Menu
口播视频转录和口误识别。生成审查稿和删除任务清单。触发词：剪口播、处理视频、识别口误、transcribe video
Instalar com Codex ou Claude Copie este prompt, cole no Codex, Claude ou outro assistente e deixe que ele revise a página da skill e instale para você.
Baseado na classificação ocupacional SOC
| name | podcastcut-transcribe |
| description | 口播视频转录和口误识别。生成审查稿和删除任务清单。触发词：剪口播、处理视频、识别口误、transcribe video |
在粗剪基础上，识别口误/重复/原审查稿未处理的删除 → 生成统一审查稿
用户: 识别口误 /path/to/v2.mp3
用户: 精剪准备
需要先完成粗剪：
/podcastcut-content → 生成 podcast_审查稿.md/podcastcut-edit-raw → 输出 v2 音频1. 加载原内容审查稿，提取未处理的删除标记
↓
2. FunASR 30s 分段转录（字符级时间戳）
↓
3. 检测静音（FFmpeg silencedetect，≥2s）
↓
4. 检测语气词（嗯/哎/诶，前后有停顿的）
↓
5. 检测叠词（连续重复字，如"会会"）
↓
6. 检测短语重复（N-gram，如"和大家都很关心的很和大家都很关心的"）
↓
7. 生成统一审查稿（合并所有来源）
↓
【等待用户确认】→ 用户确认后，执行 /podcastcut-edit-fine
关键：粗剪只能整句删，半句删除标记会被跳过。必须在精剪时处理。
def extract_unprocessed_deletions(original_review_path, chars):
"""从原审查稿提取未处理的半句删除"""
deletions = []
with open(original_review_path, 'r') as f:
content = f.read()
# 解析 ~~删除标记~~
pattern = r'~~([^~]+)~~'
for match in re.finditer(pattern, content):
deleted_text = match.group(1)
# 检查是否是半句（不是完整句子）
# 用字符级时间戳定位
time_range = find_text_in_chars(deleted_text, chars)
if time_range:
deletions.append({
'start': time_range[0],
'end': time_range[1],
'text': deleted_text,
'type': 'original_review'
})
return deletions
问题：叠词检测只能发现 "会会"，无法发现 "和大家都很关心的很和大家都很关心的"。
解决：N-gram 滑动窗口检测。
def detect_phrase_repetitions(text, chars, min_len=4, max_len=12):
"""检测短语级重复"""
repetitions = []
for phrase_len in range(min_len, max_len + 1):
i = 0
while i < len(text) - phrase_len:
phrase = text[i:i + phrase_len]
# 跳过纯标点/空格
if not any(c.isalnum() or '\u4e00' <= c <= '\u9fff' for c in phrase):
i += 1
continue
# 在后续文本中查找重复（允许中间有几个字的间隔）
search_start = i + phrase_len
search_end = min(i + phrase_len * 2 + 5, len(text))
rest = text[search_start:search_end]
if phrase in rest:
repeat_pos = rest.find(phrase)
# 找到重复，计算时间戳
first_start_idx = i
first_end_idx = i + phrase_len - 1
repetitions.append({
'phrase': phrase,
'first_start': chars[first_start_idx]['start'],
'first_end': chars[first_end_idx + repeat_pos + phrase_len]['end'],
'type': 'phrase_repeat',
'action': 'delete_first' # 保留第二个
})
# 跳过已处理的部分
i = search_start + repeat_pos + phrase_len
else:
i += 1
return merge_overlapping(repetitions)
| 场景 | 处理 | 示例 |
|---|---|---|
| 短语重复 | 保留第二个 | "和大家都很关心的很和大家都很关心的经常..." |
| 叠词口误 | 删第一个 | "会 |
| 合法叠词 | 不删 | "哥哥"、"慢慢"、"天天" |
输出一个合并所有来源的审查稿：
# 精剪审查稿
**输入**: v2.mp3 (粗剪后)
**时长**: 1:28:00
---
## 删除清单
### 原审查稿未处理 (N处)
粗剪跳过的半句删除：
- [ ] `(46.13-49.03)` ~~嗯我可以讲一下对~~ [原审查稿]
### 短语重复 (N处)
保留第二个，删除第一个：
- [ ] `(35.31-37.77)` ~~和大家都很关心的很~~ → 保留"和大家都很关心的经常..."
### 静音 (N处)
≥2s 的静音片段：
- [ ] `(120.50-123.80)` 静音 3.3s
### 语气词 (N处)
前后有停顿的独立语气词：
- [ ] `(45.20-45.85)` ~~嗯~~ 上下文: ...说的【嗯】然后...
### 叠词/口误 (N处)
- [ ] `(88.30-88.55)` ~~会~~会 (删第一个)
---
## 统计
| 类型 | 数量 | 时长 |
|------|------|------|
| 原审查稿未处理 | 1 | 2.9s |
| 短语重复 | 1 | 2.5s |
| 静音 | 15 | 45.0s |
| 语气词 | 42 | 25.0s |
| 叠词/口误 | 23 | 8.0s |
| **合计** | 82 | 83.4s |
<工作目录>/
├── transcript_chars.json # 字符级时间戳
├── silences.json # 静音检测结果
├── fillers.json # 语气词检测结果
├── repetitions.json # 叠词检测结果
├── phrase_repeats.json # 短语重复检测结果（新增）
├── 审查稿.md # 统一审查稿
└── deletions.json # 删除清单（供 edit-fine 使用）
VALID_REDUPLICATIONS = [
# 亲属称呼
'哥哥', '姐姐', '妹妹', '弟弟', '爸爸', '妈妈', '爷爷', '奶奶',
# 人名
'安安', '麦雅',
# 语气词叠用
'嗯嗯', '哦哦', '啊啊',
# 副词叠用
'常常', '满满', '整整', '刚刚', '慢慢', '渐渐', '稍稍', '偷偷',
'默默', '悄悄', '静静', '轻轻', '重重', '深深', '浅浅',
'多多', '少少', '大大', '小小', '高高', '低低',
'好好', '坏坏', '快快', '乐乐', '开开', '心心',
'天天', '年年', '月月', '日日', '夜夜',
'点点', '滴滴', '片片', '层层', '步步', '节节',
]
脚本位置：scripts/ 目录
FunASR 30s 分段转录，生成字符级时间戳。
python scripts/transcribe_chars.py <音频文件> <输出目录>
输出: transcript_chars.json
检测短语级重复（N-gram 滑动窗口）。
python scripts/detect_phrase_repeats.py <工作目录>
输入: transcript_chars.json
输出: phrase_repeats.json
使用时机: 转录完成后，检测如 "和大家都很关心的很和大家都很关心的" 这类短语重复。
从原审查稿提取未处理的删除标记。
python scripts/extract_original_deletions.py <工作目录> <原审查稿路径>
输入: transcript_chars.json + 原审查稿（含 ~~删除线~~）
输出: original_deletions.json
使用时机: 粗剪后，原审查稿中有半句删除标记未被处理时使用。
WORK_DIR="/path/to/project"
AUDIO="/path/to/v2.mp3"
ORIGINAL_REVIEW="/path/to/podcast_审查稿.md"
# 1. 转录（如果还没有 transcript_chars.json）
python scripts/transcribe_chars.py "$AUDIO" "$WORK_DIR"
# 2. 检测短语重复
python scripts/detect_phrase_repeats.py "$WORK_DIR"
# 3. 提取原审查稿删除标记
python scripts/extract_original_deletions.py "$WORK_DIR" "$ORIGINAL_REVIEW"
# 4. 生成统一审查稿（由 AI 合并各检测结果）
详见 tips/口误识别方法论.md：
新增短语级重复检测
和大家都很关心的很和大家都很关心的经常发生的 burn out新增扫描原审查稿
~~嗯，我可以讲一下对~~统一审查稿输出
重复处理规则：保留第二个
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