用途：把原始播客/会议录音整理为精修单集，并可对 Zoom、Riverside 类视频做与音频版一致的剪辑。
主要能力：借助 Whisper 转录定位真正的节目开始与结束，裁掉前后闲聊；删除「嗯、呃、对对对、um、uh」等填充词；把超过约 2 秒的死寂压缩到约 0.6 秒的自然停顿；音质增强包括降噪、EQ、多说话人音量均衡与响度归一化到 −16 LUFS；从已渲染成片外科式删除指定片段（不必重跑全流程）；切出可分享的金句片段并拼接约 1 分钟串烧；视频版一次性完成画面与声音的同一套剪切。
使用方式：需安装 ffmpeg、ffprobe，环境变量提供 OPENAI_API_KEY，Python 3 仅用标准库（辅助脚本无额外依赖）；可选 resemblyzer 仅用于做串烧时区分说话人。先用 ffprobe 查看时长、采样率、声道、编码与码率；按 5 分钟切块用 Whisper 取得带时间戳转录，寻找开场/结束标记；用与技能一同提供的 filler_removal.py 生成 atrim+concat 滤镜脚本；音频走两遍流程（先切为 WAV，再套增强链输出 192 kbps MP3），默认链含 highpass、lowpass、afftdn、三段 equalizer、dynaudnorm、acompressor 与 loudnorm，切勿加入 agate 噪声门或重压缩，且 dynaudnorm 应位于 acompressor 之前；16kHz 源用 lowpass=7500。视频用 video_cut.py 生成合成滤镜，一次渲染输出 MP4。重剪成片时先重新转录定位，只对新接缝做验证。
适用场景：播客后期、会议录音整理、视频播客同步剪辑、从成片提取金句与串烧。
限制：Whisper 对中文词级时间戳可能漏掉混入相邻语音的填充词，约 10%–20% 内嵌填充词会漏检；并行词级调用有时返回空，需顺序重试；转录无法判断谁在说话，需要特定说话人时须做声纹区分；60 分钟 1080p 输出约 1.5 GB，需以链接分享；应保存保留片段清单以便后续重剪一致。售价、收费与更多平台信息暂未提供。