iamzifei/aikey/aikey-cut

本技能原名 /zmm-…，v1.0.0 起改名为 AI KEY（/aikey-…），旧名字不再更新。老用户升级见 README。

aikey-cut：口播成片剪辑

它管的是「拍完之后」。 拍之前的选题、写稿、审核归 /aikey-topic /aikey-script /aikey-review。

## 🔴 边界：只删和重排，不加词（2026-09-05 说清楚）

这里只处理他实际说出来的那一版。在那一版之内：

| ✅ 能做 | ❌ 不能做 |

|---|---|

| 删（废镜头、重复、水词、行话、断尾） | 加任何他没说过的词 |

| 重排（容器层调顺序、把结果提到最前面） | 顺句子、改语序、替换措辞 |

| 把补拍并进原素材 | 重排他推导结论的那一段（见 references/内容层重组.md §二.3） |

⚠️ 「本技能不改文案」的意思是不加词，不是不许动。

按文案规则做删除和重排，正是这个技能的主战场。

〇、启动顺序（不要跳）

1. 🔴 先探环境，再决定怎么走（2026-09-05 订正）：

• 有 ChatCut 插件版前置技能的宿主 → 先加载它，不要和 ChatCut 工具调用打包在同一轮
• Desktop MCP 直连（工具名形如 chatcut_desktop/*）→ 没有那个前置技能，

按服务端要求先跑一次只读定位（get_active_project）确认目标工程

• 一个都没有 / 报 signed out → 走 references/ChatCut实操.md §一 的降级路径：

告知下载 + 本机转写旁路（内容层的活全部不需要 ChatCut）

1. chatcut-talking-head-guide —— 口播剪辑的执行规范
2. 读 aikey/references/家族公约.md（读不到 → 明说「公约读不到，红线无法保证」并停下）

• aikey/references/交互规范.md（🔴 不是读一遍就算：收尾按 §四 三件套 —— Recap · Before/After · 下一步给编号选项；缺信息按 §四 用选择题问，一次只问一个；不适用的情况见 §五）

1. 读 {vault}/00-规则与索引/口播拍摄基线.md（时间/地点/穿着一次定死）
2. 读记忆 {vault}/08-技能记忆/aikey-cut/ + _通用/
3. 🔴 要动内容（不只是去口癖）时，读 references/内容层重组.md
4. 🔴 第一次调 ChatCut 工具前，读 references/ChatCut实操.md（三个实测踩过的工具坑）

• 要生成 B-roll / 特效 / 转场时，再读 references/生成素材.md

1. 🔴 剪完之后必须回到 `口播稿输出格式.md` §四之下「上传版」 —— 见本文 §五

本技能内置判据在 references/规则卡.md（判据 / 为什么 / 怎么查 / 强度），开工前读一遍；{vault} 里有对应的规则文件时以 vault 为准、规则卡为底。

⚠️ 按需读，不要一次读完。 本技能只在「拍完 → 成片」这一段， 不需要读选题层和写稿层的文件。

一、账号默认参数（🔴 已固化，不要再问用户）

🟢 澳洲AI教父 2026-08-27 定。这些是默认值，不是每次都要确认的问题。

用户没有说要改，就直接用；用户说了别的，以用户当次说的为准。

⚠️ 下表是「这一个账号」的实测值，不是通用推荐。

有 config 就从 `config` 读；读不到就先问是不是澳洲AI教父账号：是才用下表，不是就逐项问，不套用。

换账号 / 换题材时，正文流程照走，只换这张表。

字幕规格（🔴 已固化）

二、工作流（七步，每步之间必须停）

🔴 talking-head-guide 硬规则：多个处理之间有依赖，必须按顺序定稿，且每一大步之后单独跟用户确认，不许把多个 checkpoint 打包成一条回复。

上游改了，下游全部要重做（字幕对着加速前的时间轴写 = 全废）。

⓪ 素材清点与合并 → 停，说清有几条素材、哪条是补拍、要不要合并
① 素材进项目     → 停，确认转录出来了
② 语音剪辑       → 停，确认「他实际说的」这一版对不对
③ 整体加速       → 停，确认节奏（倍速见 §一）
④ 字幕 + 高亮     → 停，让用户选高亮关键词
④b B-roll / 生成素材（用户明确要才做）→ 停，确认配哪几句、用真素材还是生成
⑤ 交付           → 只有用户明确说要导出/下载才导
⑥ 导出后验文件本身 → 抽帧确认字幕/B-roll/打码都烧进去了

⓪ 素材清点与合并（2026-09-05 加）

技能原来默认只有一条素材。实际经常是两条以上（原片 + 补拍、多机位、多次录）。

• 先逐条转写，分开读，不要一上来就拼
• 说清哪条是主素材、哪条是补拍，补拍要盖在哪一段
• 🔴 补拍进来就必须做「逐字重复扫描」 —— 见 references/内容层重组.md §二.2
• 合并按新顺序排，不是把补拍接在末尾

① 素材进项目

• 先 list_projects / create_project / target_project 定下项目，再做别的
• 项目一建好立刻把编辑器亮出来（preview_start），让用户能看着进度
• 素材有三条路进来：用户在编辑器里直接传 · 会话里给了本地路径（走 asset-import）· 用户已经传好了（先 browse_assets 找，不要上来就说找不到）
• 等转录出来就可以开工，不用等原始字节传完（A-roll 只要文字稿）

② 语音剪辑（本技能的主战场）

🔴 这一步分两层，不要混着做：

机械层（固定口癖、批量停顿）不需要理解意思，工具能做；

内容层（哪些留、哪些删、哪些换位置）必须理解意思，判据在 references/内容层重组.md。

⚠️ 只做机械层 = 只是把片子擦干净，没有改善它。

用户说「剪一下」通常两层都要，但内容层的每一处删改都要说清理由。

严格按 talking-head-guide 的 A-roll 流程：

1. read_script → 读一遍 timeline.md，看清结构
2. 先跑机械清理（clean_script）：只处理固定口癖（呃/额/嗯）和长停顿
3. 🔴 跑完必须重读刷新后的 `timeline.md` —— 之前读的已经过期
4. 再做内容层判断 —— 按 references/内容层重组.md 的五条判据走：

识别废镜头 · 逐字重复扫描（补拍必做）· 推理链不许为悬念重排 · 开场要同时有钩子和共鸣 · 删之前问「删掉之后还讲得清楚吗」

1. apply_script 落到时间轴
2. 读回来检查：接缝逻辑（缺不缺一座桥）· 前后一致性 · 相对时间还成不成立 ·

结尾完不完整 · 停顿是不是太紧

🔴 这个账号特有的三条，别按通用规则剪掉

🔴 判据：这个词删掉之后，这句话是变干净了，还是变得像稿子了？变得像稿子 = 别删。

停顿口径

• 明显长停顿（>0.8–1s）→ 压到约 0.3s
• 句子之间保留 0.3–0.5s —— 别压没了
• 转折、对比、强调处的停顿要留住，那是设计好的（稿子里标了 ⏸⏸ 的地方）
• 句内正常呼吸 → 不动

③ 整体加速 1.15×

🔴 必须在语音剪辑定稿之后做，顺序反了字幕全部要重来。 统一加速，不是逐段调速 —— 逐段调会让语调忽快忽慢。

④ 字幕 + 高亮

按 talking-head-guide 的 captions 规范，套 §一 的固化规格。

🔴 高亮关键词不许我替他定。 做法：

1. 通读字幕，挑出每 8–12 秒一个的候选关键词（挑判断句、数字、转折词、落点句里的核心词）
2. 列出来给用户选，标清在第几秒、原句是什么
3. 用户勾完再上高亮

⚠️ 不要整句高亮 —— 高亮的作用是让眼睛在滑动中停一下，整句高亮等于没高亮。

④b B-roll / 生成素材（用户明确要才做）

放在加速和字幕之后：时间轴定了，才知道每句话占几秒。

1. 素材来源二选一：用户自己的真素材（按 references/ChatCut实操.md §四 筛）/ 生成
2. 要生成 → 按 references/生成素材.md：

• 逐句判能不能配生成画面。🔴 证言类一律不配：「我做过」「真实发生」、数据截图都算
• 列表给用户勾选，勾完再写提示词
• 交给 chatcut-video-gen 出片（家族公约「归口调用」）。🔴 提交前报条数、时长、模型，等他确认花费

1. 出片后逐条看（乱码字、变形的手和脸、质感接不接得上），不合格的不硬用；放进时间轴后把生成素材静音（Seedance 一定带声音），切走长度按 references/ChatCut实操.md §四 剪短
2. 🔴 发布提醒：打开平台的「AI 生成」声明，不去掉生成工具的水印

⑤ 交付

🔴 默认交付的是「可编辑的 ChatCut 时间轴」，不是 MP4。 只有用户明确说导出 / 渲染 / 下载 / 最终交付才走 submit_export → track_export。 「剪一下」「清理一下」「做个版本」都不算导出意图。

二b、🔴 验收纪律：元数据会说谎（2026-09-05 加，实测三次）

行数、文字、画面，只能以全尺寸渲染帧为准。

每一大步之后固定验两样：

1. 数字 —— 帧数 / 时长 / 段数，和预期对不对得上
2. 画面 —— 渲全尺寸帧，不看缩略图下结论

⚠️ 缩略图只用来做「挑哪一帧」的粗筛。 详见 references/ChatCut实操.md §三。

三、红线（剪辑环节独有）

四、说给谁听

单人自采自编。 拍摄、剪辑、发布都是他一个人：

• 方案要能一个人执行完，不假设有剪辑师
• 直接给判断和动作，不写「供参考」
• 零术语：不说「A-roll」，说「他说话那条主轨」；不说「ripple」，说「后面的会跟着往前挪」

五、🔴 剪完必须回填（这一步最容易漏）

成片发出去之后，把实际播出的文字稿转录回来，写进稿件的「上传版」那一节。 规范见 {vault}/00-规则与索引/口播稿输出格式.md §四之下「上传版」。

三块，缺一不可：

1. 上传版全文（代码块 + 行号 + 气口）—— 🔴 只改 ASR 听错的专名和错别字，不改语序、不补顺句子
2. 差异表（文案版 vs 他实际说的）—— 类型只用五个：加 / 删 / 改措辞 / 换结构 / 调顺序
3. 从差异提炼的规则 → 入库

🔴 为什么不能省：稿子是写的，播出版是他说的。

两者之间每一处差异，都是他用嘴投出来的一票 —— 那是这个系统里最诚实的反馈。

⚠️ 例外：差异表里「改措辞」那一栏不适用「默认他的更好」—— 口述比写作更容易临场钝化。凡 AI 版更锋利的，单独标出来问。

六、绝对不做

• 不在没探清环境的情况下就调 ChatCut 工具（见 §〇.1）
• 不用 `apply_script(preview:true)` 当只读预览 —— 它会报错的同时部分提交
• 不在改完字幕字号/框宽后复用旧的 Card id —— 会重新分页，id 是内容哈希
• 不拿工具回执和元数据当验收依据 —— 见 §二b
• 不编 ChatCut 的功能、路径、价格、版本号 —— 会变的产品事实要去查官方 Docs 当前页
• 不把多个 checkpoint 打包成一条回复
• 不自作主张加背景音乐 / B-roll / MG / 转场 —— 用户没要就不做
• 不未经确认就提交视频生成 —— 要花钱，一次只提交用户勾过的那几条
• 不替用户选高亮关键词
• 不用本地 ffmpeg 压一个拍平的 MP4 当主交付物（ffmpeg 只用于只读检查源文件）
• 不因为「剪一下」就去导出

七、记忆

结束前自查：

• 用户否了哪种剪法（记「纠正」，例：「口语噪声不许清」）？
• 哪个参数被实测验证有效（记「有效方法」，带数值）？
• 踩到了工具的哪个坑（记「纠正」，带取证方法：怎么发现的、怎么证伪了错误猜测）？

写入 {vault}/08-技能记忆/aikey-cut/，先查重。

不知道下一步 → 回 /aikey。