メニュー
环境准备。安装依赖、下载模型、验证环境。触发词：安装、环境准备、初始化、install videocut
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
SOC 職業分類に基づく
| name | podcastcut-install |
| description | 环境准备。安装依赖、下载模型、验证环境。触发词：安装、环境准备、初始化、install videocut |
首次使用前的环境准备
用户: 安装环境
用户: 初始化
用户: 下载模型
| 依赖 | 用途 | 安装命令 |
|---|---|---|
| funasr | 转录 + 口误识别 | pip install funasr |
| modelscope | 模型下载 | pip install modelscope |
| ffmpeg | 视频剪辑 | brew install ffmpeg |
首次运行自动下载到 ~/.cache/modelscope/：
| 模型 | 大小 | 用途 |
|---|---|---|
| paraformer-zh | 953MB | 语音识别（字符级时间戳） |
| punc_ct | 1.1GB | 标点预测（句子分割） |
| fsmn-vad | 4MB | 语音活动检测 |
| cam++ | ~100MB | 说话人分离 |
| 总计 | ~2.1GB |
| 阶段 | 功能 | 说明 |
|---|---|---|
| content（内容剪辑） | 转录 + 说话人分离 + 句子时间戳 | 一次调用 |
| transcribe（口误识别） | 转录 + 字符级时间戳 | 30s 分段 |
| subtitle（字幕生成） | 直接用转录结果 |
1. 安装 Python 依赖
↓
2. 安装 FFmpeg
↓
3. 下载 FunASR 模型
↓
4. 验证环境
pip install funasr modelscope
# macOS
brew install ffmpeg
# Ubuntu
sudo apt install ffmpeg
# 验证
ffmpeg -version
from funasr import AutoModel
# 下载全部模型（含说话人分离）
model = AutoModel(
model="paraformer-zh",
vad_model="fsmn-vad",
punc_model="ct-punc",
spk_model="cam++", # 说话人分离
)
print("FunASR 模型下载完成")
from funasr import AutoModel
model = AutoModel(
model="paraformer-zh",
vad_model="fsmn-vad",
punc_model="ct-punc",
spk_model="cam++",
disable_update=True
)
# 测试转录（用任意音频/视频）
result = model.generate(input="test.mp4", sentence_timestamp=True)
print("文本:", result[0]['text'][:50])
if 'sentence_info' in result[0]:
print("句子数:", len(result[0]['sentence_info']))
# 检查说话人分离
spk_ids = set(s.get('spk', 0) for s in result[0]['sentence_info'])
print("说话人数:", len(spk_ids))
print("✅ 环境就绪")
解决：使用国内镜像或手动下载
解决：确认已安装并添加到 PATH
which ffmpeg # 应该输出路径
解决：检查 Python 版本（需要 3.8+）
python3 --version
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