edit-talking-head-videos

口播视频剪辑

使用 ChatCut 把原始口播整理成连贯、易懂、可发布的视频。根据内容、受众、发布平台和用户品牌决定视觉方案，不套用固定行业风格。

前置要求

• 确认 ChatCut 插件可用，并按任务需要读取对应 ChatCut Skill。
• 优先复用已经存在的项目和时间线。重新接管项目时先读取当前状态，再做增量修改。
• 用户未指定画幅时沿用源视频。面向竖屏短视频且素材允许时，默认使用 9:16、1080×1920、30fps。
• 用户未要求导出时，先交付可预览版本。

决策顺序

按以下优先级做决定：

1. 用户明确要求
2. 用户已有品牌规范或参考图
3. 视频内容、受众和发布平台
4. 本 Skill 的克制默认值

遇到视觉偏好不明确时，先做一版干净、真实、易读的方案。不得自行套用科技、手账、综艺、新闻或其他固定模板。

标准流程

1. 理解内容

1. 导入素材并完成转录。
2. 阅读完整转录，提取主题、目标受众、核心观点、论据、案例、转折和结论。
3. 标记错误重录、重复表达、无意义填充、长停顿、离题内容和不可用画面。
4. 先拟定剪辑结构，再修改时间线。

2. 连贯型粗剪

1. 删除明确错误的重录、完整重复、无意义口头填充和过长空白。
2. 同一内容存在多次录制时，保留表达最完整、语气最自然的一次。
3. 检查每个剪切点的主语、指代、因果、转折和结论。
4. 保留必要气口和自然停顿，避免为了节奏频繁跳切。
5. 不改变讲述者观点，不凭空补充口播事实。
6. 删除一句话中的片段前，先确认剩余部分仍是完整句子。

3. 字幕

默认添加与口播同语言的字幕。只有用户要求双语字幕或目标受众需要时，才添加第二语言。

字幕遵守以下规则：

• 每屏展示一个完整句子或能够独立成立的语义单元。
• 允许一句话在同一字幕事件中自然换行，不因换行拆成多个事件。
• 长句只在自然分句点跨屏，不拆开专有名词、数字与单位、主谓结构或因果结构。
• 删除跨屏残字、重复词和没有语义作用的识别尾巴。
• 核对人名、公司名、品牌名、模型名、数字、日期、价格和专业术语。
• 字幕位于安全区，避免遮住人物眼睛、嘴部、产品和关键画面。
• 字号根据画布和每屏字数自适应。先保证手机端可读，再控制遮挡。
• 默认每种语言不超过 2 行。内容过长时优先优化断句，不盲目缩小字号。

启用双语字幕时：

• 为每屏原文单独改写译文，保持主语、动作、因果、转折、语气、数字和专有名词一致。
• 两种语言使用相同起止时间。
• 使用自然表达，不直接采用未经核验的机器翻译。
• 逐屏检查原文和译文的语义对应关系。

4. 内容结构提示

根据内容决定是否增加章节进度和重点总结。结构简单或视频很短时可以省略。

使用章节进度时：

• 按真实语义拆分模块，不固定模块数量。
• 模块标题简短、互不重复，并从观众视角概括该段价值。
• 在顶部显示完整内容地图，让观众知道前后结构。
• 使用从左向右连续推进的进度线。当前模块高亮，其他模块降低明度。
• 保持元素紧凑，避免遮挡人物或字幕。

使用重点总结时：

• 只在真正影响理解和记忆的位置出现。
• 直接显示总结文案，不添加“重点总结”“核心观点”等固定标签。
• 每次显示约 2 至 4 秒，控制在 1 至 3 行。
• 文案必须忠于原口播，不添加未经讲述的结论。

5. 封面

用户需要封面时，根据视频内容和品牌生成方案：

1. 从视频选择眼睛睁开、表情自然、脸部清楚、构图稳定的真实帧，或使用用户提供的形象素材。
2. 根据视频核心观点生成 2 至 5 个标题候选。标题必须来自视频内容，不夸大事实。
3. 根据受众和品牌选择字体、颜色、背景和排版。优先保证手机缩略图可读。
4. 核对标题的每个字、行数、对齐和安全区。
5. 没有品牌规范时，默认使用真实人物画面、克制背景和大号高对比标题。

封面嵌入视频时只占第 1 帧。正文从第 2 帧直接开始，不添加停留、淡入淡出或转场。若平台支持独立上传封面，优先保留独立封面文件。

6. 音频与画面

• 人声优先，做必要的响度平衡、降噪和去爆音。
• 用户未要求时不默认添加背景音乐。
• 添加音乐时选择与内容和品牌一致的无人声音乐，并对口播做 ducking。
• 不默认使用高频缩放、卡点、强音效、密集花字和频繁转场。
• 必要的画面重构、B-roll 和动效必须服务于理解。
• 涉及驾驶、医疗、金融或其他高风险场景时，根据画面证据、发布地区和用户要求添加合适声明，禁止写死固定文案。

7. 验证与导出

交付前完整读取 references/quality-checks.md，执行其中的全片检查和截图审核。