Skip to content

JimLiu/baocut / skills/baocut/built-in-skills/history-video

history-video

Verified

把历史录音、演讲、访谈、广播或档案影像做成观众看得懂的成片:先用几分钟讲清这个人、那个时代、这次讲话为什么要紧,再放完整的原声(原文与译文字幕、分章节)。讲法与画面由手上的材料定(只有录音还是有影像、照片多少、单语还是双语),不套模板;当时的照片、新闻片、报刊、地图与当事人的原声优先,生成的图只画没有真人的示意。只给录音配字幕、排版面走 subtitle-workflow;讲一个历史话题、没有一段要完整放的原声时走 explainer-video 或 clip-montage。

FileKindSize
.baocut-meta.jsonconfig2.5 KB
SKILL.mdskill md19.7 KB
references/brief.mdmarkdown4.9 KB
references/forms.mdmarkdown11.0 KB
references/old-recordings.mdmarkdown12.2 KB
references/self-check.mdmarkdown5.0 KB
references/sources.mdmarkdown5.7 KB

references/old-recordings.md

View on GitHub
# 老录音:修复、拉平、剪开头的空白

几十年前的录音常常又轻又脏:整体比片头旁白低十几到二十分贝,带电源的嗡声与磁带的嘶声,主讲离话筒近、主持与提问的人远,忽大忽小;档案馆的数字化文件开头还常有十来秒空白。片头讲完一句「下面是完整录音」,观众要先等十秒,再听一段几乎听不清的声音,就走了。用户审张爱玲那期时提的原话是:「3:04 秒后说接下来是完整录音,但是要等 10 来秒才真的有声音;另外整体的录音声音很小,几乎无法听清,是否可以用技术手段放大并去掉杂音?」

所以老录音默认先修再用:在文件上滤掉杂音、拉平、提响,换进视频;开头的空白剪到一秒左右。讲话的内容一个字不剪。

## 1. 先量,再决定修不修

- 整体响度与峰值:`ffmpeg -i <录音> -af ebur128=peak=true -f null -`,看最后的 `I`(LUFS)与 `Peak`,片头旁白也这样量一次。录音比旁白低 10 dB 以上就要修。张爱玲那盘是 -39 LUFS。
- 混音里的音量帮不上:片段音量上限 4 倍(+12 dB),-39 LUFS 提 12 dB 还是听不清,底噪也一起放大。修在文件上做,混音音量留在 1 附近。
- 底噪:找一段只有噪声的地方(开头的空白、两段话之间)听一听,是嗡声(50 或 60 Hz 及其倍频,看录音的国家与年代)、嘶声,还是两者都有。
- 忽大忽小:主讲、主持、问答各听一段,差得多就要拉平(第 3 节)。
- 是不是有损文件:`ffprobe -v error -show_entries stream=codec_name,bit_rate,channels -of compact <录音>`。YouTube、网页上转来的 AAC、MP3 是有损的,降噪前先看第 2 节那条提醒。
- 反过来也要修:录音比旁白响 5 dB 以上、波形顶平(削过波),或者转录时已经滤掉了高频。这种录音不往上提,改往下压,链也不一样,见第 4.1 节。

原件不动,在副本上做。中间文件用 32 位浮点 wav,44.1 kHz 单声道每小时约 0.64 GB 一份,放在空间够的盘上,做完列给用户再清。先切两分钟的样(含主讲、问答和最安静的一段)试参数,听过再跑全片。

## 2. 第一步:滤波与降噪

张爱玲那盘用的链(44.1 kHz 单声道),按录音改的只有嗡声的基频与噪声样本的时段:

```bash
HUM="bandreject=f=60:t=q:w=20,bandreject=f=120:t=q:w=20,bandreject=f=180:t=q:w=20,bandreject=f=240:t=q:w=20"
CHAIN="highpass=f=80:p=2,highpass=f=80:p=2,$HUM,lowpass=f=5000:p=2,lowpass=f=5000:p=2,asendcmd=c='2.0 afftdn@dn sn start; 9.5 afftdn@dn sn stop',afftdn@dn=nr=12:nf=-30:nl=none,equalizer=f=2500:t=q:w=1:g=3"
ffmpeg -i <原录音> -af "$CHAIN" -ac 1 -c:a pcm_f32le stage1.wav
```

- 两道 80 Hz 高通去掉低频的轰声;`bandreject` 去嗡声,基频 50 Hz 的录音换成 50、100、150、200。
- 两道 5 kHz 低通去嘶声。老磁带上的人声在 4–5 kHz 以上本来就没有多少内容,切掉听得更清楚。
- `afftdn` 按噪声样本降噪:`asendcmd` 在 2.0–9.5 秒(只有噪声的那一段)让它学噪声的样子。`nr=12` 已经够了,再强人声会发虚、带水声。
- 2.5 kHz 提 3 dB,让辅音清楚一点。

**有损文件先听不降噪的那版**:网上转来的 AAC、MP3 本身带编码留下的毛病,听着像电音、颤音,滤不掉。降噪(`afftdn`)加提高频往往让它更明显。胡适那盘(YouTube 上 128 kbps 的 AAC)降噪、提 2.5 kHz 之后,用户听出电音和颤音;换成不降噪、不提高频的那版才好,虽然它的底噪几乎没降(数字见第 4.1 节)。测量分不出哪一版的毛病更明显,要靠人听。所以来源是有损文件时:

- 默认用不降噪、不提高频的那版;去削波、滤嗡声、拉平、压缩照做。
- 用户听过嫌底噪大,再做降噪的那版,和不降噪的那版一起做对比样(第 4 节最后一条),让用户挑。

**量时间差**:这条链让声音晚了 1104 个采样(25 ms)。字幕、原声引用的逐词时间、章节都按原录音的时钟,换进视频之前要挪回去。用 `production-scripts` 的 `level.mjs` 量:

```bash
node tools/level.mjs --lag <原录音> stage1.wav --at 15,1800,4300
ffmpeg -i stage1.wav -af "atrim=start_sample=1104,asetpts=PTS-STARTPTS,apad=pad_len=1104" -c:a pcm_f32le stage1s.wav
node tools/level.mjs --lag <原录音> stage1s.wav --at 15,1800
```

几个时刻量出的晚了多少应该一致;挪过之后再量一遍,应该在 0 附近(±1 个采样)。

## 3. 第二步:拉平

```bash
node tools/level.mjs stage1s.wav --out stage2.wav
```

脚本每 100 ms 量一次短时响度,把每一处前后 45 秒里讲话部分的中位数往全片的 75 分位拉:最多提 9 dB、最多压 2 dB,按前后 15 秒平滑,听不出在变。掌声、笑声、碰话筒这类比讲话响得多的地方另外压回去,不跟着被提上来。它打印用到的数:张爱玲那盘是提 -2 到 +9 dB,响声最多压了 19.5 dB,共约 190 秒压了 1 dB 以上。参数(`--lift`、`--cut`、`--window`、`--smooth`)一般不用改。这一步不改时间。

## 4. 第三步:提响、压缩、限幅

```bash
F="volume=0:enable='lt(t,1.5)',volume=17.5dB,acompressor=threshold=0.25:ratio=3:attack=3:release=120:knee=4:detection=peak:makeup=1.5,alimiter=limit=0.794:attack=5:release=80:level=disabled:latency=1,aresample=osf=s16:dither_method=triangular"
ffmpeg -i stage2.wav -af "$F" -c:a flac -compression_level 8 restored.flac
```

- `volume=17.5dB` 按这盘算出来的。换一盘录音时,片头旁白和拉平后的录音各量一次讲话部分的短时响度中位数,差多少提多少,切过去不会突然变小。
- 压缩、限幅把峰值收在 -2 dBFS 以下。`latency=1` 让限幅器不带延迟。
- `volume=0:enable='lt(t,1.5)'` 静掉开头 1.5 秒里的咔哒声;开头干净就不要。
- 结果:张爱玲那盘从 -39.0 LUFS 提到 -24.7 LUFS,真峰值 -1.9 dBFS。导出时带 `--loudness`,整片再统一到平台的响度。
- 做对比样:原录音和修过的各版在同样几处各剪一段,削波最重、底噪最明显、普通讲话的地方各一处;响度对齐,放进一个文件依次放。用户听过再换进视频。最后用 `--lag` 对原录音再量一次,应该还是 0。

## 4.1 另一种录音:太响、削过波、高频早就没了

胡适 1958 年那盘(网上的 m4a,从合辑唱片转出来)和张爱玲那盘正相反:整体 -12 LUFS,比旁白响 8 dB;峰值顶在 0 dBFS,削过波;3 kHz 以上的声音比整体低 37 dB,转录时就滤掉了;两个声道几乎一样(相差在 -90 dB 以下)。修法照第 2–4 节的顺序,改这几处:

- **取一个声道**:两个声道各量一次。几乎一样就取左声道(`pan=mono|c0=c0`);不一样就各听一段,选干净的那个。不混成单声道。
- **先 `adeclip`**:削波修补放在最前面,在降噪和滤波之前。
- **不提高频**:先量:`ffmpeg -i <录音> -af "highpass=f=3000:p=2,highpass=f=3000:p=2,astats=measure_overall=RMS_level:measure_perchannel=none" -f null -` 读出的 RMS 比不加高通时低 30 dB 以上,就是没有高频了。最后用的那版不提 2.5 kHz,只在 4.2 kHz 以上加一道轻低通(`lowpass=f=4200:p=2`)。
- **先不降噪**:这盘是有损文件,照第 2 节那条提醒。用户要降噪时,`afftdn` 用 `nr=8:nf=-50`;转录时已经处理过的录音,再强就发虚。
- **要降噪、开头又没有空白时,把噪声样本接在最前面**:从讲话中间的停顿里切一两秒只有噪声的,接在整段前面让 `afftdn` 先学,处理完再按样本的采样数切掉。
- **往下压**:拉平之后压 1.5 dB,2:1 的压缩,同样的限幅。

下面是这盘第一次用的、带降噪的链,接噪声样本的写法在里面。最后用的那版去掉 `asendcmd`、`afftdn`、`equalizer` 三项,加上 `lowpass=f=4200:p=2`。不降噪,也就不用接噪声样本、不用挪时间(量出来只差 0–2 个采样)。

```bash
NS=83790   # 噪声样本 281.8–283.7 秒,1.9 秒 × 44100
HUM="bandreject=f=60:t=q:w=10,bandreject=f=120:t=q:w=20,bandreject=f=240:t=q:w=20,bandreject=f=360:t=q:w=20"
CHAIN="highpass=f=70:p=2,highpass=f=70:p=2,$HUM,asendcmd=c='0.05 afftdn@dn sn start; 1.85 afftdn@dn sn stop',afftdn@dn=nr=8:nf=-50:nl=none,equalizer=f=2500:t=q:w=1:g=3"
ffmpeg -i <原录音> -filter_complex "[0:a]pan=mono|c0=c0,adeclip,asplit=2[a][b];[a]atrim=start=281.8:end=283.7,asetpts=PTS-STARTPTS[n];[b]asetpts=PTS-STARTPTS[f];[n][f]concat=n=2:v=0:a=1,$CHAIN,atrim=start_sample=$NS,asetpts=PTS-STARTPTS[o]" -map "[o]" -c:a pcm_f32le stage1.wav
# 量时间差(这盘晚了 1097 个采样),挪回去,再 level.mjs 拉平(它打印 -2 到 +5.9 dB)
F="volume=-1.5dB,acompressor=threshold=0.35:ratio=2:attack=3:release=120:knee=4:detection=peak:makeup=1,alimiter=limit=0.794:attack=5:release=80:level=disabled:latency=1,aresample=osf=s16:dither_method=triangular"
ffmpeg -i stage2.wav -af "$F" -c:a flac -compression_level 8 restored.flac
```

结果:最后用的那版从 -12 LUFS 降到 -17.7 LUFS,真峰值 -2.0 dBFS,和原录音的时间差 0–2 个采样。拿噪声样本那 1.9 秒比底噪:原录音 -45 dB,不降噪的那版 -46 dB,降噪的那版 -52 dB。

## 5. 换进视频

1. `baocut assets import <videoId> --path restored.flac --storage managed --name <名字>`。
2. 一笔 `edits apply`(先 `--dry-run`),用到旧录音的片段全部换掉,包括正片录音和片头里的每一段原声引用:
   - 对每个片段做 `replaceItemAsset`(`assetRef` 是新素材的 `{ id, revision }`)。
   - 再用 `setAudioMix` 重设音量:正片录音设 1;原声引用的音量这样算:先在修过的文件里量这一段的 LUFS,音量 = 10^((`footage.loudness` − 实测值) / 20),夹在 0–4。
   - 新文件比旧的短几毫秒时(编码对齐),先用 `trimItem` 把正片录音的终点收进新文件的长度。
3. 之后重放原声引用前,把 `clips.json` 里这些片段的 `asset` 改成新素材的 ID、`source` 改成修过的文件。否则 `overlay.mjs --place` 会按旧录音放回去,音量也按旧录音算。

## 6. 剪开头的空白

- 找第一个字:正片转写的第一条,或者第 3 节量出的响度第一次高过讲话门限的地方。在它前面留 1 秒左右。
- 一笔 `edits apply` 剪掉:
  - `removeRange` 剪掉这一段(`from`、`to` 用帧,`trackIds` 列全部轨道,正片的画面、字幕、水印一起往前挪)。
  - 引擎剪的时候不挪章节,所以对剪掉的这一段之后的每一章各做一次 `upsertChapter`,`at` 写原来的帧数减去剪掉的帧数。
- 范围从正片起点之后开始,别碰片头最后一拍和正片第一帧的封面。剪之前先列出这一段各轨上有什么(`videos inspect`),确认只有空白。
- 剪完查一遍写死了正片总长的地方:声波底图上印的总时长(例如「TOTAL 01:12:46」)、片尾卡、说明与发布文案里的时长。时间码和声波按时间线画,会自己对上;印在图上的字不会,要重做那张图,用 `replaceItemAsset` 换进去,再烘焙导出。张爱玲那期漏了底图上这一处,成片里写的总长比实际多 8 秒。
- 合辑、唱片的报幕与介绍(「某某演讲选萃」的片头、主持人的旁白)不是这场讲话,和空白一样算开头。用户同意后照这一节剪,在说明与发布文案里写清剪了几秒、剪掉的是什么。
- 剪掉开头后,声波底图要重画:`envelope.mjs` 带 `--from <剪掉的秒数>`,声波才和视频里放的那段对得上(`production-scripts` 的 `pipeline.md`「录音波形」)。
- 正片的内容只在用户同意后剪(`SKILL.md` 第 2 节)。用户说了要剪开头的空白,就只剪空白。

## 7. 写进说明与发布文案

- 说明里写清:用了哪条滤波链;噪声样本取在哪一段;量出的时间差,以及怎么挪回去的;拉平和提响的数字;修前修后的响度;开头剪了几秒。还要写一句「讲话内容没有剪」。
- 发布文案的声明写一句人话,例如「原声做了降噪,音量也放大了;讲话内容没有剪,只剪掉了开头约 8 秒的空白」。章节时间按剪过之后的成片重算。
planning-and-task-breakdownaddyosmani/agent-skillsBreaks work into ordered tasks. Use when you have a spec or clear requirements and need to break work into implementable tasks. Use when a task feels too large to start, when you need to estimate scope, or when parallel work is possible.Stars: 119kUpdated Claude CodeCodexVerifiedInstall
screenpipethedotmack/claude-memSearch screen and audio history recorded by Screenpipe and optionally save selected context into claude-mem. Use when the user asks to recall desktop activity, a meeting, or something seen in another app through Screenpipe.Stars: 118kUpdated Claude CodeCodexVerifiedInstall
contact-widgetnexu-io/open-designSelf-contained floating chat widget with welcome screen, social links, meeting button, and message input. Single HTML file, zero dependencies.Stars: 108kUpdated Claude CodeCodexVerifiedInstall
meeting-notesnexu-io/open-designMeeting notes page — title bar with attendees, agenda checklist, decisions block, action items table with owners + dates, and a "next meeting" footer. Use when the brief mentions "meeting notes", "minutes", "1:1 notes", "all-hands recap", or "会议纪要".Stars: 108kUpdated Claude CodeCodexVerifiedInstall