videocut-clip-oral

<!--
input: 视频文件 (*.mp4)
output: 转录JSON、审查稿、删除任务TodoList
pos: 转录+识别，到用户审核为止

架构守护者：一旦我被修改，请同步更新：
1. ../README.md 的 Skill 清单
2. /CLAUDE.md 路由表
-->

# 剪口播

> 转录 + 口误/静音识别 → 生成审查稿

## 快速使用

```
用户: 帮我剪这个口播视频
用户: 处理一下这个视频
```

## 流程

```
1. FunASR 30s 分段转录（字符级时间戳）
    ↓
2. 识别口误（逐句检查）
    ↓
3. 识别微口误（VAD 检测短片段）
    ↓
4. 识别语气词（嗯/哎/诶 等）
    ↓
5. 识别静音（≥1s）
    ↓
6. 生成审查稿（时间戳驱动）
    ↓
7. 输出删除任务 TodoList
    ↓
【等待用户确认】→ 用户确认后，执行 /videocut:剪辑
```

### ⚠️ 为什么用 30s 分段

FunASR 长视频有时间戳漂移，30s 分段可避免。

## 进度 TodoList

启动时创建：

```
- [ ] 读取「转录最佳实践」→ 转录视频
- [ ] 读取「口误识别方法论」→ 识别口误
- [ ] VAD 检测微口误（短片段 < 0.5s）
- [ ] 扫描语气词（嗯/哎/诶 等）
- [ ] 识别静音（≥1s）
- [ ] 生成审查稿
- [ ] 输出删除任务清单
```

### ⚠️ 必须先读方法论再执行

| 阶段 | 先读 | 再执行 |
|------|------|--------|
| 转录 | `tips/转录最佳实践.md` | 调用ASR |
| 识别口误 | `tips/口误识别方法论.md` | 逐句分析 |

---

## 核心：时间戳驱动

### 删除任务格式

每项**必须标注精确时间戳** `(start-end)`：

```
口误（N处）：
- [ ] 1. `(start-end)` 删"错误文本" → 保留"正确文本"

语气词（N处）：
- [ ] 1. `(前字end-后字start)` 删"嗯" 上下文: XX【嗯】YY

静音（N处）：
- [ ] 1. `(start-end)` 静音Xs
```

### 口误类型

| 类型 | 示例 | 删除策略 |
|------|------|----------|
| 重复型 | `拉满新拉满` | 只删差异（"新"） |
| 替换型 | `AI就是AI就会` | 删第一个完整版本（"AI就是"） |
| 卡顿型 | `听会会` | 删第一个重复字 |

### ⚠️ 关键规则

1. **时间戳驱动**：审查稿直接标注时间戳，剪辑不再搜索文本
2. **逐token分析**：对于"删前面保后面"的口误，必须逐token查时间戳
3. **检查时间跨度**：如果口误时间跨度 > 2秒，必有静音，需拆分

---

## 输出文件

```
01-xxx-v1_transcript.json  # 转录结果（含时间戳）
01-xxx-v1_审查稿.md        # 口误审查稿
```

### 展示要求

生成审查稿后，**必须展示给用户**：
1. 写入文件 `01-xxx-v1_审查稿.md`
2. 读取并展示内容
3. 等待用户确认要删除哪些项目

---

## 方法论

详见 `tips/口误识别方法论.md`：
- 口误识别方法（逐句检查）
- "删前面保后面"的精确处理
- FunASR 时间戳对齐规则