
QuietCut: Pausen kürzen, Schnittlisten

Symbolische Illustration, kein Screenshot einer tatsächlichen Ausgabe.
Kürzt Pausen in einer Aufnahme und liefert exakte Schnittlisten, Audio mit Überblendungen und einen Qualitätsbericht.
Was QuietCut macht
QuietCut richtet sich an Podcaster, Interviewer, Lehrende und Videoeditoren, die die Pausen einer Aufnahme vor dem Feinschnitt straffen wollen. Es erkennt Stille anhand der Signalenergie: Es misst die Lautstärke in kurzen Frames, findet leise Abschnitte und entfernt die langen. Das ist weder Spracherkennung noch KI, daher unterscheidet es Sprache nicht von anderen Geräuschen. Musik, Applaus, Atemgeräusche und gleichbleibendes Hintergrundrauschen können Stellen behalten, die Sie schneiden wollten, und sehr leise Sprache kann verloren gehen.
Was du bereitstellst und wie es funktioniert
Hängen Sie WAV, MP3, M4A (AAC) oder MP4 (H.264-Video mit AAC-Audio) an, optional dazu eine UTF-8-SRT-Untertiteldatei bis 2 MB. Wählen Sie ein Preset (vorsichtig, Standard oder aggressiv) oder nennen Sie einen festen Schwellwert in dB, eine automatische Rauschpegel-Schätzung, eine Mindestdauer der Stille, Zugabe vor und nach jedem behaltenen Teil oder eine Mindestlänge für behaltene Teile. Dateien dürfen bis zu 100 MiB groß sein. WAV darf bis zu 30 Minuten lang sein. Audio aus MP3, M4A und MP4 wird als Mono mit 16 kHz dekodiert und auf etwa 26 Minuten (1.562,5 s) begrenzt.
Alles läuft im Capafy-Chat. Der Agent fragt nur nach Fehlendem, bereitet die Auftragseinstellungen vor und prüft sie, führt die mitgelieferten Skripte aus und fasst das Ergebnis zusammen. Sie müssen nie Software installieren, ein Terminal öffnen oder Befehle ausführen.
Erhaltene Dateien und Beispielausgabe
Sie erhalten: cut-list.csv (behaltene und entfernte Bereiche in exakten Samples, Sekunden und Timecode), cut.edl (gängiges EDL-Format), cut.fcpxml, keep-only.wav (behaltene Teile mit 5 bis 15 ms Überblendung verbunden, 16-Bit-PCM), waveform.png mit markierten entfernten Bereichen, timeline.png, report.json und report.md sowie shifted.srt, wenn Sie Untertitel mitgeben (Einträge, die komplett in entfernten Teilen liegen, entfallen). Bei MP4-Eingabe gibt es zusätzlich cut.mp4 (H.264 + AAC, für exakte Schnitte neu kodiert), aber nur innerhalb dieser Grenzen: Klasse 640x360 oder kleiner (lange Seite bis 640, kurze Seite bis 360, gerade Maße), höchstens 300 Sekunden, höchstens 16 MiB, konstante Bildrate von 10 bis 30 fps, nicht gedreht. Darüber erhalten Sie nur Schnittliste, EDL, FCPXML und Audio mit einer klaren Meldung. Für 720p- und 1080p-Video entsteht kein geschnittenes MP4.

Echte Ausgabe des Skills bei einer Beispieleingabe (synthetisches Testsignal), Bild 1 von 6.

Echte Ausgabe des Skills bei einer Beispieleingabe (synthetisches Testsignal), Bild 2 von 6.

Echte Ausgabe des Skills bei einer Beispieleingabe (synthetisches Testsignal), Bild 3 von 6.

Echte Ausgabe des Skills bei einer Beispieleingabe (synthetisches Testsignal), Bild 4 von 6.
Prüfungen und Bericht
Prüfungen, die wirklich laufen: Eingaben werden untersucht, Fehler (Format, Codec, Länge, Größe, fehlende Tonspur) werden verständlich erklärt. Nach jedem Auftrag prüft ein Verifikationsschritt Frame-Anzahl und Samplerate der WAV, ob die CSV die Quelle lückenlos abdeckt, die Schnittanzahl der EDL und die Struktur der FCPXML; bei cut.mp4 prüft er, ob die Länge zur WAV passt und Audio und Video um weniger als 0,1 s abweichen. Der Bericht nennt Gesamtlänge, entfernte Zeit und Prozent, Segmentzahl, Lautheit, ein Histogramm der Stilledauern und Warnungen (mehr als 75 Prozent entfernt, sehr kurze Teile, kein Audio übrig).

Echte Ausgabe des Skills bei einer Beispieleingabe (synthetisches Testsignal), Bild 5 von 6.
Genauigkeit und Geschwindigkeit
Gemessene Genauigkeit, nur an synthetischen Signalen: 12 Seeds, 60 bekannte sprachähnliche Bursts, Mindeststille 200 ms, keine Zugabe. Präzision 99,2 Prozent, Recall etwa 100 Prozent, mittlerer Grenzfehler 4,5 ms, maximal 9,9 ms. Schwierige Fälle sind schlechter. Bei gleichbleibendem Raumrauschen oder Musik sinkt die Präzision auf etwa 54 Prozent (Recall 100 Prozent), weil das Geräusch wie Sprache behalten wird. Gelegentliches Klatschen: Präzision 77,5 Prozent. Lange Atemzüge: 74,7 Prozent. Geflüsterte Sprache: Präzision 98,9 Prozent, aber Recall nur etwa 47 Prozent, leise Sprache geht also verloren. Diese Werte beschreiben nicht Ihre Aufnahme; prüfen Sie das Ergebnis und passen Sie den Schwellwert an.

Echte Ausgabe des Skills bei einer Beispieleingabe (synthetisches Testsignal), Bild 6 von 6.
Die Geschwindigkeit wurde auf einem Apple Silicon (arm64) Mac mit Node 26 gemessen. Ein Auftrag mit einer 5-Minuten-WAV dauerte etwa 0,13 s. Ein 640x360-Video von 60 s brauchte etwa 10 s, ein Video von 300 s ohne entfernte Teile etwa 95 s. Geschwindigkeit und Speicherbedarf in der Capafy-Cloud sind nicht verifiziert; rechnen Sie mit längeren Zeiten. Der Import von EDL und FCPXML in Schnittprogramme ist nicht verifiziert; beide beschreiben harte Schnitte, gerundet auf 24, 25 oder 30 fps, und die FCPXML verweist auf den Namen Ihrer Originaldatei, die Sie eventuell neu verknüpfen müssen.
Datenverarbeitung und Tarife
Datenverarbeitung: Der Produktcode führt keine Netzwerkaufrufe aus; Dateien werden im Capafy-Arbeitsbereich gelesen und geschrieben. Das ist nicht die Aufbewahrungsrichtlinie von Capafy. Sie sind dafür verantwortlich, die Rechte an den verarbeiteten Aufnahmen zu besitzen. Die Beispielbilder sind echte Ausgaben dieses Skills aus synthetischen Testsignalen, keine Kundenaufnahmen.
Tarife: Wöchentlich US$4.99 für 15 Aufträge. Monatlich US$9.99 für 50 Aufträge. Keine kostenlose Testphase.


