自动混剪视频完整制作工作流

解决什么问题

已有最终中文脚本和配音音频时，混剪视频常卡在字幕时间轴、4:3 画面裁切、素材去重、封面风格统一和剪映草稿同步上。该技能把交付目标固定为：2160x2880、25 fps 的竖屏 MP4，嵌入黑金 3:4 封面，逐行中文字幕与口播严格对应，并输出素材清单、shotlist 和 QA 报告。

技能如何工作

它以配音音频为唯一时间轴：先用 ASR 获取词级时间戳，再回对齐用户原稿；字幕只保留口播字符，要求全文去空白、去标点后与脚本完全一致。随后按“时长优先”建立分镜表，为每个镜头寻找唯一来源，禁止循环、ping-pong、冻结延长或重复拼接。画面被裁切为干净 2160x1620 素材，再合成黑底 4:3 窗口；封面用图像生成并作为第 0 帧。最终用 ffmpeg / ffprobe 完成缩放、调色、混音、包装和校验，目标是 -16 至 -14 LUFS、真峰不高于 -1 dBFS。

适用边界

需要本地具备 ffmpeg、可出时间戳的转写和封面图像生成能力；缺可选插件不应阻止最终 MP4。若脚本或配音音频缺失，且没有安全回退，应先补齐资产。素材应保留来源页、授权说明和哈希记录，避免仅靠文件名判断唯一性。