基于 Claude Code 的自动化剪辑工作流

用语义理解替代模式匹配，AI 审核口播问题（静音/口误/重复） | 2k Stars | MIT | Claude Code Skill

这是什么

videocut-skills 是一套基于 Claude Code Skills 构建的视频剪辑 Agent，专门为口播类视频设计。作者 Ceeon 因为剪映「智能剪口播」有两个痛点——无法理解语义（识别不出重复说和说错后纠正的句子）以及字幕质量差（专业术语经常识别错误）——而开发了这个项目。

它的核心思路是用 Claude 的语义理解能力分析口播内容，再结合火山引擎 ASR 做字级别时间戳转录，最终生成一个审核网页供人工确认后由 FFmpeg 执行剪辑。一次 19 分钟的口播原片，系统可自动识别 608 处问题（静音 114 处 + 口误/重复 494 处）。

与剪映「智能剪口播」的核心差异：videocut-skills 的理解能力来自大语言模型而非规则匹配，能识别"同一个意思反复说""说错了立刻纠正""卡顿后重新组织语言"等复杂语义场景。此外还支持自定义专业术语词典、自更新偏好记忆（告诉 AI"静音阈值改成 1 秒"后它记住并应用）、以及 2-pass 编码高清导出。

适合谁 / 不适合谁

安装与前置条件

• Claude Code CLI 已安装
• Python 3.8+（运行 FunASR 和 Whisper）
• FFmpeg（音视频处理）
• Node.js 18+（运行审核服务器脚本）
• 火山引擎 API Key（语音转录）
• 模型下载：FunASR 约 2GB，Whisper large-v3 约 3GB

# 克隆到 Claude Code skills 目录
git clone https://github.com/Ceeon/videocut-skills.git ~/.claude/skills/videocut

# 配置 API Key
cd ~/.claude/skills/videocut
cp .env.example .env
# 编辑 .env，填入火山引擎 API Key

# 安装环境（在 Claude Code 中执行）
# /videocut:安装

核心用法

完整工作流

┌─────────────────────────────────────────────┐
│  /videocut:安装                              │
│  首次使用，安装 Python/FFmpeg 和 AI 模型     │
└─────────────────────────────────────────────┘
↓
┌─────────────────────────────────────────────┐
│  /videocut:剪口播 视频.mp4                   │
│  1. 提取音频 → 上传火山引擎                  │
│  2. 火山引擎转录 → 字级别时间戳              │
│  3. Claude 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」→ FFmpeg 自动剪辑   │
└─────────────────────────────────────────────┘
↓
┌─────────────────────────────────────────────┐
│  /videocut:字幕                              │
│  - Whisper 转录 + 词典纠错                   │
│  - 人工确认 → 烧录字幕                      │
└─────────────────────────────────────────────┘
↓
┌─────────────────────────────────────────────┐
│  /videocut:高清化 （可选）                   │
│  - 2-pass 编码 + 锐化                       │
│  - 自动匹配原片参数，码率 1.2x              │
└─────────────────────────────────────────────┘

Skill 清单

自定义词典

编辑 字幕/词典.txt，每行一个词：

Claude Code
MCP
API

注意事项与风险

• 火山引擎 API 费用：语音转录按调用量计费，长视频需注意成本
• 模型首次下载大：FunASR (~2GB) + Whisper large-v3 (~3GB) 首次下载耗时较长
• 审核网页端口：默认 8899，如果被占用需释放或修改
• 音画同步：使用 filter_complex + trim 而非 concat demuxer 来避免剪辑后音画不同步
• 项目更新频率：仅 18 次提交，核心功能稳定但迭代不频繁

与你现有工具的关系

• 与 [[Claude Code Humanizer：用 Claude Code Humanizer 提升文章可读性]] 同属 Claude Code Skills 生态，可组合使用
• 与 [[纯前端音视频转文字：浏览器端讯飞 API 长音频识别]] 互补：前者做内容识别转录，本工具做智能剪辑
• 剪辑后的素材可作为 [[../02-内容创作媒体/Toonflow：开源 AI 短剧生成工具]] 的输入素材

FAQ

Q: 和剪映「智能剪口播」相比有什么优势？

A: 剪映基于模式匹配，无法理解语义。videocut-skills 用 Claude 分析语义，能识别"重复说""说错后纠正""卡顿后重组"等复杂场景。此外支持自定义词典，专业术语识别更准确。

Q: 火山引擎转录超时怎么办？

A: 上传音频时使用 uguu.se（脚本默认），避免 catbox.moe（火山引擎访问慢）。

Q: 审核网页打不开？

A: 检查端口 8899 是否被占用：lsof -i :8899。

Q: 剪辑后音画不同步？

A: 脚本已通过 filter_complex + trim 处理此问题。如果仍有问题，检查源视频编码是否使用可变帧率（VFR）。

Q: 如何让 AI 记住我的剪辑偏好？

A: 使用 /videocut:自更新 命令，告诉 AI 例如"静音阈值改成 1 秒"或"保留适量嗯作为过渡"，它会记录在规则文件中持续生效。

相关链接

• GitHub：https://github.com/Ceeon/videocut-skills
• 火山引擎语音识别：https://console.volcengine.com/