Name: videocut-clip-oral
Author: zrt-ai-lab

Imported from zrt-ai-lab/opencode-skills (videocut-clip-oral/SKILL.md). Install upstream with npx skills add zrt-ai-lab/opencode-skills --skill videocut-clip-oral. Copyright stays with the author.

剪口播

转录 + 口误/静音识别 → 生成审查稿

快速使用

用户: 帮我剪这个口播视频
用户: 处理一下这个视频

流程

1. FunASR 30s 分段转录（字符级时间戳）
    ↓
2. 识别口误（逐句检查）
    ↓
3. 识别微口误（VAD 检测短片段）
    ↓
4. 识别语气词（嗯/哎/诶 等）
    ↓
5. 识别静音（≥1s）
    ↓
6. 生成审查稿（时间戳驱动）
    ↓
7. 输出删除任务 TodoList
    ↓
【等待用户确认】→ 用户确认后，执行 /videocut:剪辑

⚠️ 为什么用 30s 分段

FunASR 长视频有时间戳漂移，30s 分段可避免。

进度 TodoList

启动时创建：

- [ ] 读取「转录最佳实践」→ 转录视频
- [ ] 读取「口误识别方法论」→ 识别口误
- [ ] VAD 检测微口误（短片段 < 0.5s）
- [ ] 扫描语气词（嗯/哎/诶 等）
- [ ] 识别静音（≥1s）
- [ ] 生成审查稿
- [ ] 输出删除任务清单

⚠️ 必须先读方法论再执行

阶段	先读	再执行
转录	`tips/转录最佳实践.md`	调用ASR
识别口误	`tips/口误识别方法论.md`	逐句分析

核心：时间戳驱动

删除任务格式

每项必须标注精确时间戳 (start-end)：

口误（N处）：
- [ ] 1. `(start-end)` 删"错误文本" → 保留"正确文本"

语气词（N处）：
- [ ] 1. `(前字end-后字start)` 删"嗯" 上下文: XX【嗯】YY

静音（N处）：
- [ ] 1. `(start-end)` 静音Xs

口误类型

类型	示例	删除策略
重复型	`拉满新拉满`	只删差异（"新"）
替换型	`AI就是AI就会`	删第一个完整版本（"AI就是"）
卡顿型	`听会会`	删第一个重复字

⚠️ 关键规则

时间戳驱动：审查稿直接标注时间戳，剪辑不再搜索文本
逐token分析：对于"删前面保后面"的口误，必须逐token查时间戳
检查时间跨度：如果口误时间跨度 > 2秒，必有静音，需拆分

输出文件

01-xxx-v1_transcript.json  # 转录结果（含时间戳）
01-xxx-v1_审查稿.md        # 口误审查稿

展示要求

生成审查稿后，必须展示给用户：

写入文件 01-xxx-v1_审查稿.md
读取并展示内容
等待用户确认要删除哪些项目

方法论

详见 tips/口误识别方法论.md：

口误识别方法（逐句检查）
"删前面保后面"的精确处理
FunASR 时间戳对齐规则

Install videocut-clip-oral and it becomes one more candidate the router can pick - when it fits.

A listing is a routing target with a manifest: what it does, which domains it covers, what it costs and who publishes it. Once installed it sits beside your own models and tools, is scored like any other candidate for each request, and shows up in the trace when it wins. Ratings come from workspaces that installed it, one per account.

{ "ocm": "1", "id": "zrt-ai-lab-opencode-skills-videocut-clip-oral", "kind": "skill", "name": "videocut-clip-oral", "description": "口播视频转录和口误识别。生成审查稿和删除任务清单。触发词：剪口播、处理视频、识别口误", "publisher": "zrt-ai-lab", "version": "1.0.0", "capabilities": { "domains": [ "general" ], "tags": [ "skill-md", "skills-sh" ], "languages": [ "en" ] }, "quality_prior": 0.6, "examples": [ "口播视频转录和口误识别。生成审查稿和删除任务清单。触发词：剪口播、处理视频、识别口误" ], "primary": false, "metadata": { "source": { "provider": "skills.sh", "repository": "https://github.com/zrt-ai-lab/opencode-skills", "path": "videocut-clip-oral/SKILL.md", "ref": "HEAD", "url": "https://github.com/zrt-ai-lab/opencode-skills/blob/HEAD/videocut-clip-oral/SKILL.md", "key": "zrt-ai-lab/opencode-skills/videocut-clip-oral/SKILL.md" } }, "instructions": "\n\n# 剪口播\n\n> 转录 + 口误/静音识别 → 生成审查稿\n\n## 快速使用\n\n```\n用户: 帮我剪这个口播视频\n用户: 处理一下这个视频\n```\n\n## 流程\n\n```\n1. FunASR 30s 分段转录（字符级时间戳）\n ↓\n2. 识别口误（逐句检查）\n ↓\n3. 识别微口误（VAD 检测短片段）\n ↓\n4. 识别语气词（嗯/哎/诶等）\n ↓\n5. 识别静音（≥1s）\n ↓\n6. 生成审查稿（时间戳驱动）\n ↓\n7. 输出删除任务 TodoList\n ↓\n【等待用户确认】→ 用户确认后，执行 /videocut:剪辑\n```\n\n### ⚠️ 为什么用 30s 分段\n\nFunASR 长视频有时间戳漂移，30s 分段可避免。\n\n## 进度 TodoList\n\n启动时创建：\n\n```\n- [ ] 读取「转录最佳实践」→ 转录视频\n- [ ] 读取「口误识别方法论」→ 识别口误\n- [ ] VAD 检测微口误（短片段 < 0.5s）\n- [ ] 扫描", "cost": { "context_tokens": 387 } }

videocut-clip-oral

About

剪口播