前言¶

做抖音口播的團隊，剪輯往往是吞時間的一環。一條口播錄下來，中間全是氣口和停頓；要發短視頻，還得手動去靜音、加字幕、切片、轉豎屏。這些活兒單看都不難，難的是每條視頻都要重複一遍，而且大多數人手裏沒有一套能批量跑的命令行流程。

下面介紹一個面向這類場景的 Agent Skill：口播/短視頻剪輯自動化流水線。它把去氣口、字幕燒錄、切片、轉豎屏、批量處理、片頭片尾拼接這些步驟，包裝成一條可以本地跑完的流水線，不需要你去維護一套自己的腳本，也不用申請 API Key。

這是什麼¶

一句話定位：把 FFmpeg 和 Whisper 組合起來，把口播/短視頻的常見剪輯動作固化成可複用的自動化流程。

出品方信息：座標 @user_b5a543a8/clip-automation，發佈者 user_b5a543a8，來源 community，分類 design-media，版本 1.0.0。

解決的問題：口播視頻從原始錄製到可發佈成片之間那些重複的機械性剪輯操作。Skill 主打「全程本地運行」，標籤明確寫了 requires_api_key=false，也就是說它不依賴任何外部模型 API 的額度或密鑰。

核心功能¶

按官方簡介，這個 Skill 覆蓋以下能力：

1、去氣口靜音：識別口播中間的停頓並靜音/切除，去掉「呃」「啊」這類氣口。
2、自動字幕燒錄：用 Whisper 做語音識別，再把字幕直接燒進畫面，而不是隻產出字幕文件。
3、長視頻切片：把一條長口播拆成多條短視頻。
4、轉豎屏 9:16：把橫屏素材轉成抖音豎屏比例。
5、批量處理：多條素材一起走同一套流程。
6、片頭片尾拼接：把開頭和結尾片段接到正片上。

其中 Whisper 負責語音識別生成字幕，FFmpeg 負責實際的音視頻處理與合成，兩者分工比較清晰。

安裝與啓用¶

截至本次覈實，官方頁面（https://api.skillhub.cn/user_b5a543a8/clip-automation 及 SkillHub 展示頁）無法抓取成功，因此安裝命令、目錄約定和配置文件字段都無法從資料中核實，這裏不寫具體命令。

可覈實的信息是：該 Skill 基於通用 SKILL.md 格式，通過 SkillHub 分發。啓用方式以官方頁面給出的指引爲準。需要注意兩點：

1、它聲明 requires_api_key=false，安裝後不需要配置密鑰類字段。
2、本地運行意味着 FFmpeg 和 Whisper 的運行環境需要在你的機器上可用，Skill 本身不代管這些依賴。

典型用法¶

資料中只提供了觸發詞，沒有給出可復現的命令行示例，所以下面按官方給的觸發場景說明，而不是編造參數。

在支持該 Skill 的 Agent 客戶端裏，用自然語言提出對應需求即可觸發對應動作：

1、說「去氣口」，觸發去靜音停頓的處理。
2、說「字幕燒錄」，觸發 Whisper 識別並把字幕壓進畫面。
3、說「長視頻切片」，觸發把長口播切成多條短視頻。
4、說「轉豎屏 / 9:16」，觸發橫屏轉豎屏。
5、說「批量剪輯」，觸發多條素材走同一套流程。
6、說「片頭片尾」，觸發拼接片頭片尾。
7、說「口播剪輯」，走完整的口播處理流程。

建議一次只觸發一個動作，確認輸出符合預期後再串成完整流程，這樣出問題時容易定位是哪一環節。

適用場景與注意¶

適合誰：抖音口播自媒體、需要頻繁出片的短視頻團隊，尤其是希望把剪輯動作腳本化、少手動點剪輯軟件的人。

限制和坑：

1、依賴本地 FFmpeg 與 Whisper 環境，環境沒配好，Skill 跑不起來，這類問題它不會替你排查。
2、Whisper 的識別質量取決於音頻清晰度，口音重、背景噪大的素材，字幕需要人工抽查。
3、去氣口是自動判斷靜音/停頓，閾值是否合適要看素材，建議先拿一條試，再決定是否批量。
4、轉豎屏 9:16 對橫屏素材是裁切或縮放，構圖會被改變，重要內容靠近畫面邊緣的素材要先確認畫面完整。
5、批量處理意味着出錯也是批量的，正式批量前先跑一條驗證全流程。

另外提醒一點：資料裏評分、下載等數據來自 SkillHub 頁面，安裝數顯示爲 0，說明它當前使用者還很少，遇到問題更可能要靠自己讀 Skill 的說明來排查，而不是指望現成的社區反饋。

結尾¶

這個 Skill 的價值不在於做了一件別人做不到的事，而是把口播剪輯裏那些重複動作整理成了一條本地可跑的流水線，省掉的是每次手動操作和重複寫腳本的時間。如果你的口播生產正好卡在去氣口、字幕、切片、轉豎屏這幾環，值得拿一條素材試一下。

官方地址：https://api.skillhub.cn/user_b5a543a8/clip-automation