詹明明·口播剪辑

zmm-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 /zmm-topic /zmm-script /zmm-review。 本技能不改文案 —— 稿子在拍摄时就定稿了，这里只处理他实际说出来的那一版。

〇、启动顺序（不要跳）

1. 🔴 ChatCut 强制前置：本会话第一次调用任何 ChatCut 工具之前， 必须先 Skill{"skill":"chatcut:chatcut-plugin-basics-claude"} 并等它加载完。 不要和 ChatCut 工具调用打包在同一轮。
2. Skill{"skill":"chatcut:talking-head-guide"} —— 口播剪辑的执行规范
3. 读 zmm/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）
   • zmm/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）
4. 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）
5. 读记忆 {vault}/08-技能记忆/zmm-cut/ + _通用/
6. 🔴 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

⚠️ 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）

🟢 詹明明 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。

字幕规格（🔴 已固化）

---

二、工作流（五步，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）。

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 1.15× → 停，确认节奏
④ 字幕 + 高亮   → 停，让用户选高亮关键词
⑤ 交付         → 只有用户明确说要导出/下载才导

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）

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. 再做语义判断：选最好的那一遍、清假开头、删重复和失败的尝试、保留有用的铺垫和上下文
5. apply_script 落到时间轴
6. 读回来检查：逻辑断没断、上下文丢没丢、删过头没有、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。

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。

---

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。

⚠️ D2b：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

• 不在没加载 chatcut-plugin-basics-claude 的情况下调 ChatCut 工具
• 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）？

写入 {vault}/08-技能记忆/zmm-cut/，先查重。

---

不知道下一步 → 回 /zmm。