口播稿剪辑

要解决什么问题

口播、对镜讲解类素材常见三类耗时：口癖和无效停顿让成片拖沓，重说、起句失败需要人工听轨找点，竖屏字幕若先烧录再剪辑，预览里还会出现双字幕（烧录层 + 编辑器卡拉 OK 层）。本技能把「转写 → 建议剪辑 → 人工确认 → 再渲染」串成固定流水线，默认输出 1080×1920（9:16） 短视频。

工作方式

1. 转写：用 faster-whisper（base、CPU、中文）生成带词级时间戳的 _transcript.json，供卡拉 OK 预览与最终 ASS 烧录共用同一套时间轴。
2. 自动建议剪辑：edit_engine 会标记去掉「呃/额/嗯嗯」等填充词、把 >0.8s 的停顿压到约 0.3s，并尝试丢掉重拍/假起句；结果写入 _edit_decisions.json。
3. 先开编辑器：每次调用都会先启动本地 Web UI（http://localhost:8765）。左侧时间轴里删除段为红、压缩间隙为蓝；右侧文稿可点句跳转、双击删/恢复、双击间隙条压缩；可改每行字幕文案并选颜色。底部预览为逐词变色（未读灰、当前/已读为所选色），与成片烧录一致。
4. 显式渲染：只有点击 「渲染视频」 才会执行 render.py：按决策做帧级重编码裁剪（不用 -c copy 贴关键帧），烧录带 \kf 的卡拉 OK ASS，输出到 input_subbed_render.mp4，不覆盖干净的 input_subbed.mp4。

边界与注意点

• 预览源必须是无烧录字幕的 H.264；手机/剪映常见的 HEVC 需先转码，否则浏览器无法预览，且旧字幕容易叠层。
• Whisper 在 CPU 上偏慢，可复用已生成的 transcript，不要关掉词级时间戳（卡拉 OK 依赖它）。
• 改 render.py、editor_server.py 等后需重启 8765 端口上的服务；端口占用时需结束旧进程再启。