chatmonteur

ChatMonteur 是一个可扩展的、由智能体编排的编辑工作室，适用于 vlogs、教程和解说等真实的出镜演讲录像。它并不从零生成视频，而是通过一个编排了成熟开源工具（auto-editor、faster-whisper、HyperFrames 和 ffmpeg）的流水线来编辑现有的原始素材。 该系统由编码智能体（Claude Code、Codex 或类似工具）驱动。用户导入原始素材并用自然语言描述所需的编辑效果。随后，智能体运行流水线：转录音频、根据语义剪掉停顿和口误、生成字幕、添加动态图形、声音和调色，并渲染最终文件。 整个工作流中强制执行两道质量门禁。方案门禁（plan gate）在任何帧渲染之前对视觉方案进行评分，并拒绝那些看起来像机械剪辑的输出——例如，超过 90 秒没有视觉事件的片段、屏幕文字出现时间超过运行时间的 60%、重复的字幕或连续三次相同的缩放。 文件门禁（file gate）会在采样时间点（10%、35%、65% 和 90%）重新打开每个编码产物，检查音频电平是否存在静音或削波，并将运行时间与编码器接收的参数进行对比。任何损坏的文件都会停止交付并生成一个配套的 `.qc.json` 报告。 编辑决策知识存储在 `skills/` 目录中，以可审计知识库的形式编写，而非嵌入在提示词中。这包括关于在哪里剪切、如何填充剪辑、何时缩放以及如何平衡背景音乐的指导。所有工程阈值均记录在 `engineering-facts.md` 中，并附带每条规则的解释。 典型的 workflow 是通过一条命令生成一个机械上有效的草稿，随后用户与智能体对话以完成编辑——剪掉冗余词汇、添加字幕和图形并优化声音。智能体将呈现必要的审批门禁，且仅将完成的编辑版本提升为母带文件。 该项目免费且优先考虑本地化。`faster-whisper` 在本地运行，无需付费 API 密钥。可以以插件形式添加额外的转录后端。支持跨平台编码，并提供 NVENC 回退至 libx64、VideoToolbox 或 QSV 的方案。 当前状态为 v0.1。机械流水线已实现端到端运行，且智能体驱动的工作流已在从原始素材到检查后母带的完整 YouTube 频道编辑中得到测试。