auto-editor：按音量自动剪掉口播里的空白和停顿

用开源命令行工具 auto-editor（Unlicense，公有领域）给视频和音频做"第一刀"：按音量（也可以按画面变化、黑屏、字幕内容）判断哪些段落有内容，剪掉其余部分，输出剪好的文件或剪辑软件工程。仓库自带 5 个官方 Skill，本页是给 Agent 的整理版。面向人的分步教程见 口播里的空白和停顿，交给 AI Agent 一次剪干净。

触发

• 用户要剪掉口播、录屏、播客里的静音、停顿、开头结尾的空档。

• 用户想缩短一段录音，或者想快进安静的部分而不是剪掉。

• 用户要把自动剪辑结果导入 Premiere、DaVinci Resolve、Final Cut Pro、Shotcut、Kdenlive 继续改。

• 用户要给视频转文字稿或字幕，或按说了什么来剪。

硬性规则

• 不覆盖原片。 输出永远另存（默认文件名是 <原名>_ALTERED.<扩展名>，或用 -o 指定）。

• 先预览再渲染。 长视频先跑 --preview，把剪掉多少、剩多长用大白话告诉用户，确认后再出片。

• 装软件前先问。 官方二进制没有签名，系统可能弹"未知开发者"警告；告诉用户原因，由用户决定是否继续。

• 不用 pip 安装。 官方已经停止在 pip 上发布命令行版本，pip 和 apt 上的都是旧版。

• 不承诺它能识别口误。 它按信号判断，听不懂内容；重复句和口误要转文字稿后交给用户确认。

安装

先检查，再按官方推荐方式装：

auto-editor --help >/dev/null 2>&1 && echo "already installed" || echo "missing"
# macOS（Homebrew）
brew install auto-editor
# 其他系统：从 GitHub Releases 下载对应平台的二进制，改名为 auto-editor，
# macOS/Linux 先 chmod +x ./auto-editor，再放进 PATH 目录
# Arch Linux：yay -S auto-editor

官方 Skill（剪辑、特效、导出、转场、转文字五个）：

npx skills add WyattBlue/auto-editor

可选：装了 yt-dlp 时，可以直接把视频网址当输入。

按需求选命令

需求命令默认剪掉静音auto-editor video.mp4指定输出文件auto-editor video.mp4 -o out.mp4只看会剪什么，不渲染auto-editor video.mp4 --preview看文件信息auto-editor info video.mp4调音量线（声音小被误剪时调低）--edit audio:threshold=0.03 或 --edit audio:-30dB每句前后的缓冲（默认各 0.2 秒）--margin 0.3s,1.5sec（前 0.3 秒、后 1.5 秒）按画面变化剪（无声录屏）--edit motion:threshold=0.02声音或画面任一有动静就保留--edit "(or audio:0.03 motion:0.06)"静音段快进而不剪-w:0 speed:8强制保留 / 剪掉某段--keep 0,30sec、--cut -10sec,end反过来看剪掉了什么--when-active cut --when-inactive nil导出剪辑工程--export premiere、resolve、final-cut-pro、shotcut、kdenlive压文件大小-crf 23 -preset medium 或 -b:v 230k响度统一-anorm ebu转文字稿 / 字幕auto-editor whisper video.mp4 <模型文件> --format srt -o out.srt

流程

1. auto-editor info 看时长和音轨；多音轨（比如麦克风和背景音分开）时问用户按哪一轨判断。

2. --preview 跑默认设置，汇报：原时长、剪后时长、剪掉的段数、最长一段空白。剪掉超过一半时，先怀疑音量线太高。

3. 用户确认设置后渲染，口播默认加 --margin 0.2s,0.4s 这类"前少后多"的缓冲，避免句尾被吃字。

4. 用户要继续手工改时，同时导出对应剪辑软件的工程文件。

5. 用户要找口误和重复：用 auto-editor whisper 转出带时间的字幕（whisper.cpp 模型文件需另外下载；macOS 26 以上可用 apple 调用系统识别），列出疑似重复的句子和时间点，等用户确认再剪。

局限

• 只看信号（音量、画面变化、黑屏、字幕文字），不理解内容。说错后大声重说，两遍都会保留。

• 背景音乐或环境噪音大时，安静段也有声音，剪不动；建议录干净人声，音乐后加。

• 录屏演示中没说话的操作段会被当成空白剪掉，要改用 motion 或 --keep。

• 转文字要额外下载语音模型，第一次较慢。

输出格式

剪完向用户汇报：

原始时长：mm:ss
剪辑后时长：mm:ss（缩短 xx%）
用的设置：音量线 / 缓冲 / 其他
输出文件：<剪辑版路径>
工程文件：<路径或"未导出">
建议人工再看的地方：<时间点列表，或"无">

一句话

auto-editor 负责剪掉没声音的地方，有声音的哪些该删，留给用户看文字稿来定。