Menu
播客内容剪辑。生成带说话人和时间戳的逐字稿，AI标记建议删除的内容（寒暄、跑题、啰嗦、隐私）。触发词：内容剪辑、剪内容、content edit
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
使用 browser-use CLI 对 PodcastCut webapp 做浏览器验收。始终使用 headed 模式，覆盖打开页面、登录、上传指定音频、触发生成审查稿、刷新审查稿、手动标记删除、确认剪辑、核对 workspace 产物。触发词：browser validation、浏览器验证、用 browser-use 跑流程、上传音频验收
生成播客审查画布数据。根据当前工作区中的音频、转录、QA 报告和剪辑结果， 产出固定格式的 review_data.json，供右侧审查画布直接读取。 触发词：审查画布、review data、审查稿、生成播客审查
语音克隆 + 播客生成完整流程。 上传音频 → 转录 → 修正文稿 → 提取声音样本 → 克隆声音模型 → TTS 合成 → 合并成品音频。 全自动执行，无需用户逐步操作。 触发词：语音克隆、声音克隆、生成播客、克隆声音
音频剪辑。根据 delete_segments.json 删除指定片段，自适应淡入淡出，可选说话人音量对齐。触发词：剪辑、cut、编辑音频
将当前 webapp 发布到 Fly.io，并在发布前后做最小健康检查。 适用于前端或后端改动后的一键上线。触发词：deploy、发布、上线、推到 fly、fly.io
使用 browser-use CLI 对 webapp 做端到端验证。覆盖登录、上传音频、生成 review_data.json、刷新审查稿、手动标记删除、确认剪辑、验证 podcast_cut.mp3。触发词：browser e2e、端到端验证、验证网页剪辑、用浏览器跑流程
| name | podcastcut-content |
| description | 播客内容剪辑。生成带说话人和时间戳的逐字稿，AI标记建议删除的内容（寒暄、跑题、啰嗦、隐私）。触发词：内容剪辑、剪内容、content edit |
生成逐字稿 → 生成审查稿（话题级大纲 + 句子级删除建议）→ 用户审核 → 执行剪辑
用户: 帮我剪掉播客里的废话
用户: 内容剪辑
用户: 生成逐字稿，标记要删的内容
["Maia", "响歌歌", "安安"]注意：不单独输出逐字稿文件，审查稿已包含完整逐字稿
| 层级 | 位置 | 粒度 | 适用场景 |
|---|---|---|---|
| 话题级 | 审查稿 第一部分（内容大纲） | 5-30分钟/块 | 快速粗剪，删除整段跑题/闲聊 |
| 句子级 | 审查稿 第三部分（正文） | 逐句内联标记 | 精细调整，查看上下文 |
1. 转录音频（FunASR + 句子级时间戳 + 说话人分离）
↓
2. 静音检测（FFmpeg silencedetect，识别大段空白）
↓
3. 生成逐字稿（带说话人标签）
↓
4. AI分析：识别话题结构 + 标记建议删除
↓
5. 输出审查稿（内容大纲 + 静音片段 + 删除建议）
↓
【用户在审查稿上直接修改删除标记】
↓
6. 执行剪辑 → /podcastcut-edit（从审查稿解析删除标记）
| 功能 | 实现 |
|---|---|
| 转录 | FunASR（必须用完整模型路径，见下方代码） |
| 时间戳 | 句子级（自动返回 sentence_info） |
| 说话人分离 | FunASR 内置 CAM++ 模型 |
| 静音检测 | FFmpeg silencedetect（阈值 -40dB，最小时长 3s） |
不要自己写代码，直接调用现成脚本：
# 转录（输出 podcast_transcript.json）
python ~/.claude/skills/podcastcut-content/scripts/transcribe.py <音频文件> <输出目录>
# 生成逐字稿（输出 podcast_逐字稿.md）
python ~/.claude/skills/podcastcut-content/scripts/generate_transcript.py \
<transcript.json> <输出.md> '{"0":"响歌歌","1":"麦雅","2":"安安"}'
为什么不能自己写？ FunASR 必须使用完整模型路径 + VAD + Punc + Speaker 四个模型才能获取 sentence_info。简化写法（如 model="paraformer-zh"）会导致转录失败。
性能参考、常见问题见
tips/转录最佳实践.md
为什么用句子级而非字符级？ 字符级 + 说话人分离在长音频上不稳定（OOM、对齐错误）
本 Skill 只删除整句，更精细的删除（半句、语气词）留给 /podcastcut-transcribe
**Maia** 00:05
开始了。
**响歌歌** 00:06
是吗？
**Maia** 00:08
开心的OK。Hello，大家好，欢迎来到今天的5点1刻，我是主播Maia。今天我们聊点开心的话题。
**响歌歌** 00:20
我是主播响歌歌。好的，那我们开始吧。
| 元素 | 格式 |
|---|---|
| 说话人 | **名字** 加粗 |
| 时间戳 | MM:SS 或 HH:MM:SS（说话人开始时间） |
| 内容 | 同一说话人的内容连在一起，不逐句换行 |
| 换人 | 空一行 |
审查稿整合了话题级大纲和句子级删除建议，一个文件完成审核。
# 播客审查稿
**文件**: podcast.mp3
**总时长**: 2:08:07
---
## 一、内容大纲（话题级）
| # | 话题 | 时间 | 时长 | AI建议 | 原因 |
|---|------|------|------|--------|------|
| 1 | 片头寒暄 + 技术调试 | 00:00 - 04:45 | 04:45 | 🗑️ 删除 | 录制准备、技术问题 |
| 2 | 正式开场 + 嘉宾介绍 | 04:45 - 07:00 | 02:15 | ✅ 保留 | 播客正式开始 |
| 3 | 闲聊：嘉宾背景 | 05:48 - 07:01 | 01:13 | 🗑️ 删除 | 与主题无关 |
| 4 | 主题讨论 | 07:01 - 40:00 | 32:59 | ✅ 保留 | 核心内容 |
| 5 | 录制讨论（中间） | 49:59 - 51:13 | 01:14 | 🗑️ 删除 | 讨论剪辑事宜 |
**统计**: 建议保留 2:03:21 | 建议删除 08:12
**操作**: `删除话题 1, 3, 5` 或 `只保留话题 2, 4`
---
## 二、静音片段
| # | 时间 | 时长 | 位置说明 |
|---|------|------|----------|
| 1 | 12:34 - 12:48 | 00:14 | 话题2和话题3之间 |
| 2 | 35:20 - 35:58 | 00:38 | 嘉宾思考停顿 |
| 3 | 1:02:15 - 1:02:45 | 00:30 | 中途断线/静音 |
**统计**: 共 3 处静音，总时长 01:22
**操作**: `删除所有静音` 或 `删除静音 1, 3`（保留2，可能是有意停顿）
---
## 三、统计
- 总句子数: 3390
- 建议删除: 377 处
- 静音片段: 3 处（01:22）
### 按类型
- 片头寒暄: 31处
- 闲聊-个人背景: 23处
- 技术调试: 15处
- 录制讨论: 6处
- 隐私-公司名: 5处
- 隐私-地点: 4处
- 隐私-学校名: 3处
---
## 四、正文（逐字稿 + 删除标记）
**⚠️ 必须包含完整逐字稿，从第一句到最后一句，不能省略任何内容！**
错误做法：`（后续内容为主题讨论，保留...）` ← 不允许！
正确做法：输出所有句子，无论是否标记删除
完整逐字稿，AI建议删除的内容用 ~~删除线~~ 标记并注明原因。同一说话人的内容连在一起，不逐句换行。
**响歌歌** 00:00
~~行呗，对，你们应该没有听到噪音吧。因为我记得好像上一上，上次我们是用这个是有噪音的，就跟那个心理心理咨询那那那次嗯，对，那这次应该好了。~~ `[删除: 片头寒暄]`
**麦雅** 00:23
~~我把这个这个 dog 打开好哦，~~ `[删除: 片头寒暄]`
**安安** 00:27
~~我也打开一下自我介绍。~~ `[删除: 片头寒暄]`
...
**麦雅** 04:50
Hello，大家好，欢迎来到今天的五点一刻，我是主播麦雅。
**响歌歌** 04:58
我是主播响歌歌。
**麦雅** 05:02
今天我们请到了一位特别的嘉宾安安。
**安安** 05:08
大家好，我是安安。
...
**安安** 15:32
~~我之前在Google工作的时候~~ `[删除: 隐私-公司名]` 我之前工作的时候，遇到过类似的情况。
...
**麦雅** 49:59
~~这段要不要剪掉？~~ `[删除: 录制讨论]`
**响歌歌** 50:02
~~嗯，回头看看吧。~~ `[删除: 录制讨论]`
**安安** 50:05
~~我觉得可以保留。~~ `[删除: 录制讨论]`
...
（完整逐字稿继续...）
| 部分 | 内容 | 用途 |
|---|---|---|
| 一、内容大纲 | 话题级表格 | 快速了解结构，整块删除 |
| 二、静音片段 | 大段空白列表 | 删除无声段落 |
| 三、统计 | 删除数量按类型汇总 | 一眼看出删除规模 |
| 四、正文 | 完整逐字稿 + 内联删除标记 | 查看上下文，逐句审核 |
| 话题类型 | 识别方式 |
|---|---|
| 片头寒暄 | 正式开场（"大家好"）之前的内容 |
| 正式开场 | "Hello/大家好" 开始的段落 |
| 闲聊 | 与主题无关的个人背景讨论 |
| 主题讨论 | 围绕播客主题的核心内容 |
| 录制讨论 | 讨论剪辑、内容取舍的段落 |
| 片尾 | "好，那今天就到这" 等收尾语 |
| Skill | 关注点 | 处理内容 | 时间戳粒度 |
|---|---|---|---|
/podcastcut-content | 内容语义 | 片头、跑题、隐私、啰嗦、大段静音 | 句子级 |
/podcastcut-transcribe | 口误技术 | 语气词、口误、短停顿、半句删除 | 字符级 |
本 Skill 聚焦内容层面：什么该删、什么该留，是语义判断，删除整句。 口误识别是技术层面：需要更精细的规则（重复字、停顿模式），使用字符级时间戳。
为什么这样分工？
| 类型 | 标记 | 示例 |
|---|---|---|
| 片头寒暄 | [删除: 片头寒暄] | "开始了吗？" "能听到吗？" |
| 片尾闲聊 | [删除: 片尾闲聊] | "好，那就这样" "拜拜" |
| 录制相关 | [删除: 录制相关] | "这段重录" "等下剪掉" |
| 跑题内容 | [删除: 跑题] | 与主题无关的讨论 |
| 啰嗦重复 | [删除: 啰嗦] | 大段重复表达同一观点 |
| 隐私-公司 | [删除: 隐私-公司名] | "我在Google工作" |
| 隐私-人名 | [删除: 隐私-人名] | "我同事张三说" |
| 隐私-地点 | [删除: 隐私-地点] | "我住在xxx" |
| 长静音 | 审查稿第二部分单独列出 | 3秒以上的无声片段 |
| 类型 | 说明 |
|---|---|
| 口头禅/语气词 | "嗯"、"就是说"、"然后"、"对对对" |
| 口误 | 说错了重说 |
| 短停顿 | 句中小停顿（< 3秒） |
注意：大段静音（≥3秒）由本 Skill 处理，短停顿由 /podcastcut-transcribe 处理。
为什么口头禅不在这里处理？ 口头禅的识别需要更精细的规则（连续重复、停顿模式），属于技术层面而非内容语义。
关键词匹配不够用！ 基于规则的方法无法识别：
必须用 Claude 分段分析逐字稿，质量为先。
1. 将逐字稿按15分钟分段
2. 每段发送给 Claude 分析，识别建议删除的内容
3. Claude 返回：句子索引 + 删除类型 + 原因
4. 合并所有段的结果，生成审查稿
对每段逐字稿，使用以下 prompt：
你是播客内容审核助手。分析以下逐字稿，识别建议删除的句子。
## 删除类型
1. **片头寒暄**：正式开场（"大家好"）之前的闲聊、技术调试
2. **录制讨论**：讨论剪辑、录制状态、技术问题、"这段要不要剪"
3. **隐私-公司名**：提到具体公司名（Google、Meta、字节等）
4. **隐私-学校名**：提到具体学校名（Stanford、清华等）
5. **隐私-地点**：提到具体地点（Palo Alto、硅谷等）
6. **隐私-人名**：提到具体人名（非公众人物）
7. **跑题/闲聊**：与播客主题无关的讨论（个人背景闲聊、地理讨论等）
8. **啰嗦重复**：同一观点反复说、大段重复
## 输出格式
对每个建议删除的句子，输出：
- 句子时间戳
- 删除类型
- 原因（简短说明）
只标记需要删除的句子，不需要标记的跳过。
## 逐字稿
{transcript_segment}
| 类型 | 识别要点 |
|---|---|
| 片头寒暄 | 正式开场前的所有内容，包括技术调试、聊天 |
| 录制讨论 | "剪掉"、"录上了吗"、"这段太敏感"、"回头剪" |
| 隐私信息 | 公司名、学校名、地点、人名 |
| 跑题/闲聊 | 与主题无关：住哪里、哪年来的、学校怎么样 |
| 啰嗦重复 | 同一意思说3遍以上 |
嘉宾介绍后的闲聊特别容易漏检，注意这些信号：
不只在片头！ 全程可能出现：
使用 FFmpeg 的 silencedetect 滤镜检测大段空白。
ffmpeg -i video.mp4 -af "silencedetect=noise=-40dB:d=3" -f null - 2>&1 | grep silencedetect
| 参数 | 说明 | 推荐值 |
|---|---|---|
noise | 静音阈值（低于此音量视为静音） | -40dB |
d | 最小静音时长（秒） | 3（内容剪辑关注大段空白） |
[silencedetect @ 0x...] silence_start: 752.341
[silencedetect @ 0x...] silence_end: 766.512 | silence_duration: 14.171
解析 silence_start 和 silence_end 生成静音片段列表。
| 场景 | noise | d（最小时长） |
|---|---|---|
| 内容剪辑（本Skill） | -40dB | 3秒 |
| 口误识别（精细） | -50dB | 0.5秒 |
为什么用 3 秒？ 短于 3 秒的停顿可能是自然的思考间隙，不建议删除。
podcast_transcript.json # 句子级时间戳 + 说话人（供剪辑使用）
podcast_审查稿.md # 审查稿（包含完整逐字稿 + 删除标记）
⚠️ 只输出审查稿，不单独输出逐字稿
审查稿第四部分"正文"就是完整逐字稿，无需重复输出。
{
"file": "podcast.mp3",
"duration": 3600.5,
"sentences": [
{"text": "大家好，", "start": 0.50, "end": 1.20, "spk": 0},
{"text": "欢迎来到今天的播客。", "start": 1.20, "end": 2.80, "spk": 0},
{"text": "我是主播小明。", "start": 2.80, "end": 3.90, "spk": 1},
...
]
}
用户可能直接在审查稿中修改删除标记（添加/移除删除线），此时删除清单会过时。
规则：
podcast_删除清单.json解析方法：扫描审查稿中 ~~删除线~~ 标记的文本，匹配 transcript.json 中的时间戳。
/podcastcut-content → 内容剪辑（语义层面）← 本 Skill
/podcastcut-edit → 执行剪辑
/podcastcut-transcribe → 口误识别（技术层面，可选）
/podcastcut-subtitle → 生成字幕
推荐流程：
原始视频
↓
/podcastcut-content ← 标记大段内容（寒暄、跑题、啰嗦、隐私）
↓
/podcastcut-edit ← 执行删除，输出 v2
↓
【可选】还需要处理口误？
↓ 是
/podcastcut-transcribe ← 识别口误、语气词、静音
↓
/podcastcut-edit ← 执行删除，输出 v3
↓
完成
为什么先删内容再处理口误？
FunASR 内置说话人分离功能（spk_model="cam++"），自动输出说话人ID。
FunASR 转录（启用 spk_model）
↓
输出带说话人ID的句子（说话人0、说话人1...）
↓
搜索自我介绍确认 ID 对应的真实人名
↓
生成审查稿时替换为真实名字
不要直接用用户提供的顺序！ 必须在转录结果中搜索自我介绍短语确认：
# 搜索关键短语确定说话人映射
key_phrases = ["我是主播", "我是xxx", "大家好我是"]
for s in sentences:
for phrase in key_phrases:
if phrase in s['text']:
print(f"spk{s['spk']}: {s['text']}") # 确认 spk ID 对应谁
| 问题 | 原因 | 解决 |
|---|---|---|
| 同一人被分成多个 ID | FunASR 识别不稳定 | 将多个 ID 映射到同一人名 |
| ID 数量多于实际人数 | 如上 | 根据自我介绍合并多余 ID |
| 分段转录后 ID 错位 | 每段 ID 独立重置 | 优先用整体转录，避免分段 |
| 条件 | 效果 |
|---|---|
| 2-10人对话 | 效果好 |
| 音频 < 30s | 效果下降 |
| 超过10人 | 效果下降 |
| 分段转录 | 说话人 ID 可能不一致 |
启动时创建：
- [ ] 转录音频（FunASR，句子级 + 说话人分离）
- [ ] 静音检测（FFmpeg silencedetect）
- [ ] 生成逐字稿
- [ ] AI分析：识别话题结构 + 标记建议删除
- [ ] 输出审查稿（含静音片段）
- [ ] 等待用户确认
用户: 帮我剪掉播客里的废话，说话人是 Maia 和响歌歌
AI: 好的，我来处理这个播客。
1. 转录音频...
2. 静音检测...
3. 生成逐字稿...
4. 分析内容...
已生成审查稿：podcast_审查稿.md
=== 内容大纲（话题级）===
| # | 话题 | 时长 | AI建议 |
|---|------|------|--------|
| 1 | 片头寒暄 | 04:45 | 🗑️ 删除 |
| 2 | 正式开场 | 02:15 | ✅ 保留 |
| 3 | 闲聊：嘉宾背景 | 01:13 | 🗑️ 删除 |
| 4 | 主题讨论 | 32:59 | ✅ 保留 |
=== 句子级统计（按类型）===
- 片头寒暄：12处
- 录制讨论：8处
- 隐私信息：5处
- 跑题闲聊：3处
请在审查稿中检查删除标记，调整后告诉我执行剪辑。
用户: [在审查稿中添加/移除了一些删除标记] 好了，按审查稿剪
AI: 好的，从审查稿解析删除标记...
- 找到 25 处删除标记
- 删除总时长：06:32
执行剪辑...
podcast_逐字稿.md，明确只输出审查稿~~删除线~~，然后说「按审查稿剪」sentence_info
model="paraformer-zh" + spk_model="cam++" + sentence_timestamp=True/podcastcut-transcribe（字符级）timestamp_granularity="character" 获取字符级时间戳~~嗯，这个要就是具体为什么...~~，删除清单只有 嗯，~~删除线~~ + [删除: 原因] 内联标记/podcastcut-transcribe 处理/podcastcut-edit