talking-head-podcast-recut

Name: talking-head-podcast-recut
Author: calesthio

github.com/calesthio创意与媒体219124 次安装15 周前更新

代码仓库

关于 talking-head-podcast-recut

面向播客编辑与制作团队的访谈视频再剪辑工作流指南，强调剪辑忠实于原意、权利核验和发布审批。内容涵盖素材整理、逐字稿、选段、剪辑结构及风险披露。

主要功能

01建立素材与制作台账
02制作带时间戳和说话人标注的逐字稿
03按上下文核验引语
04规划短视频、预告片与音频图
05检查权利、同意与合成媒体披露

适用场景

01从访谈中挑选准确且有上下文的片段
02制作竖屏短视频或播客预告
03为客户证言和广告素材设置审批
04追踪成片片段对应的源时间码

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/calesthio/generative-media-skills --skill talking-head-podcast-recut

安装后在 Claude Code 中输入/talking-head-podcast-recut确认已加载。

附带文件EVAL.md

详细介绍

访谈播客重剪

使用此技能，将以讲话为主的现有媒体素材剪辑成真实、有用的衍生内容。核心义务是维护编辑诚信：每个剪辑都必须忠实于说话者在原始录音中的本意；发布前必须明确指出所有商业、合成内容、法律或权利方面的风险。

本流程不依赖特定服务提供商。可使用任何可用的本地或托管工具进行转录、说话人分离、剪辑、字幕制作、音频修复、动态图形制作和导出，但须遵守以下工作流程、台账和审核标准。

操作原则

将重剪视为配有画面的引述，而非可随意改写的原始素材。

不要制作与来源内容相比，在表面主张、情绪基调、时间顺序或背书含义上有所不同的片段。
不要使用反应镜头、插入镜头、字幕、标题或音乐，暗示原始内容并不支持的认同、冲突、惊讶、自信、因果关系或产品背书。
未经权利持有人以及被呈现／模拟者明确批准，不要发布合成语音、面部、虚拟形象或重建的对话。
确保片段包含足够的上下文，让观众无需了解完整节目也能理解。
保留从最终画面追溯至源时间码的审计记录。

前期信息收集：拒绝盲剪

编辑前，收集或推断制作需求简报。如果有任何高风险事项尚不明确，请暂停或标记为待批准。

简报必填字段：

源文件或 URL、录制日期、活动名称、发言者、主持人、嘉宾及已知限制。
所需交付内容：单个片段、片段合集、精彩片段集锦、预告片、音频图文、带字幕的竖屏视频、LinkedIn 精简版、YouTube 章节片段、广告素材、内部销售赋能内容或其他用途。
目标平台、宽高比、最长时长、缩略图／标题／文案需求、字幕样式、语言、品牌指南和审核截止日期。
预期用途：自然流量编辑内容、付费广告、销售赋能、客户证言、投资者动态、课程材料、新闻、内部培训或存档。
权利状态：谁拥有源视频素材、音乐、幻灯片、屏幕共享内容、标识、文字稿和发言者肖像的权利。
审批流程：编辑、制片人、客户、发言者／嘉宾、法务／合规、品牌、无障碍审核和最终发布者。
风险备注：受监管话题、未成年人、医疗／财务／法律主张、就业主张、政治／选举、客户证言、未发布的产品信息、机密通话参与者或赞助商／联盟关系。

剪辑前先创建制作台账：

source_id:
  path_or_url:
  owner:
  recording_date:
  speakers:
  permitted_uses:
  restrictions:
  transcript_path:
  diarization_path:
  generated_assets:
  approvals_required:

源素材导入和文字稿工作流程

保留原始素材。从副本或代理文件开始工作。记录源文件名、校验和（如有）、时长、帧率、分辨率、声道，以及任何内嵌字幕或元数据。
提取高质量音频用于转录。如果录音使用了独立麦克风／音轨，请分开保留，以便修复音频和区分说话者。
生成带时间戳并区分说话者的文字稿。如果区分说话者的结果不可靠，只有在人工核实后才使用说话者姓名。
创建说话者信息表：姓名、角色、所属组织、发音、下三分之一屏字幕文案、同意状态和允许用途。
标记不可用或受限片段：私人信息、非公开内容、未经批准的姓名、受版权保护的片段、尚未解禁的产品材料、不得改作他用的赞助商口播、未获同意的观众问答参与者，或置信度较低的文字稿片段。
可对文字稿文本进行轻度规范化以便阅读，但须保留逐字稿用于核实引述。不要“润色”原意。
为主题、情绪、主张、证据、故事节拍、异议、观众问题和重复填充词建立可检索标记。

实用的文字稿标记：

[00:13:42.2 - 00:14:21.8] Speaker: Maya Chen
Topic: onboarding friction
Claim: "activation doubled after we removed the first five setup steps"
Context before: discussing enterprise admins, not all users
Context after: says result was a pilot, not general launch
Risk: metric requires client approval
Clip potential: strong, but title must say "pilot" or avoid universal claim

权利、同意与披露把关

此技能不提供法律建议，而是为 Agent 提供升级处理的触发条件。如有疑问，请在剪辑或发布前咨询客户端、权利所有者、法律顾问或参与者。

在制作或发布前，遇到以下情况时应升级处理：

源录制内容属于私人、半私人、内部、面向客户、仅限网络研讨会注册者观看，或是在同意预期不明确的司法管辖区或场景中录制的。
参与者未明确同意将内容重新用于公开传播、付费推广、广告、证言、声音克隆、面部替换、头像生成、翻译配音或合成扩展。
片段使用客户、员工、专家、创作者或影响者的形象，且可能被视为背书或证言。
输出内容将用于广告、销售材料、募资材料、政治传播、医疗／财务／法律建议、就业／招聘声明或投资者声明。
重新剪辑的内容包含第三方音乐、电视／电影／游戏画面、幻灯片、屏幕截图、艺术作品、会议画面、观众问答、用户生成内容或超出源所有者权利范围的徽标。
源内容具有新闻价值或属于批评性评论，且编辑依赖合理使用而非许可。
标题、缩略图、字幕或开场卡片所表达的主张强于发言者原本的表述。
发言者谈及他人、客户、雇主、患者、学生或机密情况。

商业关系与背书披露：

已核实的事实，核实日期为 2026-07-11：FTC 背书指南认为，当背书可归因于广告商或营销者时，必须清晰披露重大关联。对于赞助、付费关系、免费产品、联盟关系或品牌控制，应采用清晰醒目的披露方式。来源：FTC 背书指南和 Disclosures 101。
已核实的平台示例，核实日期为 2026-07-11：YouTube 要求声明付费推广；TikTok 要求披露推广品牌／产品／服务的商业内容；Instagram 品牌内容政策要求品牌内容使用品牌内容工具；LinkedIn 表示，以价值交换为基础的帖子必须标注为品牌合作内容。这些平台信息可能变化；请在制作时重新查看平台帮助页面。

合成与篡改媒体披露：

已核实的平台示例，核实日期为 2026-07-11：YouTube 要求创作者在规定情况下披露经过篡改或合成的逼真内容；TikTok 要求标记包含逼真图像、音频或视频的 AI 生成内容。发布前请重新检查当前的上传流程和政策文本。
如果合成旁白、克隆的发言者声音、头像、口型同步、换脸、翻译配音、AI 填充词重建或生成的 B-roll 描绘了真实人物或逼真的事件，则必须获得明确批准并制定披露方案。

版权与合理使用：

已核实的事实，核实日期为 2026-07-11：美国版权局的合理使用指南指出，没有任何固定的字数、音符数量或百分比能够自动保证安全；合理使用取决于具体情况。不要将片段时长视为许可。有关许可／合理使用的决定应升级至法律顾问或权利所有者处理。

来源信息：

如有可用的来源信息元数据，请予以保留或附加。C2PA Content Credentials 是一种基于标准的媒体来源及编辑历史描述方式，但平台或工作流可能会剥除元数据；即使存在凭证，也应保留内部台账。

引言筛选：语境测试

每条候选引言在成为剪辑片段前，都要回答以下问题：

用通俗的语言来说，说话者的确切主张是什么？
说话者紧接着在前后分别说了什么？
说话者是否会合理地认同这段剪辑代表了自己的观点？
这段剪辑是否省略了某种限定条件，例如“在我们的试点中”“针对这位客户”“我们认为”“我们一开始失败了”或“并非总是如此”？
钩子／标题／说明文字是否引入了源内容中没有的主张？
这段剪辑是否使用音乐、反应镜头、缩放或图形效果，让情绪强度超出源内容本身？
这条引言是否需要事实、法律、赞助方、客户或说话者审批？

优先选择符合以下条件的引言：

包含一个清晰的观点、冲突、经验教训、故事转折或实用回答。
开头直接，或可以通过真实准确的引导卡片介绍。
有自然的结尾、包袱、决定、证据或邀请。
不依赖完整节目也能成立。
细节足够具体，令人信服，但不会包含过多私人或受监管的信息，以免审批变得困难。

拒绝或修整符合以下情况的引言：

依赖代词或缺失的指代对象，导致需要使用误导性标题。
脱离语境后听起来比原意更强烈。
属于转录稿伪影、缺少语境的玩笑、讽刺或多人同时说话的片段。
未经批准便包含私人数据、医疗／金融／法律建议、未公开的业绩数据或对第三方的指控。
需要拼接句子，导致说话者听起来像是在说自己从未说过的话。

剪辑结构

将以下结构作为制作参考，而非强制公式。

单观点竖屏剪辑

0-2 秒：说话者真实的钩子，或引导标题。
2-8 秒：理解引言所需的背景信息。
8-35 秒：核心观点、故事或回答。
35-50 秒：含义、经验教训或令人难忘的话。
最后 1-3 秒：干净利落的收尾、品牌片尾，或经批准且符合平台习惯的行动号召。

双人对话

如果问题简短且不可或缺，就从问题开始。
保留回答所针对的问题。不要把关于一个话题的问题剪接成关于另一个话题的回答。
使用说话者标签和姓名条，尤其是在竖屏裁切中人物可能交替出现时。
避免使用来自其他时刻的反应镜头，除非明确标注，或画面中性到不会让人误以为是在回应当前内容。

精彩片段集锦或预告片

围绕一个明确主题组织内容，例如“扩大支持团队规模的三个惨痛教训”，而不是“随机精选片段”。
构建主线：问题 -> 张力 -> 证据 -> 后果 -> 邀请。
如果时间顺序很重要，就保持时间顺序清晰。如果采用非线性蒙太奇，就不要暗示事件按画面所示顺序发生。
使用屏幕主题卡片，避免引言堆叠后脱离语境。

音频图文视频

当视觉素材较弱、内容仅有音频、远程通话画质不佳，或播客平台需要可分享的视频时使用。
只有在确实有助于营造动态效果时才使用波形；不要让波形与字幕争抢注意力。
使用已确认权利的素材，如主持人／嘉宾照片、标题、节目封面和主题卡片。
确保静音观看时，字幕和说话者标识也能完整呈现内容。

客户／创始人／推荐语剪辑

将推荐内容用于宣传时，必须取得授权／审批。
如实保留实际体验及其适用范围。不要把试点／客户引言泛化为普遍结果。
如果存在实质性关联或激励，添加披露说明。
将主张、Logo、客户名称、指标以及标题／缩略图提交客户／法务审批。

剪辑技巧

A-roll 组装

清晰度优先于节奏。只有在不改变原意的前提下，才删除冷场、口误和重复内容。
如果呼吸声和短暂停顿有助于保持真实感或便于理解，就应保留。
社交媒体短片可以放心使用跳切；但如果面部动作导致切换突兀，应通过缩放变化、B-roll、字幕节拍或 J/L 切换来掩饰令人分心的剪辑。
切勿拼接不同语境中的词语来构造新句子，除非只是纯粹的语法整理，且结果可由转录内容核实。
修补剪辑空隙时，使用室内底噪或环境声。避免出现突兀的数字静音。
在不同说话者之间剪切时，应保留对话节奏。不要让回答显得比实际更即时、更有敌意或更热情。

B-roll、屏幕、幻灯片和图形

B-roll 应用于阐释、佐证或调节口述内容的节奏。不要使用会改变主题的通用填充素材。
只有在版权许可和内容时效性均已确认时，才使用产品视频、幻灯片、图表、屏幕截图或客户徽标。
用文字标注突出姓名、术语、数字和转场；避免在字幕之外重复所有口述内容。
人物条应按批准内容注明说话者姓名和职务；避免夸大头衔。
如果添加素材库或生成的视觉内容，应记录其来源，并确保不会让人误以为画面中的真实人物或事件是原始素材。

裁切和重新构图

使用可用的最高分辨率源素材进行重新构图。
对于两人远程通话，只有在有助于理解且不会像伪造反应式剪辑时，才考虑动态切换裁切画面。
确保人脸、手势、幻灯片文字和字幕都位于平台安全区域内。
避免在敏感、情绪化或严肃的陈述中进行过度推近；这可能会影响表达语气。

字幕和无障碍

已记录的事实，核实于 2026-07-11：

WCAG 2.2 成功标准 1.2.2 要求同步媒体中的预录音频内容提供字幕，但媒体替代方案除外。
W3C 理解指南指出，字幕应包含对话、标明说话者，并提供理解内容所需的非语音声音信息。
对于某些媒体情境，WCAG 还包含文字稿和音频描述／媒体替代方案要求。

字幕工作流程：

根据已核实的转录内容生成字幕，而不是根据粗略草稿生成。
手动校对姓名、术语、产品名称、数字和同音词。
如果无法直观看出说话者是谁，或短片采用纯音频／音频图形式，应加入说话者标识。
在相关情况下，加入有意义的非语音音频信息，例如 "[laughter]"、"[applause]" 或 "[door closes]"，尤其是这些声音会影响含义时。
确保字幕行易于阅读。按自然语义停顿分行；不要不自然地拆分姓名、数字或从属分句。
使用高对比度、足够大的字号，并确保位置安全。避免字幕被平台界面、人物条、进度条或自动生成的叠加内容遮挡。
为社交媒体短片交付内嵌字幕；如果平台或客户端支持，还应提供外挂字幕文件（SRT/VTT）。
对于多语言字幕或翻译后的剪辑，应根据源内容核实译文含义，并就敏感主张取得批准。

音频清理与响度

记录的事实，核实日期：2026-07-11：

ITU-R BS.1770 规定了测量节目响度和真峰值电平的算法。
EBU 响度指南介绍了广播类工作流采用约 -23 LUFS 进行归一化的 R 128 标准。
ATSC A/85 为电视和流媒体服务提供商提供响度指南。

社交媒体和网页短视频的制作经验法则：

优先保证语音清晰易懂，避免音乐过响或压缩过重。
按以下顺序修复：尽可能去除嗡声、咔嗒声和喷麦声；保守地降低宽带噪声；有需要时进行去混响；平衡各位说话者的音量；通过 EQ 提升清晰度；轻度压缩；限制真峰值；最后进行响度归一化。
如果用于网页或社交媒体发布，且没有客户规格，实用目标通常是综合响度约 -14 至 -16 LUFS，真峰值不高于 -1 dBTP。应将其视为平台时代的经验法则，而非法律或通用标准。
对于广播、OTT、付费媒体或客户交付，必须严格遵循规定的规格；不要用社交媒体响度目标替代。
检查最终导出文件，而不只是时间线混音。字幕、音效标识、片尾卡和背景音乐都可能改变测得的响度。

音频 QA：

剪辑点没有截断音节。
语音没有出现降噪失真或水下效果。
片段中各位说话者的音量平衡。
音乐在对话期间降低音量，且绝不掩盖必须披露的信息。
结尾没有截断呼吸声、笑声或最后的辅音。

平台版本

平台规格和政策流程会变化。制作时应重新核对官方文档，尤其是时长限制、变现规则、广告／赞助标签、AI 标签、音乐库、安全区域和上传分类。

稳定的制作规划：

竖屏社交媒体：9:16 主版，裁切时确保人脸安全，使用大号字幕，开场快速抓人，不依赖描述文本。
方形信息流／音频图文：适用时使用 1:1 或 4:5，采用更醒目的标题卡，字幕标注说话者。
横屏／YouTube／网络研讨会：16:9，为幻灯片和下三分之一字幕留出更多空间，使用外挂字幕，必要时添加章节。
LinkedIn／商业信息流：通常适合使用交代背景的标题卡，剪辑节奏也不必像 TikTok/Reels 那么急促。
播客平台：优先保证音频干净、提供波形图／节目封面，并使用描述性标题。

有记录的平台示例，核实日期：2026-07-11：

YouTube 帮助中心说明，桌面版标准纵横比为 16:9，并提供推荐分辨率；YouTube Shorts 帮助页面介绍了时长最长为三分钟的方形或竖屏 Shorts，并说明了资格细节和 Content ID 注意事项。
Instagram 帮助中心说明，Reels 上传时可使用一定范围内的纵横比，并提供最低帧率／分辨率指南。

不要假设这些信息仍然有效。上传时请确认最新要求。

合成语音、虚拟形象与翻译边界

仅在明确授权的范围内允许：

不改变字词的噪声修复。
修正转录错误的字幕校对。
经人工或合格人员审核的翻译字幕。
不暗示真实录制内容的生成式标题卡、图表或抽象 B-roll。

需要获得说话者／权利持有者的明确批准，并制定披露方案：

语音克隆、语音替换、使用真实人物声音的语音合成、听起来像说话者本人的翻译配音、口型同步、换脸、虚拟形象复刻、合成补录台词、合成反应镜头，或生成真实事件／人物的画面。

除非有明确且获批的伦理／法律依据，否则禁止：

替说话者创作新的陈述。
让嘉宾为其未曾背书的产品、候选人、公司或主张背书。
删除医疗、金融、法律、就业或投资建议中的限定条件。
以可能误导观众的方式替换说话者的情绪、身份或外貌。

审核工作流

为每个对外发布的重新剪辑版本准备审核材料包：

deliverable_id:
  export_path:
  target_platform:
  duration:
  aspect_ratio:
  source_timecodes:
  transcript_excerpt:
  edit_summary:
  title:
  thumbnail_text:
  caption_file:
  disclosure_text_or_platform_toggle:
  music_and_asset_rights:
  approvals_needed:
  qa_status:

最低审核轮次：

编辑审核：片段是否保留了原意、上下文、说话者身份和时间顺序？
转录审核：字幕和标题是否准确？
权利/披露审核：授权、许可、商业披露、AI 标签和平台开关是否已妥善处理？
技术审核：音频、字幕、安全区域、导出设置、缩略图和播放是否正常？
利益相关方审批：在需要时，取得说话者/客户/法务/品牌/合规团队的审批。

使用带时间码的审核意见。对于一批片段，绝不要在未提供每个片段的源时间码时要求审核者批准。

交付包

交付：

最终导出文件，按日期、来源、平台、宽高比、时长和版本命名。
在适用时附上旁挂字幕文件：.srt 或 .vtt。
按要求提供缩略图或封面帧。
文案：标题、描述、话题标签、披露文本，以及适用时的替代文本。
每条引文的源时间码清单。
源媒体、音乐、B-roll、生成媒体、字幕和图形的权利/来源记录。
QA 报告和未解决的风险说明。

命名示例：

2026-07-11_founder-podcast_clip01_activation-pilot_9x16_42s_v03.mp4
2026-07-11_founder-podcast_clip01_activation-pilot_captions_v03.srt
2026-07-11_founder-podcast_recut-ledger_v03.csv

重新剪辑 QA 检查清单

编辑完整性：

片段呈现的主张与源内容一致。
没有遗漏会改变含义的限定语。
标题、开场钩子、缩略图和字幕没有夸大引文含义。
反应镜头和 B-roll 来自正确的上下文，或明确为中性内容。
说话者的姓名、角色和代词均正确。

权利与合规：

源内容的使用已获授权，且适用于预期渠道和用途。
在需要时，已取得参与者授权/审批。
已处理商业、赞助、背书或重大关联披露。
在需要时，已处理合成/修改媒体标签。
音乐、图像、幻灯片、屏幕截图、徽标以及素材库/生成素材均已登记权利/来源信息。
高风险类别已完成法务/合规审核。

无障碍与字幕：

字幕与最终音频一致。
字幕包含必要的说话者标识和有意义的非语音音频内容。
字幕在目标裁剪范围内清晰可读，且不会被界面遮挡。
在需要时附上旁挂字幕文件。
已考虑交付场景所需的描述性转录或音频描述。

技术：

宽高比、分辨率、帧率、编解码器和时长均符合目标平台要求。
人脸、图形和字幕均位于安全区域内。
音频清晰易懂、音量平衡且没有削波。
响度符合客户/平台规格或所述经验标准。
没有闪帧、黑帧、媒体离线、浮水印、字幕丢失或导出故障。

示例：将播客访谈剪成 3 条竖屏短片

制作目标：将一段 72 分钟的创始人播客访谈，剪成 3 条时长为 30–60 秒的竖屏短片，用于 LinkedIn、YouTube Shorts 和 Instagram Reels 的自然流量发布。

输入：

4K 双机位录像。
主持人和嘉宾分别录制的 WAV 文件。
主题：降低企业级 SaaS 的新用户引导阻力。
限制：不进行付费推广；发布前须获得嘉宾批准。

工作流：

导入素材并保留原始文件。
转录并区分说话人。手动核实嘉宾的姓名和公司。
在转录文本中搜索“mistake”“pilot”“customer”“activation”和“what changed”。
仅选择明确保留“pilot”这一限定的引述，因为原始结果并非全公司范围的指标。
制作 3 条候选短片：

clip_01:
  hook: "We doubled activation by deleting setup steps."
  correction: Use "In one pilot, activation doubled after we deleted setup steps."
  source: 00:18:09.4-00:19:02.0
  context_needed: guest says enterprise admins only
  approvals: metric approval from guest/company

clip_02:
  hook: guest's own line "The hardest onboarding step was the one we loved most."
  source: 00:31:44.1-00:32:26.7
  context_needed: none beyond lower third
  approvals: guest review

clip_03:
  hook: host question "What did you remove first?"
  source: 00:33:12.0-00:34:05.5
  context_needed: include question, answer depends on it
  approvals: guest review

剪辑决策：

使用 4K 嘉宾机位导出 9:16 画幅，并偶尔加入主持人提问时的分屏画面。
使用嵌入式字幕、单独的 SRT 字幕文件、嘉宾首次出场时的下三分之一字幕条，以及每条短片前的主题卡片。
短片 02 不使用 B-roll，因为面部表现足以传达故事。
仅当产品负责人批准展示的画面时，才在短片 01 中使用产品 UI B-roll。
音频目标：客户端没有规格；采用约 -14 至 -16 LUFS 综合响度的社交媒体经验值，真峰值不高于 -1 dBTP，然后核验最终导出文件。

预期结果：

3 条内容真实、可独立观看的短片。
审核资料包包含源素材时间码、转录摘录、拟定标题、字幕和审批标记。

可能的失败模式：

“激活率翻倍”的标题省略了“pilot”，造成误导。
动态裁切导致 Instagram 界面遮挡字幕。
产品 B-roll 展示了尚未发布的 UI。

示例：将客户通话剪成推荐短片

制作目标：从录制的客户通话中制作一条 45 秒的销售／社交证明短片。

输入：

Zoom 录制内容，参与者包括客户经理、客户内部推动者和两名未发言的参会者。
客户表示：“切换后，我们将报告时间缩短了一半。”
预期用途：LinkedIn 付费广告和销售页面。

决策：

在确认推荐内容授权、公司名称／徽标审批、指标审批和付费广告披露方案之前，暂停剪辑。这不只是编辑短片，而是商业背书／客户推荐内容。

获批后的安全剪辑结构：

0-3s: Title card: "How [Customer] reduced weekly reporting work"
3-8s: Customer context: role/team, approved lower third
8-28s: Verbatim quote with "for our weekly reporting workflow" preserved
28-38s: One concrete workflow detail
38-45s: Approved CTA or end card

不要：