screenkite-transcription-cut

screenkite-transcription-cut

根据麦克风转录内容，从 ScreenKite 录制中移除静音片段。

前提条件

• screenkite CLI 位于 /usr/local/bin/screenkite。
• bundle 目录及其上级目录中的某个 .env 文件包含 ELEVEN_LABS_API_KEY（带下划线）。
• PATH 中有 ffmpeg。
• 有 python3 和 requests（pip install requests）。

阶段 1 — 打开项目

/usr/local/bin/screenkite agent project open \
  --path '<absolute-path-to.skbundle>' --json

确认项目是最新的：

/usr/local/bin/screenkite agent project current --json

阶段 2 — 转录麦克风音频

麦克风音频位于 <bundle>/media/microphone_*.m4a。

python3 scripts/transcribe_mic.py \
  '<bundle>/media/microphone_<name>.m4a' \
  --edit-dir '<bundle-parent>/<slug>-edit' \
  --language en \        # or zho, auto-detect if omitted
  --num-speakers 1
# Output: <edit-dir>/transcripts/<stem>.json  (word-level, cached)

该脚本是 ElevenLabs Scribe 的轻量封装。如果 JSON 已存在，重新运行不会执行任何操作。

阶段 3 — 计算静音剪切范围

python3 scripts/compute_silence_cuts.py \
  '<edit-dir>/transcripts/<stem>.json' \
  --min-silence 0.8 \       # seconds — gaps shorter than this are kept
  --pad 0.15 \              # seconds to keep at each edge of the gap
  --output '<edit-dir>/cuts.json'

应用前检查 cuts.json。其中列出了按开始时间排序的 [{start, end, gap_s}, ...]。 如果剪切过多或过少，请调整 --min-silence。

典型值：

• 0.5s — 较激进，可捕捉较短的换气停顿
• 0.8s — 平衡的默认值
• 1.5s — 较保守，只剪切明显的静音片段

阶段 4 — 空运行审查（首次运行必须执行）

python3 scripts/compute_silence_cuts.py \
  '<edit-dir>/transcripts/<stem>.json' \
  --min-silence 0.8 --pad 0.15 \
  --dry-run          # prints human-readable table, no file written

向用户展示表格。确认剪切数量和最长间隔看起来合理。 在用户确认前，不要应用剪切。

阶段 5 — 应用剪切

/usr/local/bin/screenkite agent tool call \
  --name editTimeline \
  --input-json "$(python3 scripts/compute_silence_cuts.py \
      '<edit-dir>/transcripts/<stem>.json' \
      --min-silence 0.8 --pad 0.15 --emit-tool-input)" \
  --json

--emit-tool-input 会输出 {"action":"cut","parameters":{"ranges":[...]}}。

或者直接传入已保存的 cuts.json：

python3 scripts/apply_cuts.py '<edit-dir>/cuts.json'

apply_cuts.py 会读取 cuts.json，调用 ScreenKite CLI，并打印工具返回的更新后片段数量。

阶段 6 — 验证

/usr/local/bin/screenkite agent tool call \
  --name getProjectState --input-json '{"scope":"summary"}' --json

检查 duration 是否缩短了大约相当于间隔总秒数的时长。在 ScreenKite 中拖动时间轴进行抽查。

如果剪切有误：执行 editTimeline action=undo（每个错误剪切重复一次）。

反模式

• 绝不要跳过空运行。 cut 会造成不可逆更改，且撤销操作一次只能撤销一步。
• 不要为此使用 B-roll 技能。 该技能使用 setSceneLayout，不会移除内容。
• 不要将 --min-silence 设为低于 0.3s。 少于 300ms 的间隔通常不是真正的静音，剪掉后会显得卡顿。
• 不要在打开项目之前剪切。 未打开当前项目时调用 CLI 会静默失败。