सभी को नमस्ते, मैं चेंगफेंग हूँ।
मैंने एक सप्ताह संपादन कौशल का उपयोग करके एक संपादन एजेंट बनाने में बिताया।
यह वाकई संतोषजनक है!
यह 10 मिनट में 30 मिनट के वीडियो को स्वचालित रूप से संपादित कर सकता है।
मैं अक्सर टॉकिंग-हेड वीडियो संपादित करने के लिए CapCut (जियानयिंग) का उपयोग करता हूँ, लेकिन कुछ समय उपयोग करने के बाद, मुझे कई समस्याएँ मिलीं:
समस्या 1: स्मार्ट कटिंग अर्थ को समझ नहीं सकती
क्योंकि यह अर्थ नहीं समझ सकता, कुछ दोहराए जाने वाले खंडों की पहचान नहीं होती। अगर मैं एक बार में बीस या तीस मिनट बोलता हूँ, तो इसे स्वयं संपादित करना बहुत थकाऊ है।
समस्या 2: उपशीर्षक की गुणवत्ता खराब है
स्वचालित रूप से उत्पन्न उपशीर्षकों में कई टाइपो (वर्तनी त्रुटियाँ) होती हैं।
इसलिए मैंने एक संपादन एजेंट बनाने के लिए Claude Code की Skills सुविधा का उपयोग किया।
मूलभूत अंतर सरल है:
मुख्य अंतर:
- CapCut = निश्चित उपकरण + मैनुअल संचालन
- Agent = अनुकूलनशील प्रणाली + स्वचालित सीखना
मैं CapCut को बेहतर एल्गोरिदम से नहीं बदल रहा हूँ, बल्कि इसे एक स्व-सुधार प्रणाली से बदल रहा हूँ।
लेकिन यह सबसे प्रभावशाली हिस्सा नहीं है।
सबसे प्रभावशाली हिस्सा यह है: आप जितना अधिक इसका उपयोग करते हैं, यह आपको उतना ही बेहतर समझता है, और यह तेज़ और तेज़ होता जाता है।
तीन मुख्य डिज़ाइन
1. एजेंट तर्क
केवल 4 चरणों की आवश्यकता है:
2. कौशल प्रणाली
पहले, मैंने सभी कार्यों को एक बड़े कौशल में बना दिया था, जिसमें विभिन्न कार्यों को अलग करने के लिए निर्देशों की आवश्यकता होती थी, जो बहुत परेशानी भरा था।
अब मैंने संपादन के 5 मुख्य कार्यों को 5 स्वतंत्र कौशलों में बनाया है और उन्हें .claude/skills/ निर्देशिका में रखा है। यह स्पष्ट है और चुनना आसान है।
जब आप /v इनपुट करते हैं, तो Claude Code स्वचालित रूप से इन 5 उपलब्ध कौशलों को सूचीबद्ध करेगा:
आप एक चुनते हैं, और AI उस कौशल को निष्पादित करता है। सरल, है ना? जो पहले मैनुअल ऑपरेशन में 10 मिनट लगते थे, अब केवल मेनू से चयन की आवश्यकता है।
सभी पद्धतियाँ कौशलों में लिखी गई हैं, इसलिए आपको हर बार निर्देश दोहराने की आवश्यकता नहीं है।
कई स्वतंत्र कौशलों में विभाजित करने का मुख्य कारण है: मनुष्यों को चरणबद्ध आउटपुट की जाँच करने की आवश्यकता है। उदाहरण के लिए, मुझे यह देखने की आवश्यकता है कि समीक्षा मसौदा सही है या नहीं, और फिर पुष्टि के बाद संपादन निष्पादित करना है।
3. स्व-अद्यतन तंत्र: आप जितना अधिक इसका उपयोग करते हैं, यह आपको उतना ही बेहतर समझता है
यह मेरा सबसे गर्वित डिज़ाइन है। प्रत्येक कार्य निष्पादन के बाद, आप प्रतिक्रिया दे सकते हैं, और AI स्थायी रूप से प्रतिक्रिया को कौशलों में सहेज लेगा।
मुख्य बिंदु: कौशल धीरे-धीरे सामान्य नियमों के एक सेट से एक अनुकूलित समाधान में बदल जाते हैं जो केवल आपका है।
इसे 10 बार उपयोग करें, और यह आपकी 80% आदतों को जान लेता है। इसे 50 बार उपयोग करें, और यह पूरी तरह से आपकी आवश्यकताओं को पूरा करता है।
आप जितना अधिक इसका उपयोग करते हैं, कौशल उतने ही अधिक वैयक्तिकृत होते हैं, और यह आपको उतना ही बेहतर समझता है —— यह स्व-अद्यतन की शक्ति है।
विशिष्ट संचालन
चरण 1: कौशल डाउनलोड करें
एक नया फ़ोल्डर खोलें; आप इस फ़ोल्डर को भविष्य में संपादन प्रसंस्करण के लिए एक समर्पित स्थान के रूप में उपयोग कर सकते हैं, जो अधिक सुविधाजनक है।
मेरी मदद करें संपादन कौशल डाउनलोड करने में:
- पता: https://github.com/Ceeon/videocut-skills
- भंडारण पथ: .claude/skills/ (सीधे इस निर्देशिका में क्लोन करें, उपफ़ोल्डर न बनाएं)
फिर यह अपने आप डाउनलोड हो जाएगा, और यह प्रक्रिया बहुत तेज़ है।
फिर हम इन कौशलों को देखने के लिए पुनः आरंभ करते हैं।
चरण 2: वातावरण स्थापित करें
/v इनपुट करें और videocut:install चुनें।
AI स्वचालित रूप से निर्भरताएँ स्थापित करेगा और मॉडल डाउनलोड करेगा (लगभग 5GB):
- FunASR: जीभ फिसलने की पहचान के लिए
- Whisper: उपशीर्षक निर्माण के लिए
इन दोनों मॉडलों के अपने-अपने फायदे हैं: FunASR शब्द-स्तरीय संपादन (जीभ फिसलने, भराव शब्दों की पहचान) के लिए उपयुक्त है, और Whisper उपशीर्षक गुणवत्ता के लिए बेहतर है।
चरण 3: टॉकिंग-हेड वीडियो संपादित करें
/v इनपुट करें, videocut:edit talking-head चुनें, और फिर AI को अपना वीडियो फ़ाइल पथ बताएं।
AI स्वचालित रूप से:
- वीडियो का ट्रांसक्रिप्ट करेगा
- जीभ फिसलने की पहचान करेगा (वाक्य दर वाक्य जाँच करेगा, कोई नहीं छूटेगा)
- भराव शब्दों की पहचान करेगा (उम, आह, एह, आदि)
- मौन की पहचान करेगा (≥1s)
- एक समीक्षा मसौदा तैयार करेगा
समीक्षा मसौदे में, स्टॉप प्रतीक (⏸️) एक मौन खंड को इंगित करता है जिसे हटाने की आवश्यकता है। लाल बिंदु के बाद लहरदार रेखा (🔴～～) एक दोहराए गए खंड को इंगित करती है जिसे भी हटाने की आवश्यकता है। यदि आप अन्य प्रारूप चाहते हैं, तो आप AI को अपनी आवश्यकताओं के अनुरूप प्रारूप में संशोधित करने के लिए कह सकते हैं।
मुख्य बात: समीक्षा मसौदा आने के बाद, आप इसे देखें। यदि कुछ भी आपको असंतोषजनक लगता है (जैसे, 'मैं और अधिक उम रखना चाहता हूँ' या 'यह शब्द गलत पहचाना गया'), तो संतुष्ट होने तक AI के साथ संवाद करते रहें।
फिर /v इनपुट करें, videocut:self-update चुनें, और AI इस समायोजन को कौशलों में रिकॉर्ड करेगा।
पुष्टि के बाद, संपादन स्वचालित रूप से निष्पादित होता है।
चरण 4: उपशीर्षक जोड़ें
बिंदु: कस्टम शब्दकोश = उपशीर्षक सटीकता को दोगुना करें
कौशलों में एक शब्दकोश फ़ाइल पूर्व निर्धारित है:
.claude/skills/videocut:subtitles/dictionary.txt
इस फ़ाइल को खोलें, और आप पूर्व निर्धारित शब्दावली देखेंगे:
आपको केवल इस फ़ाइल में अपने उचित संज्ञा जोड़ने की आवश्यकता है। उदाहरण के लिए, आपकी कंपनी का नाम, उत्पाद का नाम, चैनल का नाम, आदि:
चेंगफेंग का चैनल
AI उत्पाद स्वतंत्रता
मेरा ब्रांड नाम
शब्दकोश में पूर्व-रिकॉर्डिंग AI को उपशीर्षक जोड़ते समय मॉडल त्रुटियों को सुधारने के लिए स्वचालित रूप से आपके शब्दकोश का उपयोग करने की अनुमति देता है। पहली बार में सटीक।
फिर /v इनपुट करें, videocut:subtitles चुनें।
AI स्वचालित रूप से:
- Whisper ट्रांसक्रिप्शन
- टाइपो का शब्दकोश सुधार (आपके कस्टम शब्दकोश का उपयोग करके)
- उपशीर्षक फ़ाइलें उत्पन्न करें
- AI आपको पुष्टि करने देगा कि उपशीर्षक सही हैं या नहीं
- सही होने की पुष्टि करने के बाद, उन्हें वीडियो में बर्न करें
मुख्य बात: यदि बाद में आप पाते हैं कि शब्दकोश में कुछ छूट गया है, तो आप किसी भी समय इसे पूरक करने के लिए /v का उपयोग करके videocut:self-update भी चुन सकते हैं।
चार चरणों में यह हो जाता है, पूरी तरह से स्वचालित।
सारांश
अंत में, परिणाम CapCut में मैनुअल संपादन के परिणाम के साथ मूल रूप से सुसंगत है!
यदि आप अक्सर टॉकिंग-हेड वीडियो संपादित करते हैं, तो मैं इसे आज़माने की अत्यधिक अनुशंसा करता हूँ। स्व-अद्यतन तंत्र का उपयोग करना याद रखें, ताकि एजेंट आपको जितना अधिक उपयोग करेगा, उतना ही बेहतर समझेगा।
