1实现原理 · 为什么它能做到
整条链路是确定性算法而非模型判断：只处理 head/tail 死气与超过 --gap 的词间停顿，一句话都不改。
.claude/skills/cut-silences/scripts/cut-silences.mjs
Pure pause/silence trimmer. Takes any word-level transcript (ElevenLabs Scribe … shape, or { words: [{ text, start, end }] }) and removes silences only:
同一段注释还显式划界：It does NOT cut repeats, false starts, or mistakes — that is Agent 2's job. 因此输出天然可复现，适合当管线第一环。
头尾死气按 --head-pad / --tail-pad 直接砍掉，作为两个独立删除区间进入合并。
.claude/skills/cut-silences/scripts/cut-silences.mjs
// head + tail dead air const headEnd = words[0].start - opts.headPad; if (headEnd > 0) deleteRanges.push({ start: 0, end: headEnd, reason: "head trim before first word" });
默认 head-pad 0.22s、tail-pad 0.34s，来自 SKILL.md 的参数表；没视频时以转录自带 audio_duration_secs 或最后一个词的 end 兜底时长。
词间停顿不是砍到 0，而是按上下文保留一口“自然呼吸”：长停顿 0.24s、句末 0.20s、其余 0.14s。
.claude/skills/cut-silences/scripts/cut-silences.mjs
if (gap < opts.gap) continue; … const sentenceBreak = /[.!?]$/.test(prev.text ?? ""); const keep = gap >= 2 ? 0.24 : sentenceBreak ? 0.2 : 0.14;
低于 --gap（默认 0.55s）的停顿完全不碰，这是“保留口语节奏”的开关；调小 --gap 会切得更紧但更容易切碎。
保留的呼吸被有意偏向后句首：前句末端多留 55%、后句开头少留 45%。
.claude/skills/cut-silences/scripts/cut-silences.mjs
// Bias the kept breath slightly toward the end of the previous phrase. const delStart = prev.end + keep * 0.55; const delEnd = next.start - keep * 0.45;
这是听感细节处理：把余量留在上一句尾音后，避免下一句起音被切掉。
删除区间先合并再做补集得到 keep ranges，并丢掉小于 40ms 的碎片区间。
.claude/skills/cut-silences/scripts/cut-silences.mjs
if (cursor < duration) keepRanges.push({ start: cursor, end: duration }); const usableKeepRanges = keepRanges.filter((r) => r.end - r.start >= 0.04);
补集思路让 EDL 既是删除表也是保留表；40ms 下限防止 ffmpeg 生成无意义的极短切片。
转录按同一套删除表重定时到剪辑轴，并保留 source_start/source_end 供回查原片。
.claude/skills/cut-silences/scripts/cut-silences.mjs
const editedWords = []; for (const word of words) { if (inDeleted(word)) continue; … start: Number((word.start - removedBefore(word.start)).toFixed(3)),
removedBefore(t) 累加 t 之前被删的秒数，等价于线性映射；下游 beat 时间与 validate-beat-sync.mjs 因此无需二次换算。
渲染走 ffmpeg trim/atrim + concat 的 filtergraph，先落盘成 *.silence-filter.txt 再用 -/filter_complex 传入；默认只算不渲。
.claude/skills/cut-silences/scripts/cut-silences.mjs
lines.push(`[0:v]trim=start=${r.start.toFixed(3)}:end=${r.end.toFixed(3)},setpts=PTS-STARTPTS[v${i}];`); … const ffArgs = [ "-y", "-i", videoPath, "-/filter_complex", scriptPath, "-map", "[v]", "-map", "[a]", "-c:v", "libx264", "-preset", "medium", "-crf", "18", "-c:a", "aac", "-b:a", "192k", "-movflags", "+faststart", outputPath, ];
视频与音频用同一组区间同步裁切，避免 A/V 漂移；无 --apply 时只打印 hint: re-run with --apply to render the cut video。
2核心能力
01砍掉头尾死气与超阈值词间停顿（纯沉默，不动一个字）
02按上下文保留“自然呼吸”（长停顿/句末/其余三档），而非硬零间隔
03输出 EDL（删除区间 + 保留区间 + 参数 + 时长），可直接被下游或人工复核
04产出重定时转录，交给 Agent 2 与节拍校验，无需再对齐时间
05人读决策摘要（含被削掉的最大 15 个停顿），便于抽查是否切过头
06dry-run 与渲染分离：默认只写 EDL/转录/摘要并打印 ffmpeg 命令，--apply 才动视频
07参数化调优（--gap / --head-pad / --tail-pad / --output / --out-dir）并给出经验值
08兼容多种词级转录形状（ElevenLabs Scribe / 泛型），并按 type 过滤非词事件
3外部依赖
| Kind | Dependency / Endpoint |
|---|---|
| cli | Node.js（跑 cut-silences.mjs） |
| cli | ffmpeg（trim/atrim + concat 重编码，仅 --apply 时执行） |
| cli | ffprobe（无 audio_duration_secs 时探源片时长） |
| api | ElevenLabs Scribe（**前置步骤**：由仓库级 scripts/transcribe-elevenlabs.mjs 上传音频取词级时间戳；本次侦察未在本 skill 目录内发现任何调用代码） |
| cli | 本地 Whisper / whisper.cpp（文档列出的无 key 替代转录路线） |
4管控建议与判定依据
建议配套管控措施
面向 Agent
分级或逐次授权，建议在沙箱运行
面向管理者
审批流程、可回滚、全程审计
判定依据（文件路径与关键语句摘要）
- scripts/: 执行本地脚本或命令: node .claude/skills/cut-silences/scripts/cut-silences.mjs <transcript.json>
- 网络端点: 声明外部网络访问: 前置步骤的对外端点（来自仓库级 helper，非本目录）：api.elevenlabs.io/v1/speech-to-text（POST 音频取词级
- 本地工作目录: 文件读写与工件输出: <stem>.silence-edl.json（keep/delete 区间 + params + 时长）
审计说明： 。判级对象为本 skill 自身目录（SKILL.md + 1 个 11.8KB 的 mjs）：唯一可执行代码是纯本地 Node 脚本，读 word-level 转录、算区间、写 EDL/转录/摘要/filter，唯一子进程是 ffprobe 与 ffmpeg 两个固定二进制；0 处网络调用、0 处凭证读取、0 处 env 访问、0 处删除或破坏性操作。需要写清但**不据此抬档**的相邻面：SKILL.md 的 Prerequisites 指向仓库级 `scripts/transcribe-elevenlabs.mjs` 取转录，该 helper 读 ELEVENLABS_API_KEY 并把音频上传到 api.elevenlabs.io（有素材出网与额度消耗）——它不在本 skill 目录内，且本 skill 只要求『任何 word-level 转录』并明确接受泛型 `{ words: [...] }` 与无 key 的本地 Whisper 路线，转录被视为上游产物而非本 skill 的职责。与同批 edit-video（🟠）的区别正在这里：edit-video 的 SKILL.md 把服务调用写进自己主流程第 2 步、并自带成本与授权说明。
5第二遍独立确认
- [ok] 目录文件清单与 Outputs 表对照 — 目录仅 SKILL.md + scripts/cut-silences.mjs；SKILL.md 列出的 5 类产物中 3 类无条件写、filter.txt 与 mp4 受 --video/--apply 门控，与源码 writeFileSync/spawnSync 分支一致。
- [ok] 网络面反例搜索 — 目录内 0 处 fetch/URL/网络模块导入；SKILL.md 出现的 `node scripts/transcribe-elevenlabs.mjs ...` 是仓库级前置命令，文件名不含 http，且未被本脚本引用。
- [ok] 凭证面反例搜索 — 0 处 process.env/API_KEY/TOKEN/.env；脚本对 process 的导入仅 argv/exit（`import { argv, exit } from "node:process";`）。
- [ok] 「只删沉默」是否被代码强制 — 删除区间只由 head/tail pad 与 gap>opts.gap 的停顿生成三处 push 产生，源码无重复词/相似度/语义判断，与文档声明一致，无夸大。
- [ok] 重定时映射正确性 — start = word.start - removedBefore(word.start)，removedBefore 只累加严格位于其前的删除量，因此不会出现负值或跳变；edited_duration = duration - removedTotal 与被删总量自洽。
- [ok] 文档参数 vs 脚本 argv — --video/--out-dir/--output/-o/--gap/--head-pad/--tail-pad/--apply 全部在 argv 解析中定位到，未知 --flag 会 die，与 SKILL.md 表格一致。
6结论
适合： 适合：有词级转录的 talking-head 长视频第一遍粗剪（自动化去掉 15-20% 纯沉默）、把剪辑产物做成可复核 EDL 的流水线，以及作为多代理剪辑管线的确定性起点。
不适合： 不适合：没有词级时间戳的转录（段落级/SRT 不行）、需要删口误或重录（那是 cut-mistakes）、需要保留全部呼吸停顿的访谈原貌，以及期望脚本自己决定“哪里该切”的场景——它只按数值规则办事。
Install Agent-Ready
① Verified Mirror 2026-09-28
Option A · Direct DownloadDownload cut-silences.tar.gz
sha256:
Option B · Copy Guide for Agent484001b000655549…agent 读 JSON 指南后会自动从本站下载安装，无需更多说明。
② Upstream GitHub
GitHub Repo ↗
Pinned to commit 0d30152a82.