用途:对原始录像进行自动化剪辑,用 Whisper 语音转文字检测并移除静音间隔、重录/重复片段和垃圾片段;可选将原旁白替换为 AI 生成的 TTS 音频,并动态裁剪多余静音。适合处理口播、课程、讲解类录屏。
主要能力:analyze 生成转写与编辑计划;execute 按计划输出剪辑视频;tts-prepare 将 Whisper 片段映射到剪辑后时间轴并过滤垃圾片段,可用校正文件修正常见转写错误;tts-generate 调用 ElevenLabs 生成配音并重新合成视频;trim-silence 支持动态(按韩语结尾分类设置静音上限)或固定上限裁剪。检测逻辑含静音间隔、开头 15 字符相同的重录片段(保留最后一次)、时长小于 0.3 秒或空文本的垃圾片段。
使用方式:先装 ffmpeg(brew install ffmpeg)与依赖(pip install -r ~/.claude/skills/video-editor/scripts/requirements.txt),TTS 需加载 ElevenLabs 密钥(source ~/.claude/auth/elevenlabs.env)。脚本位于 ~/.claude/skills/video-editor/scripts/video_editor.py。基本流程为 python $SCRIPT analyze recording.mp4 后检查 *_edit_plan.json,再 python $SCRIPT execute recording.mp4 recording_edit_plan.json。
限制:TTS 消耗 ElevenLabs 配额(约 1 字符=1 字符);动态静音分类规则面向韩语,其他语言效果暂未提供;默认语言为 ko,模型默认 medium;具体收费、平台与效果未提供。