videocut-skills
videocut-skills 是一款基于 Claude Code Skills 开发的视频剪辑智能体，专注于优化口播类视频的处理流程。针对传统剪辑软件无法理解语义、难以识别重复口误及专业术语字幕错误等痛点，它利用 Claude 强大的语义分析能力配合自定义词典进行精准修正。
操作时只需输入指令，系统便能自动检测静音、卡顿及重复语句，并生成可视化审核页面供人工确认，最终通过 FFmpeg 完成剪辑。其独特之处在于具备“自更新”机制，能记录用户偏好越用越准，同时集成 Whisper 模型确保字幕质量。
它特别适合知识博主、开发者及技术研究人员使用，尤其是那些需要频繁处理包含专业术语讲解的视频内容。通过自动化与人工审核的结合，大大提升了剪辑效率与成片质量。
使用场景
一位科技博主正在制作一期关于“大模型应用开发”的口播教程，需要处理长达 20 分钟的原始素材，其中包含大量技术术语讲解。
没有 videocut-skills 时
- 手动剪辑耗时巨大，面对频繁的口误、卡顿和语气词难以快速定位并剔除
- 传统剪辑软件无法理解语义逻辑，常把“说错后纠正”的内容当作正常语句保留
- 字幕中"API”、“MCP”等专业术语经常识别为乱码，后期需逐句人工修正
- 静音检测阈值固定，容易误删有效停顿或漏掉过长的无效沉默段落
使用 videocut-skills 后
- 通过语义分析精准标记重说与纠错片段，自动保留有效信息并剔除冗余
- 内置自定义词典确保技术名词字幕准确，无需人工逐个校对专业词汇
- 生成在线审核页面，双击即可选中删除，配合 FFmpeg 自动执行剪辑
- 支持自更新机制，记住偏好设置后越用越顺手，适应不同风格需求
核心价值：将原本数小时的后期工作压缩至分钟级，且显著提升专业内容的准确性与观看体验。
运行环境要求
- Linux
- macOS
未说明
未说明
快速开始
Videocut Skills
用 Claude Code Skills 构建的视频剪辑 Agent，专为口播视频设计
为什么做这个？
剪映的"智能剪口播"有两个痛点：
- 无法理解语义：重复说的句子、说错后纠正的内容，它识别不出来
- 字幕质量差：专业术语（Claude Code、MCP、API）经常识别错误
这个 Agent 用 Claude 的语义理解能力解决第一个问题，用自定义词典解决第二个问题。
效果演示
输入：19 分钟口播原片（各种口误、卡顿、重复）
输出：
- 自动识别 608 处问题（静音 114 + 口误/重复 494）
- 剪辑后视频 72MB
- 全程 AI 辅助，人工只需确认
核心功能
| 功能 | 说明 | 对比剪映 |
|---|---|---|
| 语义理解 | AI 逐句分析，识别重说/纠正/卡顿 | 只能模式匹配 |
| 静音检测 | >0.3s 自动标记，可调阈值 | 固定阈值 |
| 重复句检测 | 相邻句开头≥5 字相同 → 删前保后 | 无此功能 |
| 句内重复 | "好我们接下来好我们接下来做" → 删重复部分 | 无此功能 |
| 词典纠错 | 自定义专业术语词典 | 无此功能 |
| 自更新 | 记住你的偏好，越用越准 | 无此功能 |
快速开始
1. 安装 Skills
# 克隆到 Claude Code skills 目录
git clone https://github.com/Ceeon/videocut-skills.git ~/.claude/skills/videocut
2. 配置 API Key
cd ~/.claude/skills/videocut
cp .env.example .env
# 编辑 .env，填入火山引擎 API Key
3. 安装环境
打开 Claude Code，输入：
/videocut:安装
AI 会自动：
- 检查 Python、FFmpeg、Node.js
- 安装 FunASR（口误识别模型，约 2GB）
- 安装 Whisper large-v3（字幕模型，约 3GB）
使用流程
┌─────────────────────────────────────────────────────────┐
│ /videocut:安装 → 首次使用，安装环境和模型 │
└─────────────────────────────────────────────────────────┘
↓
┌─────────────────────────────────────────────────────────┐
│ /videocut:剪口播 视频.mp4 │
│ │
│ 1. 提取音频 → 上传云端 │
│ 2. 火山引擎转录 → 字级别时间戳 │
│ 3. AI 审核：静音/口误/重复/语气词 │
│ 4. 生成审核网页 → 浏览器打开 │
└─────────────────────────────────────────────────────────┘
↓
┌─────────────────────────────────────────────────────────┐
│ 【人工审核 + 执行剪辑】 │
│ │
│ - 单击跳转播放 │
│ - 双击选中/取消 │
│ - Shift 拖动多选 │
│ - 确认后点击「执行剪辑」→ 自动 FFmpeg 剪辑 │
└─────────────────────────────────────────────────────────┘
↓
┌─────────────────────────────────────────────────────────┐
│ /videocut:字幕 │
│ │
│ - Whisper 转录 │
│ - 词典纠错（Claude Code → claude code） │
│ - 人工确认 → 烧录字幕 │
└─────────────────────────────────────────────────────────┘
↓
┌─────────────────────────────────────────────────────────┐
│ /videocut:自更新 （可选） │
│ │
│ 告诉 AI 你的偏好，它会记住： │
│ - "静音阈值改成 1 秒" │
│ - "保留适量嗯作为过渡" │
└─────────────────────────────────────────────────────────┘
Skill 清单
| Skill | 功能 | 输入 | 输出 |
|---|---|---|---|
安装 |
环境准备 | 无 | 安装日志 |
剪口播 |
转录 + AI 审核 + 剪辑 | 视频文件 | 剪辑后视频 |
字幕 |
生成字幕 | 视频文件 | 带字幕视频 |
自更新 |
记录偏好 | 用户反馈 | 更新规则文件 |
目录结构
videocut/
├── README.md # 本文件
├── .env.example # API Key 模板
├── 安装/ # 环境安装 skill
├── 剪口播/ # 核心：转录 + AI 审核 + 剪辑
│ ├── SKILL.md # 流程说明
│ ├── *.js # 脚本（生成字幕、审核页面、服务器）
│ ├── *.sh # 脚本（转录、剪辑）
│ └── 用户习惯/ # 审核规则（可自定义）
│ ├── 1-核心原则.md # 删前保后
│ ├── 2-语气词检测.md # 嗯啊呃
│ ├── 3-静音段处理.md # >0.3s 删除
│ ├── 4-重复句检测.md # 相邻句开头相同
│ ├── 5-卡顿词.md # 那个那个、就是就是
│ ├── 6-句内重复检测.md # A+中间+A 模式
│ ├── 7-连续语气词.md # 嗯啊、啊呃
│ └── 8-重说纠正.md # 部分重复、否定纠正
├── 字幕/ # 字幕生成与烧录
│ └── 词典.txt # 自定义词典
└── 自更新/ # 自我进化机制
技术架构
┌──────────────────┐ ┌──────────────────┐
│ 火山引擎 ASR │────▶│ 字级别时间戳 │
│ （云端转录） │ │ subtitles.json │
└──────────────────┘ └────────┬─────────┘
│
▼
┌──────────────────┐ ┌──────────────────┐
│ Claude Code │────▶│ AI 审核结果 │
│ （语义分析） │ │ auto_selected │
└──────────────────┘ └────────┬─────────┘
│
▼
┌──────────────────┐ ┌──────────────────┐
│ 审核网页 │────▶│ 最终删除列表 │
│ （人工确认） │ │ delete_segments │
└──────────────────┘ └────────┬─────────┘
│
▼
┌──────────────────┐ ┌──────────────────┐
│ FFmpeg │────▶│ 剪辑后视频 │
│ filter_complex │ │ xxx_cut.mp4 │
└──────────────────┘ └──────────────────┘
依赖
| 依赖 | 用途 | 安装方式 |
|---|---|---|
| Node.js 18+ | 运行脚本 | brew install node |
| FFmpeg | 音视频处理 | brew install ffmpeg |
| Python 3.8+ | 模型运行 | 系统自带 |
| 火山引擎 API | 语音转录 | 申请 Key |
常见问题
Q: 火山引擎转录超时？
上传音频到 uguu.se（脚本默认），不要用 catbox.moe（火山引擎访问慢）。
Q: 审核网页打不开？
检查端口 8899 是否被占用：lsof -i :8899
Q: 剪辑后音画不同步？
使用 filter_complex + trim 而非 concat demuxer，脚本已处理。
Q: 如何添加自定义词典？
编辑 字幕/词典.txt，每行一个词：
Claude Code
MCP
API
License
MIT
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。
OpenHands
OpenHands 是一个专注于 AI 驱动开发的开源平台，旨在让智能体（Agent）像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点，通过自动化流程显著提升开发速度。 无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员，还是需要快速原型验证的技术团队，都能从中受益。OpenHands 提供了灵活多样的使用方式：既可以通过命令行（CLI）或本地图形界面在个人电脑上轻松上手，体验类似 Devin 的流畅交互；也能利用其强大的 Python SDK 自定义智能体逻辑，甚至在云端大规模部署上千个智能体并行工作。 其核心技术亮点在于模块化的软件智能体 SDK，这不仅构成了平台的引擎，还支持高度可组合的开发模式。此外，OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩，证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能，支持与 Slack、Jira 等工具集成，并提供细粒度的权限管理，适合从个人开发者到大型企业的各类用户场景。