SuperAPI AI 工具集

ra-local-talking-head-cut

通用与其它

查看项目

更新于 10-15 21:41

技能介绍

用途:在本地为口播视频或带解说的屏幕录制生成较完整的粗剪,不依赖云端编辑器,适用于中文或中英混说内容的转录清理与剪辑。它是可复现的本地工作流,不是编辑产品,不修改上游技能,所有任务产物写入源项目的工程目录。

主要能力与流程:先用摄制信息探测源,除非用户明确要求交付转换,否则保留宽高与帧率。使用已安装的 video-use/helpers/transcribe.py,以 volc.seedasr.auc 和词级时间戳转录,复用其缓存的标准 JSON。运行 scripts/prepare_transcript.py 并传入 references/default-glossary.json,生成 review.md、precut-review.srt、corrected-script.md、uncertain-terms.md 和 subtitle-approval.json。把源视频、precut-review.srt 和可读的 review 交给用户,只纠正有充分依据的术语,不确定的模型或产品名不得猜测;此时停止并等待用户明确批准,批准未完成前不得构建 EDL 或渲染剪辑。

术语与审批:把已确认的映射加入任务本地的术语表副本,再重新运行准备步骤,使脚本和预剪 SRT 一起重新生成;每次重新生成都会重置审批状态。用户确认重新生成的 SRT 后,将 subtitle-approval.json 设为 approved: true,记录确认时间,并保持 unresolved_terms 为空。语义删除可写入可选的 decisions.json,优先删除重复开头和失败镜头被后一条完整版本取代者,保留独特含义;内部产物可使用标准化词索引,面向用户的报告不得使用。

构建与渲染:运行 scripts/build_edl.py 并传入审批文件,只有在字幕获批且所有不确定项均已解决时才继续。默认节奏保留不超过 550 毫秒的停顿,较长停顿压缩到 380-450 毫秒,只删除明确的呃/额,并为首尾留白;不得改为一律删除超过 200 毫秒的停顿。运行 scripts/render_cut.py 生成无转场的硬切预览,保留源尺寸与帧率,在每个剪切点应用 15 毫秒音频淡入淡出,使用轻度对话清理,并进行两遍响度标准化至 -16 LUFS / -1.5 dBTP;更强的降噪或门限只是候选而非默认,若同一输入 ASR 对齐测试下降超过 0.01 或低于 0.90 则拒绝该候选。对硬切预览运行 scripts/analyze_visual_cuts.py,查看其联系表,只采用其推荐的 80-120 毫秒转场,每个视频最多三处;仅当有效语义剪切同时存在明显视觉不连续时,才用 --transitions 重新渲染,不可一律加转场。对所选干净最终 MP4 运行 scripts/qc.py,并在使用转场时传入同一转场 JSON,要求尺寸/帧率一致、音视频有效、时长符合预期、响度在门限内;检查通用与转场联系表。对确切最终 MP4 和已批准的 corrected-script.md 运行 scripts/generate_final_subtitles.py,它把时间对齐交给 ra-audio-to-subtitles,除非 caption-qc.json 为 PASS 否则拒绝交付;ASR 是时间来源,批准的脚本文字是显示来源,时间线编辑后不得复用 precut-review.srt。若交付需要可见字幕,用最终 captions.json 和 PASS 的 caption-qc.json 运行 skill-captions,除合同另有指定外使用 anchor-dark,预览一个代表性帧,烧录派生版本,并要求 caption-render-qc.json 通过;保留干净粗剪和可移植 SRT。

命令:资料提供了 prepare_transcript.py、build_edl.py、render_cut.py、analyze_visual_cuts.py、qc.py、generate_final_subtitles.py 和 render_captions.py 的调用示例,均以本地脚本形式运行;无重复或失败镜头时可省略 --decisions。

限制与决策门:宁可漏掉填充词,也不丢失含义;转录纠正与播放删除是两个独立操作;字幕审批为 false 或存在未解决术语时不得创建 EDL;precut-review.srt 仅作为源时间线审阅材料;caption-qc.json 缺失或非 PASS 时不得烧录字幕;不得接受在相同输入下 ASR 覆盖率回退超过一个百分点的音频清理,即使听感更安静;不得对每个剪切都加转场,转场需同时满足有效语义边界和可测量的视觉不连续;不得将粗剪的字幕时间线称为可交付正式版本;cut-qc.json 报告失败时不得交付。中间产物保留在 01-内容生产/视频工作台/制作中/<日期-主题>/,仅把用户批准的最终版本归档到 视频工作台/已制作/月上旬或月下旬/日期-主题/。集成其他渲染器或修改产物 schema 时需阅读 references/artifact-contract.md。