Claude монтирует видео сам: вырезать паузы, дубли и субтитры без Premiere и подписок в 2026

Claude Code монтирует видео сам, если дать ему два бесплатных инструмента: ffmpeg для резки и склейки, Whisper для расшифровки речи с пословными таймкодами. Дальше ты один раз описываешь правила в скилле: что считать паузой, какой дубль оставлять, как выглядят субтитры. Видео при этом не уезжает ни на какой зарубежный сервер, всё считается на твоей машине, подписка на монтажный сервис не нужна.

Это принципиально другой путь, чем CapCut и Opus Clip. Там ты грузишь файл в облако и платишь за минуты. Здесь ты собираешь себе локального монтажёра, который работает по твоим правилам и не спрашивает про тариф. Ниже разберём, что именно ставить, какие команды делают всю работу, как собрать скилл за вечер и где этот способ честно проигрывает сервисам.

Коротко: пять слов, без которых дальше не разобраться

• ffmpeg - консольная программа, которая режет, склеивает, перекодирует видео и звук. Бесплатная, ставится одной командой, умеет почти всё, что умеет платный редактор, только без окошек и мышки.
• Whisper - открытая модель распознавания речи от OpenAI. Работает прямо на твоём компьютере, отдаёт текст с таймкодами.
• Пословные таймкоды - когда расшифровка знает не только «эта фраза звучит с 10-й по 15-ю секунду», но и что слово «поехали» произнесено на 12,4 секунде. Без них не собрать субтитры, которые подсвечивают слово в момент произнесения.
• Скилл - папка с файлом SKILL.md, куда записаны твои правила работы. Claude читает описание и подключает навык, когда задача совпадает.
• LUFS - единица громкости, в которой площадки нормализуют звук. Ориентир для соцсетей - около -14 LUFS, для YouTube примерно так же.

Чем локальный монтаж отличается от CapCut и Opus Clip

У нас уже есть подробный разбор нейросетей для монтажа видео: там про сервисы, куда ты грузишь файл и получаешь готовые клипы. Эта статья про другую развилку. Здесь монтажёр живёт у тебя на диске и работает скриптами.

Для клиентских съёмок и всего, что подписано NDA, второй столбец перевешивает. Загружать чужой материал в облако зарубежного сервиса просто нельзя, а объяснять заказчику разницу между «сервис хранит 30 дней» и «файл не покидал мой ноутбук» долго и неприятно.

Пять операций, которые скилл делает за тебя

Автомонтаж разговорного видео разбирается на пять понятных задач. Каждую по отдельности умеет ffmpeg или Whisper, вместе их связывает скилл.

1. Вырезать паузы

Самая заметная по эффекту операция. В сыром разговорном видео человек думает, пьёт воду, подбирает слово. У ffmpeg есть встроенный детектор тишины:

ffmpeg -i input.mp4 -af silencedetect=noise=-30dB:d=0.5 -f null - 2> silence.txt

Команда ничего не рендерит, она печатает в файл список отрезков тишины: где началась, где кончилась, сколько длилась. noise=-30dB задаёт порог громкости, ниже которого звук считается тишиной, d=0.5 - минимальную длину паузы в секундах. Дальше Claude читает этот список и собирает обратный список: какие куски оставить.

Если возиться с ручным разбором не хочется, есть готовая обёртка: auto-editor, открытая консольная утилита на Python. Актуальная версия 29.3.1 вышла 4 ноября 2025 года, ставится через pip install auto-editor, требует Python 3.9 и новее. Запуск выглядит так:

auto-editor input.mp4 --margin 0.2sec --output cut.mp4

Она сама анализирует громкость дорожки, выбрасывает тишину и отдаёт готовый файл. Claude умеет вызывать её как обычную команду и потом проверять результат по длительности.

2. Оставить последний дубль

Тут начинается то, чего голая утилита не умеет. Когда человек записывает монолог с одного дубля, он ошибается, останавливается и повторяет фразу заново. По громкости эти куски неотличимы: и там речь, и там речь. Отличить их можно только по смыслу.

Схема рабочая такая. Whisper отдаёт расшифровку с таймкодами. Claude читает текст и ищет повторы: две-три идущие подряд реплики, которые начинаются одинаково или говорят одно и то же разными словами. Из группы повторов оставляем последний, остальные помечаем на вырезание. Плюс сюда же уходят маркеры вроде «стоп», «ещё раз», «переснимаю», если ты приучил себя их проговаривать.

3. Почистить звук

Три фильтра ffmpeg закрывают процентов восемьдесят задачи:

ffmpeg -i cut.mp4 -af "highpass=f=80,afftdn=nf=-25,loudnorm=I=-14:TP=-1.5:LRA=11" -c:v copy clean.mp4

highpass=f=80 срезает низкочастотный гул: кондиционер, метро за окном, вибрацию стола. afftdn - встроенный шумодав, работающий по спектру. loudnorm приводит громкость к стандарту вещания, чтобы ролик не оказался тише соседних в ленте. -c:v copy говорит: видеодорожку не трогай, только звук. Экономит время рендера в десятки раз.

4. Поставить субтитры

Расшифровку делает Whisper. Самая удобная реализация сегодня - faster-whisper, ускоренный порт на CTranslate2. Актуальная версия 1.2.1 вышла 31 октября 2025 года. На Mac с чипами Apple хорошо себя ведёт whisper.cpp: та же модель, но собранная под Metal, работает без Python вообще.

Модели различаются по размеру и точности: tiny и base быстрые и врут на именах и терминах, small - разумный компромисс, large-v3 самая точная и занимает около 3 ГБ на диске. Для русской речи с терминами советую начинать со small и подниматься до large-v3, только если распознавание реально мажет.

Про сам процесс расшифровки у нас есть отдельный разбор со всеми способами: расшифровка аудио в текст. Для монтажа критично одно: включить пословные таймкоды. В faster-whisper это параметр word_timestamps=True, в консольном whisper - флаг --word_timestamps True. Без них субтитры будут прыгать целыми фразами.

Готовый SRT-файл ffmpeg вжигает в картинку одной командой:

ffmpeg -i clean.mp4 -vf "subtitles=sub.srt:force_style='Fontname=Montserrat,FontSize=18,PrimaryColour=&H00FFFFFF,OutlineColour=&H80000000,BorderStyle=3,MarginV=60'" -c:a copy final.mp4

BorderStyle=3 рисует подложку за текстом, чтобы белые буквы читались на светлом фоне. MarginV=60 поднимает субтитры над нижним краем, где в Reels живёт интерфейс площадки.

5. Добавить вставки и графику

Самая необязательная часть, но именно она отличает ролик, собранный за час, от ролика, который выглядит дорого. Тут два пути. Простой: сгенерировать статичные карточки и наложить их поверх видео фильтром overlay в нужные секунды. Сложный: собрать анимированные вставки в Remotion, где анимация описывается кодом, а рендер идёт тем же ffmpeg. Второй путь Claude тянет хорошо, потому что Remotion это обычный код, а код он пишет уверенно.

Важная деталь: если поверх видео едет плашка, субтитры надо поднять выше, иначе они лягут друг на друга. Это условие стоит прописать в скилле явно.

Что поставить на компьютер перед сборкой

Если Claude Code на машине ещё нет, поставь его по нашей инструкции: как установить Claude Code. Терминал в этой истории неизбежен, но пугаться его не стоит: команды пишет Claude, ты читаешь и подтверждаешь.

Как собрать скилл-монтажёр за один вечер

Механика скиллов подробно разобрана в гайде как создать свой скилл Claude, тут только специфика монтажа.

Личный навык кладётся в папку ~/.claude/skills/, навык под конкретный проект - в .claude/skills/ внутри папки проекта. Название папки становится именем команды: скилл в папке montazh вызывается как /montazh.

Сам файл писать руками не нужно. Открой Claude Code в папке с тестовым видео и дай такой запрос:

Собери скилл для автомонтажа разговорного видео. Положи его в ~/.claude/skills/montazh/SKILL.md.
 
Что скилл должен делать по шагам:
1. Принять путь к видеофайлу.
2. Вытащить звук и расшифровать его через faster-whisper с пословными таймкодами, модель small.
3. Найти паузы через ffmpeg silencedetect с порогом -30dB и минимальной длиной 0.5 сек.
4. По тексту расшифровки найти повторные дубли: подряд идущие реплики с одинаковым началом или одинаковым смыслом. Из группы оставить последний.
5. ПОКАЗАТЬ МНЕ СПИСОК вырезаемых кусков с таймкодами и текстом. Дальше не идти, пока я не подтвержу.
6. После подтверждения собрать финальный файл: резка, чистка звука фильтрами highpass+afftdn+loudnorm, вжигание субтитров из SRT.
7. Удалить промежуточные файлы, оставить исходник и финал.
 
Параметры вынеси наверх файла отдельным блоком, чтобы я мог менять их без переписывания скилла: порог тишины, минимальная длина паузы, запас вокруг реплики, модель Whisper, шрифт и размер субтитров, целевая громкость в LUFS.
 
Пиши инструкцию по-русски. Держи файл короче 300 строк, длинные куски выноси в отдельные файлы рядом.

Claude соберёт файл, ты прочитаешь его глазами и поправишь параметры под себя. Дальше проверяешь на коротком тестовом ролике минуты на три. Первый прогон почти наверняка вскроет две-три вещи, которые ты хочешь иначе: слишком агрессивная резка, не тот шрифт, субтитры лезут на плашку. Это нормально, для того и нужен блок параметров сверху.

Работает ли это из России и сколько стоит

Разложим по кошелькам честно.

Всё, кроме последней строки, бесплатное и открытое. Платишь ты только за мозги, которые принимают решения, и то по той же подписке, которой уже пользуешься для остального.

Для доступа к Claude из России понадобится рабочий VPN: без него сайт и терминальный клиент просто не достучатся до серверов.

С оплатой два пути. Первый - зарубежная карта, если она у тебя есть. Второй - сервис оплаты подписок, который оформляет платёж за тебя, а ты платишь рублями (реферальная ссылка: тебе тот же прайс, мне небольшой процент). Что входит в разные тарифы и когда Pro хватает с запасом, разобрано в статье про подписку Claude Code.

Где локальный монтаж честно проигрывает

Умолчать про слабые места было бы нечестно, а вылезут они на первом же реальном проекте.

Скорость первого запуска. Загрузить файл в CapCut и получить субтитры можно за пять минут после регистрации. Здесь первый вечер уйдёт на установку и отладку. Окупается это со второго-третьего ролика, не раньше.

Автокадрирование. Превратить горизонтальную съёмку в вертикаль так, чтобы говорящий не выпадал из кадра, ffmpeg сам не умеет. Нужно отслеживание лица, а это отдельная модель и отдельная возня. Сервисы делают это одной кнопкой и делают неплохо.

Поиск сильных моментов. Opus Clip и аналоги обучены на просмотрах и умеют выдёргивать из часового эфира куски, которые заходят. Claude по расшифровке тоже что-то предложит, но это будет его вкус, а не статистика.

Красивые субтитры. Karaoke-стиль с подсветкой каждого слова через ASS собирается, но руками и не с первого раза. В шаблонах CapCut он лежит готовым.

Железо. Распознавание речи упирается в процессор. На старом ноутбуке модель large-v3 будет думать над часом речи очень долго. На Apple Silicon с моделью small расшифровка часа занимает примерно 5-15 минут, точную цифру даёт только твоя машина.

Вывод простой: локальный конвейер выигрывает на потоке однотипных роликов и на материале, который нельзя выносить наружу. На разовом ролике с красивым оформлением сервис быстрее.

Сравнение трёх подходов

Чек-лист: что у тебя теперь есть

• ffmpeg, Whisper и Claude Code стоят на машине и отзываются в терминале.
• Скилл /montazh лежит в ~/.claude/skills/ и запускается одной фразой.
• Параметры монтажа вынесены отдельным блоком: порог тишины, запас вокруг реплики, модель распознавания, шрифт субтитров, целевая громкость.
• Скилл останавливается и показывает список вырезаемых кусков до рендера.
• Промежуточные файлы удаляются после успешной сборки.
• Проверено на коротком тестовом ролике, параметры подкручены под твой формат.
• Ты понимаешь, где этот путь проигрывает сервисам, и не пытаешься закрыть им автокадрирование.

Дальше скилл живёт своей жизнью: доращивается вставками, отдельными профилями под Reels и под длинный YouTube, автоматической выгрузкой в папку с готовыми файлами. Каждая доработка это одна фраза Claude и правка десяти строк в SKILL.md.

По материалам разбора скилла «Автомонтаж» на smyslokod.ru: факты о составе операций взяты оттуда, реализация, команды и оценки наши.