中文口播智能粗剪

解决的问题

中文口播视频的粗剪往往卡在「听」和「删」之间。手工粗剪要么对着波形猜毫秒，要么只删掉几个「然后」「嗯」，结果前摇、收工、作废 take 和跑题内容仍然留在成片里；反过来，粗暴按比例压缩又容易切掉主讲人真正想保留的方法、数字、案例和承接逻辑。本技能要处理的不是「抠几个口水词」，而是一套可复核的删减裁决流程。

工作方式

技能维护两份真值：segments.json 提供词级时间戳，供机器读取；timeline.md 是给人编辑的逐字稿，所有删减裁决只发生在这个文件上。主流程按顺序执行：

1. 探测原片，生成 meta.json 与 16kHz 单声道 audio.wav。
2. 调用火山语音识别生成词级转写，写入 transcript.json。
3. 生成机器可读的 segments.json 与可编辑的 timeline.md。
4. 在 timeline.md 上做四关裁决：说话人过滤、找真正话头和话尾、归纳主线、逐句清理。
5. 通读剪后逐字稿，完成结构、逐句漏清和信息损失审计。
6. 生成 final_cuts.json 切割清单，渲染 preview.mp4。
7. 输出 剪辑报告.md，列出删减位置与待确认项。

其中只有第 4 步需要人工或 Agent 做内容判断，其余步骤调用 scripts/ 中的现成脚本。编辑语法包括 ~~词~~ 标记句内划删、删除整行表示整句删除，以及 %待确认：理由% 标记存疑内容。

关键规则与边界

病句不等于无效内容。 主讲人即使出现口误、ASR 错字或重复，只要句中包含独有方法、人物身份、数字或因果信息，就优先局部划删并保留骨架，不能因为「大意能接上」而整句删除。每一处删除都要做承接测试，确认前后句主语、指代和论证关系仍然成立。

自动转写依赖用户自己的火山 ASR 与 TOS 配置。首次使用时技能会以交互方式引导完成开户，而不是直接抛出字段表；任务前会说明音频临时上传、识别和存储可能产生费用，并要求用户确认。有本地合格词级转写时可跳过上传环节。

带货、引流内容还必须通过广告法绝对化用语等合规检查，合规要求优先于「保守保留」。另外，原片始终只读，所有中间产物写入任务目录；拿不准的内容会保留并标记 %待确认%，不会为了凑时长而删除有效论证或连接骨架。