podcastcut:质检
播客剪辑质量检测。自动分析剪切点的能量突变、静音异常、频谱跳变，输出质量报告并标记需要人工复听的片段。触发词：质检、检查剪辑、QA、check edit
Resources
1Install
npx skillscat add luoyuweidu1/podcastcut-skills/-izsasf-2 Install via the SkillsCat registry.
SKILL.md
播客剪辑质检
自动检测剪辑问题 → 标记可疑片段 → 只听几个标记点，不用从头听到尾
⚠️ 启动时必须询问
在开始质检之前，必须先询问用户：
请提供以下信息：
1. **剪辑后的播客音频路径**
- 例如：`output/2026-02-21_播客名/3_成品/podcast_精剪版.mp3`
2. **（可选）Gemini API Key**
- 如果已配置环境变量 GEMINI_API_KEY，会自动启用 AI 听感评估
- 没有也没关系，信号层分析已能检出大多数问题架构
┌─────────────────────────────────────────────────┐
│ 播客剪辑质检 │
│ │
│ 输入: 剪辑后音频 │
│ │
│ ┌───────────────┐ ┌───────────────────────┐ │
│ │ Layer 1 │ │ Layer 2 │ │
│ │ 信号分析 │ │ AI 听感评估 │ │
│ │ (librosa) │ │ (Gemini Audio API) │ │
│ │ │ │ │ │
│ │ - 能量突变 │ │ - 停顿自然度 │ │
│ │ - 静音异常 │ │ - 过渡平滑度 │ │
│ │ - 波形不连续 │ │ - 整体节奏感 │ │
│ │ - 频谱跳变 │ │ - 语义连贯性 │ │
│ │ - 呼吸音截断 │ │ │ │
│ └───────┬───────┘ └──────────┬────────────┘ │
│ │ │ │
│ └───────────┬───────────┘ │
│ ▼ │
│ ┌───────────────────────┐ │
│ │ Layer 3 │ │
│ │ 报告生成 │ │
│ │ │ │
│ │ - 综合质量评分 │ │
│ │ - 问题片段时间戳 │ │
│ │ - 问题类型分类 │ │
│ │ - 建议修复方式 │ │
│ └───────────────────────┘ │
│ │
│ 输出: QA Report (JSON + Markdown 摘要) │
└─────────────────────────────────────────────────┘设计原则：Layer 1 独立可用，无需任何 API Key 即可提供 80% 的价值。Layer 2 是锦上添花。
快速使用
用户: 帮我检查一下剪辑质量
用户: 质检这个播客
用户: QA 我的播客
用户: check edit输入
- 剪辑后的播客音频（MP3 / WAV / M4A）
- （可选）Gemini API Key（环境变量
GEMINI_API_KEY）
输出
- QA 报告 JSON — 结构化数据，给程序用
- QA 摘要 — 人类可读的 Markdown，标注需要复听的片段
- 总体评分 — 1-10 分
流程
0. 询问用户：音频路径
↓
1. Layer 1: 信号分析（自动检测剪切点 + 5 项检测）
↓
2. Layer 2:（可选）AI 听感评估（Gemini 评估可疑片段）
↓
3. Layer 3: 生成综合报告
↓
4. 向用户展示摘要，标注需要人工复听的片段
↓
完成一、Layer 1: 信号分析
剪切点自动检测
不依赖上游数据，直接从音频中检测剪辑痕迹：
# 自动检测策略：
# 1. 能量包络突变检测 — 短时 RMS 能量的急剧变化
# 2. 静音段边界检测 — 静音段前后是潜在的剪切点
# 3. 频谱不连续检测 — MFCC 特征的突变点5 项检测
| # | 检测项 | 方法 | 判定阈值 | 严重度 |
|---|---|---|---|---|
| 1 | 能量突变 | 剪切点前后 100ms 窗口的 RMS 能量比 | ratio > 3.0 | high |
| 2 | 不自然静音 | 静音段过短(<100ms)或过长(>2s) | 基于上下文动态调整 | medium |
| 3 | 波形不连续 | 剪切点的零交叉率(ZCR)突变 | ZCR 变化 > 2 标准差 | medium |
| 4 | 频谱跳变 | 剪切点前后的 MFCC 余弦相似度 | similarity < 0.7 | high |
| 5 | 呼吸音截断 | 检测剪切点是否落在呼吸音中间 | 能量包络模式匹配 | low |
运行命令
python3 "$SKILL_DIR/质检/scripts/signal_analysis.py" \
--input "$WORK_DIR/podcast_精剪版.mp3" \
--output "$WORK_DIR/qa_signal_report.json"输出格式
{
"audio_file": "podcast_精剪版.mp3",
"duration_seconds": 5400,
"detected_cut_points": 42,
"issues": [
{
"timestamp": 45.23,
"type": "energy_jump",
"severity": "high",
"detail": "Energy ratio 5.2x at cut point",
"suggestion": "Add 50ms crossfade",
"listen_range": [43.0, 48.0]
},
{
"timestamp": 123.45,
"type": "unnatural_silence",
"severity": "medium",
"detail": "Silence duration 50ms between sentences (expected 300-500ms)",
"suggestion": "Extend silence to 300ms",
"listen_range": [121.0, 126.0]
}
],
"signal_score": 8.2,
"summary": {
"total_issues": 3,
"high": 1,
"medium": 1,
"low": 1
}
}二、Layer 2: AI 听感评估（可选）
使用 Gemini 的原生音频理解能力评估人耳层面的听感。需要 GEMINI_API_KEY 环境变量。
评估策略
不是把整集扔给 Gemini（太贵），而是有针对性地评估：
| 策略 | 说明 | 片段时长 |
|---|---|---|
| 全局采样 | 等间隔抽取 5-8 个片段，评估整体节奏和风格一致性 | 30 秒/个 |
| 可疑片段复查 | 对 Layer 1 标记的问题片段，用 AI 二次确认（减少误报） | 10 秒/个 |
Gemini Prompt
You are a professional podcast editor evaluating an audio edit.
Listen carefully to this clip and evaluate:
1. TRANSITION QUALITY (1-10): Does the edit point sound natural?
- Is there an abrupt change in background noise or room tone?
- Does the speaker's intonation flow naturally across the edit?
- Are pauses between sentences/words at a natural duration?
2. SPECIFIC ISSUES: List any moments that sound "off" with timestamps.
3. VERDICT: "pass" / "review_recommended" / "redo_recommended"
Be precise with timestamps. A professional listener would catch these issues.成本预估
| 播客时长 | API 调用次数 | 预估成本 |
|---|---|---|
| 30 分钟 | 20-30 次 | $0.10-0.30 |
| 60 分钟 | 30-50 次 | $0.20-0.50 |
| 90 分钟 | 40-60 次 | $0.30-0.60 |
运行命令
# 需要设置环境变量
export GEMINI_API_KEY="your-api-key"
python3 "$SKILL_DIR/质检/scripts/ai_listen.py" \
--input "$WORK_DIR/podcast_精剪版.mp3" \
--signal-report "$WORK_DIR/qa_signal_report.json" \
--output "$WORK_DIR/qa_ai_report.json"三、Layer 3: 综合报告
合并 Layer 1 和 Layer 2 的结果，生成人类可快速浏览的 QA 报告。
报告内容
| 部分 | 说明 |
|---|---|
| 总体评分 | 综合 signal_score 和 AI 评分，1-10 |
| 需要复听的片段 | 按严重程度排序，带时间戳 |
| 自动通过的片段 | 两层都没问题，标为 PASS |
| 统计摘要 | 总剪切数、问题率、各类问题分布 |
运行命令
python3 "$SKILL_DIR/质检/scripts/report_generator.py" \
--signal "$WORK_DIR/qa_signal_report.json" \
--ai "$WORK_DIR/qa_ai_report.json" \
--output "$WORK_DIR/qa_report.json" \
--summary "$WORK_DIR/qa_summary.md"摘要示例
# 播客剪辑质检报告
**音频**: podcast_精剪版.mp3
**时长**: 1:30:00
**检测剪切点**: 42 个
**总体评分**: 8.2 / 10
## 需要人工复听的片段（3 个）
| # | 时间 | 问题类型 | 严重度 | 说明 |
|---|------|----------|--------|------|
| 1 | 00:45 | 能量突变 | HIGH | 能量比 5.2x，建议加 50ms 交叉淡化 |
| 2 | 02:03 | 不自然静音 | MEDIUM | 句间静音仅 50ms，建议延长到 300ms |
| 3 | 15:22 | 频谱跳变 | MEDIUM | 背景噪声在剪切点突变 |
## 统计
- HIGH: 1 个
- MEDIUM: 2 个
- LOW: 0 个
- 自动通过: 39 个（92.9%）
> 只需复听以上 3 个片段（约 15 秒），无需听完整集。进度 TodoList
启动时创建：
- [ ] 询问用户：音频路径
- [ ] Layer 1: 信号分析（检测剪切点 + 5 项检测）
- [ ] Layer 2:（可选）AI 听感评估
- [ ] Layer 3: 生成综合报告
- [ ] 向用户展示摘要输出文件
qa_signal_report.json # Layer 1 信号分析结果
qa_ai_report.json # Layer 2 AI 评估结果（可选）
qa_report.json # 综合报告（JSON）
qa_summary.md # 综合报告（Markdown 摘要）与其他 Skill 的关系
/podcastcut-content → 内容剪辑
/podcastcut-edit → 执行剪辑
/podcastcut-质检 → 剪辑质检 ← 本 Skill
/podcastcut-后期 → 最终润色推荐流程：
原始音频/视频
↓
/podcastcut-content ← 删除废话、跑题、隐私
↓
/podcastcut-edit ← 执行剪辑，输出精剪版
↓
/podcastcut-质检 ← 自动检测剪辑问题，标记复听点
↓
（人工复听标记片段，必要时调整）
↓
/podcastcut-后期 ← 片头预览 + 背景音乐 + 时间戳 + 标题 + 简介
↓
发布经验与陷阱
陷阱 1：播客场景下 energy_jump 全是假阳性
现象：信号分析在 56 分钟播客上检出 1725 个 issues（score 1.0/10），其中绝大多数是 energy_jump。
原因：播客中自然的说话人切换、语气变化都会产生巨大的能量比（10x-105x 都是正常的）。AI 复查确认 top 10 极端 energy_jump（105x, 78x, 72x…）全部是假阳性。
解决：播客模式下完全忽略 energy_jump，只保留 spectral_jump（频谱跳变）和 unnatural_silence（不自然静音）。过滤后从 800 个 → 1 个，复听从 394 → 9 个。
陷阱 2：Gemini 模型名需要用最新版
现象：gemini-2.0-flash 返回 404 错误。
解决：使用 gemini-2.5-flash。模型更新频繁，如果遇到 404，用 client.models.list() 查看可用模型。
陷阱 3：API Key 从 .env 自动加载
ai_listen.py 会自动从项目根目录的 .env 文件读取 GEMINI_API_KEY，无需手动 export。
依赖
# requirements.txt
librosa>=0.10.0
numpy>=1.24.0
soundfile>=0.12.0
google-genai>=1.0.0 # 可选，Layer 2 需要安装：
pip install librosa numpy soundfile
pip install google-genai # 可选，启用 AI 听感评估实际运行数据（2026-02-22）
| 指标 | 数值 |
|---|---|
| 音频 | podcast_final.mp3 (56:32) |
| Layer 1 原始 issues | 1725 |
| 播客模式过滤后 | 1 (spectral_jump) |
| Layer 2 AI 评分 | 7.3/10 |
| AI 复查误报率 | 100%（10/10 全部假阳性） |
| 综合评分 | 8.3/10 |
| 需复听片段 | 9 个（约 45 秒） |
| Gemini 模型 | gemini-2.5-flash |
| API 调用 | 16 次（6 全局 + 10 可疑复查） |
示例对话
用户: 帮我质检一下剪辑后的播客
AI: 好的，请提供剪辑后的播客音频路径。
用户: output/2026-02-21_聊天/3_成品/podcast_精剪版.mp3
AI: 收到！开始质检...
Layer 1: 信号分析
✓ 检测到 42 个剪切点
✓ 5 项检测完成
Layer 2: AI 听感评估
ⓘ 未配置 GEMINI_API_KEY，跳过（仅使用信号分析结果）
## 质检报告
**总体评分: 8.2 / 10**
### 需要人工复听的片段（3 个）
| # | 时间 | 问题 | 严重度 |
|---|------|------|--------|
| 1 | 00:45 | 能量突变 5.2x | HIGH |
| 2 | 02:03 | 静音过短 50ms | MEDIUM |
| 3 | 15:22 | 频谱跳变 | MEDIUM |
只需复听以上 3 个片段（约 15 秒），无需听完整集。
报告已保存：
- qa_report.json
- qa_summary.mdCategories
Install
npx skillscat add luoyuweidu1/podcastcut-skills/-izsasf-2 Install via the SkillsCat registry.