Video Clipper

Video Clipper — 长视频切片

依赖

• ffmpeg / ffprobe: 视频切片、静音检测、片段拼接
• bash + awk: 运行 scripts/clip.sh 并计算浮点时间段（Linux/macOS/Git Bash 均可）
• 转写 JSON: 推荐使用 video-to-text 输出的 transcript.json 定位片段边界
• 脚本: 本 skill 只依赖仓库内置的 scripts/clip.sh

能力边界

scripts/clip.sh 当前支持：

• 单条切片：按 --start / --end / --name 输出一个 mp4
• 批量切片：读取 clips.txt，每行一条 start|end|name
• 删除较长静音停顿：用 silencedetect 找出停顿，再拼接非静音片段
• 保持音画同步：每段从原始素材或粗切片中独立裁剪，再用 concat 拼接

本 skill 不承诺额外后处理；如果用户需要更精细的剪辑质量，请先产出这些基础切片，再交给人工剪辑或其他专门工具处理。

参考资料

定位片段边界前，先读取 references/clipping-guide.md。它解释了如何判断观点完整性、如何向前后扩展确认，以及为什么用分段裁剪后拼接来保持音画同步。

工作流程

Phase 1: 素材准备
Phase 2: 切片点定位（观点边界）
Phase 3: 生成 clips.txt
Phase 4: 运行 scripts/clip.sh
Phase 5: 最终检查

Phase 1: 素材准备

1. 确认输入视频存在，获取总时长：

   ffprobe -v error -show_entries format=duration -of default=noprint_wrappers=1:nokey=1 /path/to/video.mp4
   

2. 如果文件名含 CJK 字符，建议建一个英文路径 symlink，方便后台命令和 shell 脚本稳定运行：

   ln -sf "/path/to/直播回放.mp4" /tmp/livestream-input.mp4
   

3. 确认 transcript.json 存在。优先使用 segments 定位句子边界；需要更细粒度时参考 word_segments。

Phase 2: 切片点定位

切片质量主要取决于边界是否准确。不要凭直觉猜时间戳，先用转写文字校准。

2.1 候选片段来源

• 优先用 insight-extractor 输出中的金句、争议点、行动项
• 或使用用户指定的话题名，在 transcript.json 中搜索相关文本
• 每条短视频只保留一个清晰主题

2.2 用 transcript.json 校准边界

import json

START = 600
END = 780

with open("transcript.json", encoding="utf-8") as f:
    data = json.load(f)

for seg in data["segments"]:
    if START <= seg["start"] <= END:
        m, s = divmod(int(seg["start"]), 60)
        h, m = divmod(m, 60)
        ts = f"{h}:{m:02d}:{s:02d}" if h else f"{m}:{s:02d}"
        print(f"[{ts}] {seg['text'].strip()}")

2.3 边界原则

1. 观点完整：从引入或铺垫开始，到结论或反应结束
2. 前不带冗余：切掉寒暄、闲聊、无关过渡
3. 后不拖尾：观点讲完就停，不带下一个话题开头
4. 扩展确认：向前后各扩 2-3 分钟查看文字，确认没有漏掉关键铺垫或结论

2.4 时间戳格式

• < 60 分钟：MM:SS，如 41:40

• = 60 分钟：H:MM:SS，如 1:50:08

clip.sh 会把 MM:SS 自动转换为 H:MM:SS。

Phase 3: 生成 clips.txt

在项目目录中创建切片列表：

30:16|31:58|01-胆子够大
1:50:08|1:52:20|02-AI后背发凉

格式说明：

• 第 1 列：开始时间
• 第 2 列：结束时间
• 第 3 列：输出文件名，不需要 .mp4

建议输出到项目目录，例如：

• workspace/pipeline/<project-name>/clips.txt
• workspace/pipeline/<project-name>/clips/

Phase 4: 运行 clip.sh

批量模式

nohup bash {video-clipper-skillDir}/scripts/clip.sh \
  --input {input-video-path-or-symlink} \
  --clips workspace/pipeline/<project-name>/clips.txt \
  --output workspace/pipeline/<project-name>/clips \
  > /tmp/video-clipper.log 2>&1 &

单条模式

bash {video-clipper-skillDir}/scripts/clip.sh \
  --input {input-video-path-or-symlink} \
  --start 30:16 \
  --end 31:58 \
  --name "01-胆子够大" \
  --output workspace/pipeline/<project-name>/clips

可选参数

批量任务建议后台运行，并用日志观察进度：

tail -f /tmp/video-clipper.log

Phase 5: 最终检查

for f in workspace/pipeline/<project-name>/clips/*.mp4; do
  [ -f "$f" ] || continue
  sz=$(du -h "$f" | cut -f1)
  dur=$(ffprobe -v error -show_entries format=duration -of csv=p=0 "$f" 2>/dev/null | cut -d. -f1)
  min=$((dur/60)); sec=$((dur%60))
  printf "%-35s %5s  %d:%02d\n" "$(basename "$f")" "$sz" "$min" "$sec"
done

检查重点：

• 输出文件是否存在且非空
• 时长是否接近预期
• 文件名是否按编号排序
• 需要抽查播放，确认开头和结尾没有截断观点

输出规格

• 位置：workspace/pipeline/<project-name>/clips/
• 命名：01-主题.mp4、02-主题.mp4
• 编码：H.264 CRF23 + AAC 128kbps + faststart
• 大小：取决于片段时长和画面复杂度
• 内容：按时间段切出的短视频，默认删除较长静音停顿

与其他 Skill 的衔接

video-to-text       →  transcript.json（定位时间戳）
    ↓
insight-extractor   →  insights.md（候选主题和金句）
    ↓
video-clipper       →  clips.txt + clips/*.mp4
    ↓
人工 / 剪辑工具      →  字幕、封面、竖屏适配、发布

踩坑记录

性能参考