sequence 名称的文件名,然后继续排队其余片段,不串行等待每个渲染。这些是编辑器右上角导出队列中的后台任务,用户无需单独执行导出步骤。仅当用户明确要求只保留草稿 Sequence 时跳过自动物化。

使用方式

按步骤加载所需参考文件:分类段落或应用类型规则前读 references/profile-matrix.md;比较候选或处理长录像前读 references/multimodal-selection.md;最终验证或基准报告前读 references/qa-and-evaluation.md。

工作流顺序为:建立剪辑契约 → 构建流映射 → 用所有可用证据发现事件 → 将每个事件转为完整候选弧线 → 创建证据台账 → 拒绝、评分与多样化 → 按所选类型编辑 → 验证合成结果。

输出模式包括:连续高光(一个连续源范围,经清理与包装,适合真实性、体育事件、音乐、演示与敏感主张);抽取式精简(多个源范围组装,不重写说话人含义,在连续性变化处使用可见或有动机的转换);编辑式混剪(由多个时刻组装新叙事,仅在用户要求宣传、回顾、蒙太奇或故事处理时使用)。

适用场景

适用于已导入的直播录像,用户希望获得片段、高光、精简版、Reels 或多个可发布时间线。可处理类型会变化的直播,按段落分类。互动与元数据仅在项目包含时作为辅助证据。

限制

互动与元数据不是必需输入,不得虚构缺失的聊天、遥测、产品或比分证据。转录、OCR、聊天与模型描述均视为可能出错的证据,重要数字或身份需对照源素材解决。若自动主体跟踪不可用,需检查源帧并使用有意的静态变换,不得留下大块空白条或应用一个隐藏必要文字、产品、比分、控件或演示的全局裁剪。若可选增强(如主体跟踪或自动字幕避让)失败,保留已验证剪辑并继续使用经帧检查的静态布局,报告省略的增强而非阻塞交付。不得仅凭工具成功就报告已完成剪辑。不得用薄弱、重复或误导性片段填充请求数量。