Taskusaate monteerimise oskus

Töötle toored taskusaate-/koosolekusalvestised viimistletud taskusaate episoodideks.

Võimekused

1. Nutikas kärpimine – leia transkribeerimise ning sissejuhatuste/lõpetuste tuvastamise abil, kus tegelik taskusaade algab/lõpeb
2. Täitesõnade eemaldamine – eemalda kõnelemise maneerid: 嗯, 呃, 啊, 哦, 对对对, um, uh jne
3. Vaikuste kärpimine – lühenda pikad tühjad kohad (>2 s) loomulikeks pausideks (~0,6 s)
4. Heli parendamine – mürasummutus, ekvalaiser, mitme kõneleja helitugevuse tasakaalustamine, valjuse normaliseerimine taskusaate standardile (−16 LUFS)
5. Valmis episoodi ümberlõikamine – eemalda juba renderdatud episoodist märgitud lõigud kirurgiliselt, ilma kogu töövoogu uuesti käivitamata
6. Esiletõstuklipid ja kokkuvõtteklipp – lõika jagatavaid tsitaate ja pane muusikaga kokku ~1-minutiline kokkuvõtteklipp
7. Videolõige – rakenda sama montaaž Zoomi/Riverside'i videosalvestisele (vt „Videoepisoodid“)

Eeldused

• ffmpeg ja ffprobe on paigaldatud
• OPENAI_API_KEY keskkonnamuutujates (Whisper API transkriptsiooni jaoks)
• Python 3 ainult standardteegiga (abiskript ei vaja lisasõltuvusi)
• Valikuline: resemblyzer (pip install resemblyzer) – ainult kõnelejate eristamiseks esiletõstuklippide koostamisel

Töövoog

1. samm: uuri helifaili

ffprobe -v quiet -print_format json -show_format -show_streams "INPUT_FILE"

Märgi üles: kestus, diskreetimissagedus, kanalid, koodek, bitikiirus.

2. samm: leia taskusaate algus/lõpp (kui kasutaja palub algust/lõppu kärpida)

Jaga 5-minutilisteks tükkideks ja transkribeeri OpenAI Whisper API kaudu segmenditasemel ajatemplitega:

# Extract chunk
ffmpeg -y -i "INPUT_FILE" -ss OFFSET -t 300 -ar 16000 -ac 1 /tmp/chunk_OFFSET.mp3

# Transcribe
curl -s https://api.openai.com/v1/audio/transcriptions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -F file="@/tmp/chunk_OFFSET.mp3" \
  -F model="whisper-1" \
  -F response_format="verbose_json" \
  -F language="LANG" \
  -F 'timestamp_granularities[]=segment' > /tmp/transcript_OFFSET.json

Otsi transkriptsioonidest: - Algusmarkerid: „welcome“, „hello everyone“, „大家好“, „欢迎“, sissejuhatav muusika, esimene sisuline teemalause - Lõpumarkerid: „see you next time“, „bye“, „下期见“, „感谢收听“, millele järgneb saatejärgne jutt

Tee esialgne kärbe käskudega -ss START -to END ja -c copy (ilma ümberkodeerimiseta), et luua tööfail.

3. samm: eemalda täitesõnad

Jaga kärbitud fail 5-minutilisteks tükkideks ja transkribeeri iga tükk sõnatasemel ajatemplitega:

# Extract chunks
for i in $(seq 0 300 DURATION); do
  ffmpeg -y -i "TRIMMED_FILE" -ss $i -t 300 -ar 16000 -ac 1 /tmp/wchunk_${i}.mp3
done

# Transcribe each chunk (can run in parallel)
for i in $(seq 0 300 DURATION); do
  curl -s https://api.openai.com/v1/audio/transcriptions \
    -H "Authorization: Bearer $OPENAI_API_KEY" \
    -F file="@/tmp/wchunk_${i}.mp3" \
    -F model="whisper-1" \
    -F response_format="verbose_json" \
    -F language="LANG" \
    -F 'timestamp_granularities[]=word' \
    -F 'timestamp_granularities[]=segment' > /tmp/wtranscript_${i}.json &
done
wait

Seejärel käivita selle oskusega kaasas olev täitesõnade eemaldamise skript:

python3 ./filler_removal.py \
  --total-duration DURATION \
  --end-at END_TIMESTAMP \
  --cut START1:END1 --cut START2:END2 \
  --chunk-offsets 0,300,600,900,...

Argumendid: - --total-duration: kärbitud sisendfaili kestus sekundites (kohustuslik) - --end-at: lõika ära kõik pärast seda ajatemplit (nt saatejärgse jutu algus) - --cut START:END: lõika välja konkreetne vahemik. Võib korrata. - --chunk-offsets: komadega eraldatud tükkide nihked (vaikimisi automaatselt 0,300,600,…)

Skript väljastab faili /tmp/ffmpeg_filter.txt filtriga atrim+concat.

Rakenda filtrit kahes etapis:

# Step A: Cut fillers → intermediate WAV (avoids re-encoding artifacts)
ffmpeg -y -i "TRIMMED_FILE" \
  -filter_complex_script /tmp/ffmpeg_filter.txt \
  -map '[out]' -c:a pcm_s16le -ar 44100 /tmp/podcast_cut.wav

# Step B: Enhance audio → final MP3
ffmpeg -y -i /tmp/podcast_cut.wav \
  -af "ENHANCEMENT_CHAIN" \
  -c:a libmp3lame -b:a 192k "OUTPUT_FILE"

Piirangud: Whisperi sõnatasemel ajatemplid võivad hiina keele puhul märkamata jätta täitesõnad, mis on naaberkõnega kokku sulanud. Skript tabab eraldiseisvaid täitesõnu usaldusväärselt, kuid võib märkamata jätta ~10–20% kõnesse põimitud täitesõnadest.

4. samm: heli parendamise filtrikett

Vaikimisi kett (külalisesõbralik – tasakaalustab mitme kõneleja helitugevuse erinevusi). Varasemate käivituste suurim viga on mürapiiraja (agate) kasutamine, mis vaigistab vaiksema külalise täielikult. Ära kunagi lisa agate'i vaikimisi ketti tagasi.

highpass=f=80,                                    # Remove room rumble
lowpass=f=12000,                                  # Remove hiss (use 7500 for 16kHz sources)
afftdn=nf=-25:nr=8:nt=w,                         # Gentle FFT noise reduction
equalizer=f=180:t=q:w=1.5:g=-2,                  # Cut mud
equalizer=f=2500:t=q:w=1.2:g=3,                  # Boost presence
equalizer=f=4500:t=q:w=1.5:g=1.5,                # Boost clarity
dynaudnorm=f=200:g=5:p=0.95:m=5:s=0,             # Rolling-window normalization — lifts the quieter speaker independently
acompressor=threshold=-20dB:ratio=2:attack=5:release=200:makeup=1,  # Gentle glue
loudnorm=I=-16:TP=-1.5:LRA=13                    # Podcast standard loudness

Miks dynaudnorm on peategelane: see normaliseerib 200 ms libisevates akendes, nii et kui külaline räägib, tõstetakse seda akent saatejuhi valjematest akendest sõltumatult. Järjekord on oluline – käivita dynaudnorm ENNE acompressor-it, et kompressor näeks tasakaalustatud signaali.

Ära kunagi lisa vaikimisi ketti järgmist: - agate (mürapiiraja) – lõikab ära iga kõneleja, kes on lävest vaiksem; tapab külalise. - Tugev kompressioon (suhe >3:1, makeup >2 dB) – lamendab dünaamika ja paneb külalise kõlama pumpavalt. - Kitsas LRA (<12) loudnorm-is – purustab loomuliku kõne dünaamika.

Kohanda lowpass-filtrit lähtefaili diskreetimissageduse järgi: - 16 kHz allikas → lowpass=7500 - 44,1 kHz+ allikas → lowpass=12000 (või jäta vahele)

Kontrolli pärast renderdamist külalise kuuldavust: käivita ffmpeg -i OUTPUT -af "ebur128=peak=true" -f null - ja kontrolli, et I: oleks −16 LUFS lähedal ja LRA: 4–6 LU (kitsam LRA sobib, sest dynaudnorm tegi enne akende kaupa tasakaalustamise). Kui väljund kõlab nii, nagu oleks külaline välja lõigatud, kahtlusta, et mürapiiraja või agressiivne kompressor on tagasi hiilinud.

5. samm: kontrolli väljundit

ls -lh "OUTPUT_FILE"
ffprobe -v quiet -show_entries format=duration -of csv=p=0 "OUTPUT_FILE"

Anna aru: kestus, faili suurus, mis eemaldati (täitesõnade arv, vaikuste arv, säästetud aeg).

Videoepisoodid (Zoomi / Riverside'i salvestised)

Kui allikas on video ja kasutaja soovib tagasi lõigatud videot (nt kaassaatejuht vajab monteeritud episoodi teise keelde dubleerimiseks), käivita sammud 1–3 täpselt nagu ülal – tõmba helitükid otse mp4-st välja võtmega -vn – ja rakenda seejärel samad lõikepunktid pildile ja helile ühe läbimisega:

# 1) same chunks + transcription as Step 3, but sourced from the video
for i in $(seq 0 300 DURATION); do
  ffmpeg -y -v error -ss $i -t 300 -i SOURCE.mp4 -vn -ar 16000 -ac 1 /tmp/wchunk_${i}.mp3 &
done; wait

# 2) filler_removal.py as usual -> /tmp/ffmpeg_filter.txt

# 3) turn its keep segments into a combined video+audio filter
python3 video_cut.py /tmp/video_filter.txt

# 4) one render pass (hardware encoder; ~7 min for a 60-min 1080p episode)
ffmpeg -y -i SOURCE.mp4 -filter_complex_script /tmp/video_filter.txt \
  -map '[vout]' -map '[aout]' \
  -c:v h264_videotoolbox -b:v 3500k -c:a aac -b:a 160k \
  -movflags +faststart episode-edited.mp4

Kasuta mitte-Apple'i riistvaral h264_videotoolbox asemel -c:v libx264 -crf 21 -preset veryfast.

Märkused: - Koosta --chunk-offsets kujul $(seq 0 300 3600 | paste -sd, -). Lõpus olev tühi väli paneb argumendiparseri kokku jooksma. - Tulemus on hüppelõike stiilis. See on oodatav ja sobib rääkivate peade ruudustiku jaoks hästi; lühike sulandus 400+ lõikepunktis näeb halvem välja kui järsk lõige. - video_cut.py küpsetab parendusketi samasse läbimisse, nii et erinevalt heliteest puudub kaheetapiline WAV-vaheetapp. Ära käivita ketti hiljem uuesti. - Arvesta 60-minutilise 1080p väljundi puhul ~1,5 GB-ga – see on e-kirjaga saatmiseks liiga suur, seega laadi üles ja jaga linki. - Salvesta säilitatavate segmentide loend episoodi kõrvale. Ilma selleta tuleb hilisema palve „sama lõige, aga videona“ korral lõiked uuesti tuletada ja need ei ühti juba üle antud heliversiooniga.

Väljundi tavad

• Vorming: MP3, 192 kbps, mono (välja arvatud juhul, kui allikas on stereo, kus igal kanalil on eraldi kõneleja)
• Valjus: −16 LUFS (taskusaate standard)
• Alati kaheetapiline: lõika esmalt WAV-iks, seejärel paranda ja kodeeri MP3-ks

Juba valmis episoodi ümberlõikamine

Kui kasutaja märgib avaldatud episoodis konkreetseid probleeme („mõned laused jäid sisse“, „lõika välja osa X kohta“, „lõpp salvestati uuesti“, „eemalda topelt sissejuhatus“), ÄRA käivita kogu töövoogu toorfailist uuesti. Lõika probleemsed vahemikud valmis MP3-st kirurgiliselt välja ja kodeeri üks kord uuesti:

1. Transkribeeri lõplik fail uuesti 5-minutiliste tükkidena (segmendi täpsusega) → üks ühtne transkriptsioon absoluutsete ajatemplitega. See on sinu kaart.
2. Iga märgitud kohta jaoks hangi sõnatasemel ajatemplid ainult seda sisaldava tüki kohta (need fraasid on tavaliselt lause keskel, mitte segmendi piiridel). Fikseeri täpsed sisse-/väljalõikepunktid.
3. Koosta üks atrim+concat filter, mis säilitab kõik peale lõigatavate vahemike; renderda WAV-iks (pcm_s16le), seejärel üks MP3-läbimine. Ära rakenda parendusketti uuesti – lõplik fail on juba parendatud/loudnorm'itud; uuesti käivitamine töötleb seda topelt.
4. Kontrolli iga liitekohta: võta iga uue liitekoha ümbert (uuel ajateljel) ~11 s aken ja transkribeeri see uuesti. Veendu, et halb heli on kadunud ja liitekoht kõlab puhtalt.
5. Arvuta saatemärkmete ajatelg ümber: iga lõikele järgnev ajatempel nihkub varasemaks kõigi sellele eelnevate lõigete summaarse pikkuse võrra. Kui avaldatud faili alguses on esiletõstuklipp, arvesta nihkena ka klipi kestust (ümberlõigatud klipi pikkus muutub, nii et kogu episood nihkub).

Ümberlõikamise kontrollnimekiri – mida esimene läbimine sageli sisse jätab

Need jäävad täitesõnade/vaikuste eemaldamisest alles, sest on päris lausetega kokku sulanud. Otsi neid transkriptsioonist sihipäraselt: - Koosoleku-/tehnikajutt: „you're muted / unmute“, „你声音太小 / 听得到吗“, „can you see my screen“, „等一下我看一下“. Lõika fraas välja, säilita ümbritsev sisu. - Ummikteemad: paneel tõstatab toote/juhtumi, mida keegi pole uurinud, ja ütleb siis „我们就跳过吧 / let's skip it“ – lõika välja kogu kõrvalepõige, mitte ainult vahelejätmise rida. - Uuesti salvestatud lõigud (eriti lõpud): segane esimene võte, seejärel marker nagu „重新开始 / 从头来 / let's restart / feels redundant“, seejärel puhas uus võte. Lõika välja ebaõnnestunud võte, säilita uuesti salvestatu. Kontrolli seda alati viimase ~3 minuti puhul. - Saate-eelsed / topelt sissejuhatused: enne ametlikku algust salvestatud enesetutvustus, mida hiljem korratakse – lõika saate-eelne koopia välja.

Whisper API ebastabiilsus

Paralleelsed sõnatasemel päringud tagastavad mõnikord tühja vastuse (0 baiti). Korda tühje päringuid järjestikku, päringute vahel sleep 1.

Esiletõstuklipid ja 1-minutiline kokkuvõtteklipp

Lõika valmis episoodist lühikesi, jagatavaid tsitaate (vastuolulisi / läbinägelikke hetki) ja soovi korral pane need muusikaga kokku ~1-minutiliseks kokkuvõtteklipiks.

Tsitaatide valimine

• Iga klipp ≈ 2 lauset, ~8–20 s. Eelista ridu, mis on vastuolulised, üllatavad või tsiteeritavad.
• KATA KÕIK KÕNELEJAD – sh saatejuht(id). Mitme külalisega paneeli puhul ära lase kokkuvõtteklipil taanduda 1–2 jutukaimale häälele – vali vähemalt üks tugev tsitaat iga osaleja kohta ja kontrolli enne kokkupanekut omistamist. (See on viga nr 1: „esiletõst“, mis on salaja ühe inimese oma.) Moderaatori/saatejuhi on kõige lihtsam välja jätta, sest ta peamiselt küsib – leia tsiteeritav saatejuhi rida (reaktsioon, nali, terav raamistus) ja lisa ka see.
• Sa ei saa kõnelejaid transkriptsiooni teksti põhjal omistada – ära proovi ja ära palu kasutajal seda sinu eest teha. Whisper annab sulle sõnad, mitte selle, kes need ütles; kõneleja äraarvamine sõnastuse järgi ebaõnnestub (rida, mis loeb nagu saatejuhi oma, on sageli tegelikult külalise oma). Kui kokkuvõtteklipp vajab konkreetset inimest, erista kõnelejad heli põhjal (retsept allpool) ja omistamisest saab mõõtmine, mitte oletus.
• Järjesta kokkuvõtteklipp voolavuse järgi (konks → … → tugev lõpetus) ja ära kunagi pane sama kõnelejat kaks korda järjest.

Tuvasta, KES räägib – kõnelejate eristamine (resemblyzer)

Kui vajad konkreetse inimese klippi (või kasutaja ütleb „X-i pole kokkuvõtteklipis“), lahenda see hääle, mitte transkriptsiooni lugemise põhjal. pip install resemblyzer (sisaldab oma kodeerijat – HF tokenit pole vaja). Retsept, mis töötas 5 kõnelejaga paneelil: 1. Koosta puhtad võrdlushääled kõigi jaoks, keda saad tuvastada, lõikudest, kus nad ütlevad oma nime (sissejuhatused) või tutvustavad oma toodet (lõpureklaamid) – need on garanteeritult ühe kõnelejaga. Stabiilsuse huvides keskmista inimese kohta 2–3 akent: enc.embed_utterance(preprocess_wav(slice, source_sr=16000)), keskmista, L2-normaliseeri. 2. Ära klasterda pimesi kogu episoodi – Whisperi segmendid sisaldavad pealerääkimist, nii et AgglomerativeClustering vajub kokku üheks hiiglaslikuks klombiks + üksikuteks. Selle asemel hinda iga segmendi vektoresitust (koosinus) oma puhaste võrdlushäälte suhtes. Segmendid, mis ei sobi hästi mitte kellegagi (parim sarnasus ≲ 0,78, kui päris vasted jäävad vahemikku 0,88–0,94), on tuvastamata N-is kõneleja. 3. Kinnita, et see on üks järjepidev hääl: võta need madala vastega segmendid, kontrolli, et need on omavahel sarnased (≳0,87) ja koos selgelt erinevad igast teadaolevast võrdlushäälest. Koosta neist võrdlushääl, hinda kõik segmendid uuesti – kõrge kindlusega tabamused peaksid kõik olema see inimene. 4. Tee terve mõistuse kontroll teadaoleva põhjal: kinnitatud klipp (nt kellegi tootetutvustus) peab saama kõrgeima skoori oma võrdlushäälega (≳0,9). Kui sinu võrdlushääled ei eristu, pikenda aknaid ja keskmista rohkem.

Laadi kogu episood üks kord 16 kHz mono float-kujul ffmpeg-toru kaudu (-f f32le -) ja lõika mälus – see on palju kiirem kui üks ffmpeg-kutse segmendi kohta.

Kontrolli enne lõikamist (kohustuslik)

Võta iga kandidaadi jaoks aken välja ja transkribeeri see uuesti, et (a) veenduda, et sisu/kõneleja on õige, ja (b) leida puhtad lausepiirid. Whisper moonutab nimesid – ära kunagi usalda esimese transkriptsiooni kirjapilti. Kasuta sõnatasemel täpsust, et fikseerida algus, mis ei lõika ära esimest sõna, ja lõpp, mis jätab välja kokutused/kordused.

Kaks lõksu, mis aega raiskavad

• -ss / -to peavad olema SISENDI valikud (enne -i). Väljundi valikutena annavad need vaikuse või valed vahemikud. ffmpeg -ss START -to END -i in.mp3 ...
• zsh massiivid on 1-indekseeritud. for s in "${SEG[@]}" (itereeri väärtusi) – mitte kunagi ${SEG[$i]} alates i=0.
• Kui episoodi monteeriti (sissejuhatus/madala kvaliteediga osa välja lõigatud) pärast põhifaili valmimist, võta klipid monteeritud failist nihutatud ajatemplitega (lahuta enne iga lõikepunkti eemaldatud sekundid).

Koosta üks klipp (pausid eemaldatud + sisse-/väljajuhatav heli)

# 1) extract + remove pauses (collapse gaps >0.2s; gaps sit near -25dB after dynaudnorm, so threshold ~-23dB)
ffmpeg -y -ss START -to END -i FINAL.mp3 -ar 44100 -ac 1 \
  -af "silenceremove=start_periods=1:start_silence=0.04:start_threshold=-30dB:stop_periods=-1:stop_duration=0.20:stop_threshold=-23dB:detection=peak" sr.wav
# 2) speech fades (compute fade-out start from sr.wav duration)
ffmpeg -y -i sr.wav -af "afade=t=in:st=0:d=0.12,afade=t=out:st=${DUR-0.3}:d=0.3" f.wav
# 3) tune in -> speech -> tune out
ffmpeg -y -i sting_in.wav -i f.wav -i sting_out.wav \
  -filter_complex "[0][1]acrossfade=d=0.18:c1=tri:c2=tri[a];[a][2]acrossfade=d=0.18:c1=tri:c2=tri[out]" \
  -map "[out]" -c:a libmp3lame -b:a 192k clip.mp3

Sünteesi signatuurhelid (heliressursse pole vaja) – pehme kellakõla, madal helitugevus:

# tune-in: bright C-E-G bell
ffmpeg -y -f lavfi -i "sine=f=523.25:d=0.85" -f lavfi -i "sine=f=659.25:d=0.85" -f lavfi -i "sine=f=783.99:d=0.85" \
  -filter_complex "[0][1][2]amix=inputs=3:normalize=1,afade=t=in:st=0:d=0.02,afade=t=out:st=0.2:d=0.65,lowpass=f=3800,volume=0.30[s]" -map "[s]" -ar 44100 -ac 1 sting_in.wav
# tune-out: lower, gentler G-C bell
ffmpeg -y -f lavfi -i "sine=f=392:d=0.75" -f lavfi -i "sine=f=523.25:d=0.75" \
  -filter_complex "[0][1]amix=inputs=2:normalize=1,afade=t=in:st=0:d=0.06,afade=t=out:st=0.15:d=0.6,lowpass=f=3200,volume=0.22[s]" -map "[s]" -ar 44100 -ac 1 sting_out.wav

1-minutiline kokkuvõtteklipp (concat + muusikataust + sisse/välja hajutus)

Liida pausidest puhastatud kõnelõigud (1,5 s vaikne algus/lõpp, ~0,35 s vahed) concat-demuxeri abil, seejärel miksi alla pehme süntesaatoripind ja hajuta kogu pala sisse/välja. Ära kasuta klipipõhiseid signatuurhelisid kokkuvõtteklipi sees uuesti – üks üldine hajutus on puhtam.

# music bed: warm 4-chord pad (C-G-Am-F), each chord 4s, lowpass+tremolo, concat -> pad16.wav, then loop
# (mkchord mixes 3 sines, normalize=1, lowpass=f=750, tremolo=f=4.5:d=0.25, afade in/out)
ffmpeg -y -i speech_reel.wav -stream_loop 6 -i pad16.wav \
  -filter_complex "[1]atrim=0:${TOT},volume=0.075[m];[0][m]amix=inputs=2:normalize=0:duration=first[mix];[mix]afade=t=in:st=0:d=1.3,afade=t=out:st=${TOT-1.6}:d=1.6[out]" \
  -map "[out]" -c:a libmp3lame -b:a 192k highlight.mp3

• Taustapinna helitugevus ~0,075 hoiab kõne täielikult domineerivana (kontrolli lõpliku miksi uuesti transkribeerimisega – iga rida peaks endiselt puhtalt loetav olema). amix … normalize=0, et häält ei summutataks.
• Sihi sama −16 LUFS; muusika ei tohiks seda üle ~−16,5 viia.

Väljundi paigutus

• Üksikud klipid: episodes/ep{NNN}/highlights/ep{NNN}-clip{N}-{who}.mp3
• Üks kokkuvõtteklipp: episodes/ep{NNN}/ep{NNN}-highlight.mp3

Kaanepildi genereerimine (valikuline)

Genereeri episoodi kaanepilt OpenAI GPT Image API-ga (gpt-image-1), mis vastab sinu saate stiilile. Anna kaasa oma stiilinäidise pilt (eelmine kaanepilt, sinu sõnamärk, sinu värvipalett) – mudel jäljendab seda.

import openai, base64

client = openai.OpenAI()  # uses OPENAI_API_KEY from env
style_img = open("YOUR_STYLE_REFERENCE.png", "rb")

result = client.images.edit(
    model="gpt-image-1",
    image=[style_img],                       # add a content reference as a 2nd image if you have one
    prompt="""Create an illustration in the EXACT same art style as this image
(match the line work, color palette, background, and decorative elements).
Depict: [DESCRIBE THE SCENE]. Keep [YOUR SHOW NAME / wordmark] in the same
style and position as the reference.""",
    size="1024x1024",
)
with open("cover.png", "wb") as f:
    f.write(base64.b64decode(result.data[0].b64_json))

Märkused: laadi OPENAI_API_KEY keskkonnast, väljasta 1024×1024 PNG ja hoia saate sõnamärk/bränding episoodide lõikes ühtsena.

Saatemärkmed – kakskeelne kirjutamine (kui asjakohane)

Kui saatejuht koostab kakskeelseid hiina/inglise saatemärkmeid, peab hiinakeelne osa olema kirjutatud päris hiina keeles – mitte hiina grammatikaga, millesse on puistatud ingliskeelseid tegusõnu ja nimisõnu. Keelte segamine nagu „close 了一个 deal“, „build 出来的 agent“ või „PR 不是 buy 来的“ loeb nagu mustand ja on viga nr 1, mida vältida.

Tõlkereeglid

Tõlgi need levinud idufirma-/tehnoloogiavaldkonna ingliskeelsed laensõnad hiina keelde:

• close deal → 拿下订单 / 成交 / 签下
• build (a product) → 搭建 / 做出 / 打造
• integration → 集成
• view (video/page views) → 播放 / 浏览
• stack (tech stack) → 体系 / 技术栈
• category leader → 品类领导者
• front-end / front end (product sense) → 外壳 / 前端
• success story → 客户案例 / 成功故事
• SMB → 中小企业
• Enterprise (segment) → 大型企业 / 企业级
• aha moment → 顿悟时刻
• onboarding → 上手 / 入门
• retention → 留存
• churn → 流失
• pipeline → 销售漏斗 / 业务线

Mida hiinakeelses tekstis inglise keeles JÄTTA

• Brändi- ja tootenimed – ettevõtete / toodete / inimeste nimed jäävad muutmata
• Väga levinud idufirmade lühendid – CEO, CTO, CMO, PMF, ARR, MRR, PR, AI, AI Agent, SaaS, API
• Valuuta numbrilise eesliitega – $20K, $200K või 200 美金 (arvuga koos sobib kumbki vorm)

Enne lõpetamist

Loe hiinakeelne osa uuesti läbi hiina lugeja pilguga. Kui mõni lause tundub poolenisti tõlgituna – nt sisaldab sõnu „build“, „close“, „deal“, „view“, „stack“, „leader“ eraldiseisvate ingliskeelsete sõnadena –, kirjuta need sõnad hiina keeles ümber. Ainus inglise keel, mis peaks ülelugemise üle elama, on brändinimed ja ülaltoodud lühendid.

Nimede kontrollimine (KRIITILINE)

Whisper moonutab sageli ettevõtete, toodete ja inimeste nimesid. Enne saatemärkmete või mis tahes nimesid ja linke sisaldava väljundi genereerimist:

1. Pärast transkribeerimist võta välja kõik pärisnimed – mainitud ettevõtete nimed, tootenimed, isikunimed, URL-id.
2. Palu kasutajal need kinnitada/parandada – Whisper kuuleb brändinimede asemel sarnaselt kõlavaid, kuid valesid sõnu.
3. Ära kunagi arva URL-e transkribeeritud nimede põhjal – nimi, mis kõlab nagu „Acme“, võib olla acme.com, acmehq.com või midagi hoopis muud. Küsi alati.
4. Kasuta kinnitatud nimesid järjepidevalt saatemärkmetes, pealkirjades, episoodi metaandmetes ja kõigis väljundites.

See on eriti oluline tagasilinkide või sotsiaalmeedia postituste genereerimisel – valesti kirjutatud domeen on raisatud link.

Saatemärkmete struktuur (soovitatav)

Kaks eraldi jaotist – esmalt hiina, siis inglise keel (või millised keeled saade ka ei sihiks). ÄRA põimi neid vaheldumisi ega pane kõrvuti.

Pealkirjade reegel: hoia pealkirjad madalad ja järjepidevad – vali üks tase (nt H2) ja lamenda kõik alajaotised sellele. Mõned avaldamisplatvormid renderdavad ainult ühte pealkirjataset pluss paksu kirja; kui sinu oma teeb nii, järgi seda.

Ajatempli vorming: alati MM:SS eesolevate nullidega (nt 08:25, 00:00, 42:10). Mitte kunagi 0:00 ega 1:05.

EP{NNN}: {Episode title}

---

## 中文

**嘉宾：** {中文姓名 English Name}, {中文职位} {公司} (URL)

## 简介
{完整中文段落}

## 时间轴
- 00:00 — {中文描述}
- 08:25 — {中文描述}

## 核心要点
- {中文要点}

## 相关链接
- {品牌名}：{URL}

---

## English

**Guest:** {English Name}, {Title} at {Company} (URL)

## Summary
{Full English paragraph}

## Timestamps
- 00:00 — {English description}
- 08:25 — {English description}

## Key Takeaways
- {English takeaway}

## Links
- {Brand}: {URL}

Miks kaks jaotist kakskeelsete loendipunktide asemel: hiina lugejad tahavad puhast hiinakeelset proosat, inglise lugejad puhast ingliskeelset proosat. „中文 / English“ vaheldumine igas loendipunktis muudab mõlemad pooled raskemini loetavaks. Kirjuta iga jaotis nii, nagu oleks see ainus.

Arhiveerimise ja nimetamise tavad (soovitatav)

Hoia iga episood iseseisvalt oma kaustas. Lihtne, nullidega täidetud paigutus skaleerub puhtalt:

episodes/
├── ep001/
│   ├── ep001-final.mp3      # the finished episode
│   ├── ep001-highlight.mp3  # optional 1-min reel
│   ├── cover.png
│   └── shownotes.md
└── ep002/
    └── ...

• Kaust: ep{NNN} (nullidega täidetud 3 numbrit)
• Heli: ep{NNN}-final.mp3; esiletõstuklipid asukohas ep{NNN}/highlights/ep{NNN}-clip{N}-{who}.mp3
• Episoodi pealkiri: alusta kaasahaarava, kirjeldava pealkirjaga (haara lugeja tähelepanu, ära lihtsalt nimeta teemat).

Kiirkärbe (ilma täitesõnade eemaldamiseta)

Kui kasutaja soovib lihtsalt lihtsat kärbet (nt „lõika esimesed 3 s ära“):

ffmpeg -y -i "INPUT" -ss 3 -c copy "OUTPUT"

Kasuta -c copy kohese kadudeta kärpimise jaoks, kui helitöötlust pole vaja.