用途：作为自动剪辑流程的第一步，输入原始录像及其词级转录，只删除静音——首词前与末词后的空白，以及超过阈值的词间停顿（保留自然呼吸，不做零间隔硬切）。说话内容本身不动，口误、重录、结巴由第二个智能体处理。该智能体是确定性的、由转录驱动，输出 *.silence-transcript.json 可直接供后续智能体与节拍同步校验使用。
主要能力：按规则判定静音。低于 --gap（默认 0.55 秒）的停顿保留；被裁剪的停顿按上下文保留呼吸，长停顿（≥2 秒）0.24 秒、句末标点后 0.20 秒、其他 0.14 秒，且偏向上一短语末尾。首尾空白裁剪到 --head-pad（0.22 秒）与 --tail-pad（0.34 秒）。删除区间合并后取补集作为保留区间，用 ffmpeg trim/atrim + concat 滤镜图渲染，音画保持同步。
使用方式：先准备词级转录 JSON，可用工作区转录器生成：node scripts/transcribe-elevenlabs.mjs path/to/raw.mp4。仅规划：node .agents/skills/cut-silences/scripts/cut-silences.mjs <transcript.json> --out-dir video-projects/<slug>/assets。带视频生成 ffmpeg 命令：加 --video video-projects/<slug>/assets/raw.mp4。实际渲染需加 --apply 并指定 --output。
输出：<stem>.silence-edl.json（保留/删除区间与参数）、<stem>.silence-transcript.json（重新计时转录）、<stem>.silence-decisions.md（可读摘要）、<stem>.silence-filter.txt（仅带 --video）、<video-stem>.silenced.mp4（仅 --apply）。标准输出含 removed、removedPct、区间数与输出路径。
适用场景与限制：适合口播类视频收紧节奏，默认参数约删除原始素材 15-20% 的纯静音；降低 --gap 更紧凑，提高则保留更多呼吸感。句末裁剪过激时可提高句末呼吸或 --gap。需要词级转录，渲染依赖本地 ffmpeg；未提供转录时无法运行。其他功能、收费与平台信息暂未提供。