剪辑诊断大师：先方案、再三道门、最后验片

一页说明

• 给谁用：剪自己的口播、录屏教程、知识/判断类短视频的创作者。用剪映、Premiere、ffmpeg 或自己写代码渲染都行，本技能管“剪什么、怎么放行、怎么验”，不绑定工具。
• 解决什么问题：
  1. 剪出来像“静态幻灯 + 底部字幕 + 一条音轨”，没有真剪辑感；
  2. 整片渲完才发现叠字、底图错页、时长错位，整片重来，反复几轮；
  3. 信息卡只是把字幕再抄一遍；
  4. 合成配音的语速凭感觉调。
• 原来：凭感觉剪 → 整片渲染 → 发现问题 → 整片重来。
• 现在：EDL 方案 → 方案体检 → 门 1 关键帧 → 门 2 样片 → 门 3 全片抽帧审计 → 交付，每一步有检查点，前一步没过不进下一步。（能少返工几次，取决于你的素材和工具，本技能不承诺具体次数。）
• 产出：edl.csv（剪辑方案表）、方案体检报告、三道门的放行记录、成片审计报告（report.md、抽帧、联系表、人工验片清单）、一份交付说明。
• 与 video-content-breakdown 的区别：那个是拆别人的视频、写拉片笔记；这个是剪你自己的视频。

先问清（一次问完，用户没说的才问）

1. 手里有什么：口播稿/配音（真人录音还是合成）、口播的逐句时间戳或字幕文件（SRT）、录屏、素材、品牌色字体；有没有现成的剪辑软件工程。没有时间戳就先转写一遍（用宿主自带的转写能力或剪辑软件的识别字幕功能），实在没有就按字数估算，并在 EDL 里把时间标成“估算”，后面以实际音频校正。
2. 发哪个平台、竖屏还是横屏、目标多长。平台的时长/封面/字幕安全区规则会变，“以平台当期说明为准”，不凭记忆写。
3. 用什么工具出片：剪映/Premiere 等手动剪辑；ffmpeg 命令；自己的代码/HTML 渲染。这决定三道门怎么落地（见 references/render-gates.md）。
4. 这条是什么类型：讲判断/教程（适合信息卡）还是情绪叙事（不适合，见下）。

缺素材（比如没有配音又没有口播稿）就停下来说清缺什么，不要自己编内容。

工作流

第 1 步：诊断与分类

先把任务归类：机械处理（裁剪、拼接、压制）/ 社媒短视频 / 动态图形 / 录屏教程 / 真人或数字人出镜。机械处理不需要三道门，直接出成品目检。若现有版本只是“静态幻灯 + 底部字幕 + 一条音轨”，明说它只是样片，要升级。

第 2 步：写 EDL（剪辑方案表）

用 references/edl-guide.md 的列：序号、起、止、口播、画面、动效、字幕、作用、音频。规则：

• 以声音为时钟（时间来自转写或配音文件的时间戳），按语义拍子切，不按“每页平均 N 秒”切；
• 开头 1-2 秒要有反差或悬念，作用列标“钩子”。可以用“结果画面”开场，但画面必须来自用户真实的录屏/素材，不能生成假的界面；钩子不替代后面的证据；
• 口播里每一个需要被证明的说法，画面必须有证据（录屏、截图、实拍、对比），并且在前半段出现；
• 死气（没话也没画面变化的空档）要么删要么补；
• 重点句配视觉强调（放大、高亮、遮罩、标注），不是装饰。

输出 edl.csv（UTF-8）。

第 3 步：方案体检

python -X utf8 -I <技能目录>/scripts/edl_check.py edl.csv --target-sec <目标秒数>

脚本只查表里能查的：时间重叠/空档、开头钩子、过长无变化、字幕过长或过快、口播过挤或过空、证据画面是否在前半段、动效是否千篇一律、总长。它只认你填写的关键词，不判断质量（随便写个“钩子”“录屏”也能通过）；“画面是否真的证明了那句话”必须你自己逐行过。有 ERROR 必须改；WARN 逐条处理或写明为什么保留。把体检后的 EDL 给用户确认，确认前不渲染。

第 4 步：门 1，关键帧预审（秒级，不出片）

每个 EDL 行出一张合成静帧（标题、摘要条、字幕、信息卡都叠上），人眼过版式：叠字、被裁切、超出安全区、错别字、底图是否对应本行。用手动剪辑软件的话，就是逐段截时间线预览图。发给用户看，说“可以”才进门 2。

第 5 步：门 2，样片

只渲开头一到三个段落（通常十几到二十几秒），带动效和配音，审节奏和包装。样片给用户看，过了才进门 3。 任何一次想跳门直渲全片，哪怕“只改了一个字”，也不允许。

第 6 步：门 3，全片 + 抽帧审计

python -X utf8 -I <技能目录>/scripts/frame_audit.py 成片.mp4 --out <审计目录> --edl edl.csv --expect-sec <目标秒数>

脚本会：读取参数（时长、分辨率、音轨）、按间隔抽帧并拼联系表、检测黑屏/纯色/长时间不动、查静音和响度，并按 EDL 每行取中点一帧让你核对“方案写的画面真的出现了吗”（该行落在疑点区间里会直接标出）。画面是按间隔采样的，更短的闪黑抓不到，需要时用更小的 --every；每次运行会清空并重建输出目录里的 frames、sheets、edl_frames。没有 ffmpeg 时脚本会打印安装提示并降级：生成写明“未做自动审计”的 report.md（含需人工核对的 EDL 行）和人工验片清单，这时必须人工把成片从头到尾看一遍并逐项打勾，交付说明里同样写明未做自动审计。退出码 1 表示有疑点要看，不代表错误。

脚本只能发现疑点。目检底层画面：字幕正常但底层是报错页/空白页/错的那一页，是最容易漏的错（原因和排查见 references/pipeline-pitfalls.md）。

第 7 步：返修与交付

• 微调纪律：返修只改评审列出的行，其他一律不动；改完只重做受影响的段，再回到对应的门复审。
• 交付说明列清：生成了什么、哪些门通过（附各门记录）、哪些没验证（比如没有真机预览、没有测平台上传）、合成配音是否已标注。

七层质量线（社媒短视频，至少满足四层）

1. 开头 1-2 秒的钩子或反差；2. 画面每隔一两秒到四秒有变化（经验起点，慢节奏教学可放宽）；3. 字幕短句分拍；4. 重点句有视觉强调（放大、高亮、遮罩、标注）；5. 有录屏/实拍等证据画面，不只是抽象卡片；6. 声音设计（真人声、音量统一、必要时轻音效或配乐）；7. 成片逐帧检查（字幕不被裁切、没有死帧、手机上安全可读）。第 1-6 层在 EDL 里就能规划，edl_check.py 只查你有没有填；第 7 层在门 3 做。只有“静态幻灯 + 底部字幕 + 一条音轨”的，只算样片。

信息卡规则（口播/判断/教程类）

字幕 = 嘴里说了什么；信息卡 = 编辑想表达什么。两层信息必须不同。每个信息段拆五件：口播大意（用转写核对，不抄文案稿）、左上结论词、摘要条（提炼，不复述）、事实卡若干（论据/数字/对比）、能画图就画图或大数字。入场顺序固定：结论词、摘要条、事实卡、图表，层层递进，不要同时弹出。把口播原话原样搬上卡，等于多放了一行字幕，直接打回。情绪叙事类内容不适合信息卡（会打断沉浸），别硬加。细则与例子见 references/info-cards.md。

配音语速：只给定档方法

不要套用别人的语速数字。先确认录音里有没有大段停顿（字幕连在一起时，停顿会被算进去，测出来会偏低）。方法：量出你想对标的口播样本的“字/秒”，量出合成稿的“字/秒”，按差距调整工具语速，先试 3-5 句再整批重合成（别只改个别句），听感合格后记下你的档位。工具：scripts/speech_rate.py。只学语速和节奏，不克隆、不模仿具体某个人的声音；合成配音要在成片说明里标注，核心人设内容以真人录音为上。细则见 references/voice-pace.md。

工具选择

默认从最简单、你已经会用的做起：ffmpeg 或手动剪辑软件负责裁剪、拼接、字幕、音频；需要可复用的动画模板时才考虑代码渲染框架（Remotion、HyperFrames 等，可选，用不用看你的环境，使用方法以其官方文档为准）。见 references/tool-routing.md。

不做什么

• 不替你决定内容观点；不编造口播里没有的数据、效果、经历。
• 不自动发布，不替你上传平台。
• 不克隆或模仿真人声音；不调用付费生成服务（除非你明确要求并确认费用）。
• 不改你的原始素材，所有输出另存到新目录。
• 不保证播放量或完播率；本技能只保证“方案有检查、出片有门、成片有审计”。
• 不适用：剪映模板类分钟级快出片（直接出成品目检即可）；情绪叙事片的信息卡包装。

示例

examples/ 里有一套虚构输入（简报、有缺陷的 EDL 初稿）和期望发现，照着跑一遍即可验证脚本和流程。

方法说明

三道门、信息卡和配音定档是作者自己做口播视频的流程整理，没有做过对照实验。阈值（几秒一变、字幕几个字、读速）是经验起点，已写成可调参数。