新增16个AI技能：包含图像生成、视频剪辑、数据分析、智能查询等功能模块

.opencode/skills/videocut-clip-oral/tips/口误识别方法论.md

@@ -0,0 +1,270 @@
+<!--
+input: 转录文本 (带时间戳的 JSON)
+output: 审查稿
+pos: 核心方法论，口误识别和删除决策
+
+架构守护者：一旦我被修改，请同步更新：
+1. ../README.md 文件清单
+-->
+
+# 口误识别方法论
+
+## 一、识别方法
+
+### ❌ 不要用正则匹配
+
+### ✅ 逐段阅读，逐句检查
+
+每句话问自己：
+1. **句子完整吗？** - 残句 = 口误
+2. **有重复吗？** - 词语/短语/句子重复
+3. **通顺吗？** - 不通顺 = 说错了
+
+### 口误特征
+
+| 特征 | 判断 |
+|------|------|
+| 残句（没说完） | 一定是口误 |
+| 同一内容说两遍 | 删前面保后面 |
+| 语义不通顺 | 说错了重说 |
+| 多余的字词 | 卡顿/口吃 |
+
+---
+
+## 二、口误类型与删除策略
+
+| 类型 | 示例 | 删除策略 |
+|------|------|----------|
+| 重复型 | `拉满新拉满` | 只删差异部分（"新"） |
+| 替换型 | `AI就是AI就会` | 删第一个完整版本（"AI就是"） |
+| 卡顿型 | `听会会` | 删第一个重复字 |
+
+### ⚠️ 精确处理步骤
+
+当遇到 `🔴~~错误版本~~正确版本` 时：
+
+**步骤1**：识别口误类型（重复/替换/卡顿）
+
+**步骤2**：逐token查时间戳
+```python
+for i in range(start_idx, end_idx):
+    gap = timestamps[i][0] - timestamps[i-1][1] if i > 0 else 0
+    print(f"[{i}] {tokens[i]} @ {timestamps[i][0]/1000:.2f}s" +
+          (f" ⚠️ gap={gap/1000:.1f}s" if gap > 500 else ""))
+```
+
+**步骤3**：确定精确删除边界
+- 时间跨度 > 2秒 → 必有静音，需拆分
+- 替换型：删第一个完整版本
+- 重复型：只删差异token
+
+### 案例库
+
+| 口误 | 错误处理 | 正确处理 |
+|------|----------|----------|
+| `拉满新拉满` | 删40.84-47.69s | 删41.35-47.69s（静音+新） |
+| `AI就是AI就会` | 只删"就是" | 删"AI就是"(85.78-86.50s) |
+| `听会会` | 删整个"听会会" | 只删第一个"会" |
+
+---
+
+## 三、微口误检测（2026-01-15 新增）
+
+### 什么是微口误
+
+不成词的卡顿音，转录检测不到，但听起来不舒服。
+
+| 类型 | 示例 | 特点 |
+|------|------|------|
+| 起音卡顿 | "呃...你以为" | 开头有杂音 |
+| 吞字 | "钉钉A...钉钉AI" | 说到一半重来 |
+| 气口声 | 吸气/呼气声 | 换气太重 |
+
+### VAD 检测方法
+
+用 FunASR 的 VAD（语音活动检测）找出所有发声片段：
+
+```python
+from funasr import AutoModel
+import subprocess
+
+# 提取音频
+subprocess.run(['ffmpeg', '-y', '-i', 'video.mp4', '-ss', '0', '-t', '5',
+               '-vn', '-acodec', 'pcm_s16le', '-ar', '16000', '-ac', '1',
+               '/tmp/check.wav'], capture_output=True)
+
+# VAD 检测
+vad_model = AutoModel(model="fsmn-vad", disable_update=True)
+result = vad_model.generate(input="/tmp/check.wav")
+
+for item in result:
+    if 'value' in item:
+        for start_ms, end_ms in item['value']:
+            print(f"[{start_ms/1000:.3f}s - {end_ms/1000:.3f}s] 语音活动")
+```
+
+### 输出示例
+
+```
+[0.000s - 0.430s] 语音活动  ← 微口误！（0.71s才是正式语音）
+[0.710s - 4.980s] 语音活动  ← 正式语音
+```
+
+### 判断规则
+
+| 模式 | 判断 |
+|------|------|
+| 短语音 + 长静音 + 长语音 | 第一个短语音是微口误 |
+| 语音时长 < 0.5s 且后面有静音 | 可能是微口误 |
+
+---
+
+## 三.5、语气词检测（2026-01-15 新增）
+
+### 什么是语气词
+
+转录能识别，但属于多余的过渡音，删除后更流畅。
+
+| 类型 | 示例 | 特点 |
+|------|------|------|
+| 过渡词 | "嗯"、"啊" | 句子之间的填充 |
+| 感叹词 | "哎"、"诶"、"唉" | 无意义感叹 |
+| 犹豫音 | "呃"、"额" | 思考时发出 |
+
+### 检测方法
+
+```python
+# 语气词列表
+filler_words = ['嗯', '啊', '哎', '诶', '呃', '额', '唉', '哦', '噢', '呀', '欸']
+
+# 扫描转录结果
+for i, item in enumerate(all_chars):
+    if item['char'] in filler_words:
+        # 获取上下文
+        prev_char = all_chars[i-1] if i > 0 else None
+        next_char = all_chars[i+1] if i < len(all_chars)-1 else None
+
+        print(f"[{item['start']:.2f}s] \"{item['char']}\"")
+        print(f"  上下文: {prev_char['char']}【{item['char']}】{next_char['char']}")
+```
+
+### ⚠️ 删除边界要精确
+
+```
+错误：删语气词的时间戳 (语气词.start - 语气词.end)
+      → 可能删掉前面字的尾音
+
+正确：从前一个字的 end 到后一个字的 start
+      → (前字.end - 后字.start) 包含静音+语气词
+```
+
+### 案例模式
+
+| 上下文 | 错误删除 | 正确删除 |
+|--------|----------|----------|
+| "A [静音] 语气词 B" | 只删语气词时间戳 | 删 "A.end - B.start" |
+| "A 语气词 B" | 删语气词时间戳 | 删 "A.end - B.start" |
+
+---
+
+## 四、静音段
+
+### 阈值规则
+
+| 静音长度 | 处理 |
+|---------|------|
+| < 1秒 | **忽略** - 自然停顿 |
+| ≥ 1秒 | 建议删除 |
+| 开头 > 1秒 | 建议删除 |
+
+### 识别方法
+
+```python
+# 开头静音
+if timestamps[0][0] > 1000:
+    print(f"开头静音 {timestamps[0][0]/1000:.1f}s")
+
+# 句间静音
+for i in range(len(timestamps) - 1):
+    gap = timestamps[i+1][0] - timestamps[i][1]
+    if gap >= 1000:
+        print(f"静音 {gap/1000:.1f}s @ {timestamps[i][1]/1000:.1f}s")
+```
+
+---
+
+## 五、审查稿格式（时间戳驱动）
+
+```markdown
+# 口误审查稿
+
+视频：01-xxx-v1.mp4
+
+---
+
+【正文】
+
+⏸️[1.36s @ 0.00-1.36]
+
+🔴~~你以为今天a~~(1.36-2.54)你以为钉钉AI录音卡...
+
+---
+
+【删除任务清单】
+
+**口误（3处）**：
+- [ ] 1. `(1.36-2.54)` 删"你以为今天a" → 保留"你以为钉钉"
+- [ ] 2. `(47.55-47.69)` 删"新" → 保留"拉满"
+- [ ] 3. `(85.78-86.50)` 删"AI就是" → 保留"AI就会"
+
+**静音（2处）**：
+- [ ] 1. `(41.35-47.55)` 静音6.2s
+- [ ] 2. `(0.00-1.36)` 开头静音
+```
+
+**关键**：
+- 删除项用 `(start-end)` 格式
+- 剪辑脚本直接用时间戳，不搜索文本
+
+---
+
+## 六、FunASR 时间戳对齐
+
+### Token规则
+
+| 元素 | 时间戳 |
+|------|--------|
+| 中文字符 | 每字1个 |
+| 英文单词 | 整词1个（`agent` 算1个） |
+| 标点/空格 | 无时间戳 |
+
+### Token化函数
+
+```python
+def tokenize(text):
+    tokens = []
+    i = 0
+    while i < len(text):
+        char = text[i]
+        if '\u4e00' <= char <= '\u9fff':  # 中文
+            tokens.append(char)
+            i += 1
+        elif char.isascii() and char.isalpha():  # 英文
+            word = ''
+            while i < len(text) and text[i].isascii() and text[i].isalpha():
+                word += text[i]
+                i += 1
+            tokens.append(word)
+        else:
+            i += 1
+    return tokens
+```
+
+---
+
+## 七、验证清单
+
+- [ ] 删的是前面版本？
+- [ ] 保留的文本完整通顺？
+- [ ] 删除后不会产生新的重复？
+- [ ] 时间戳精确到小数点后两位？