
QuietCut: 無音カットとカットリスト

象徴的なイラストであり、実際の出力のスクリーンショットではありません。
録音の間を詰めて、正確なカットリスト、クロスフェード音声、品質レポートを受け取れます。
QuietCutでできること
QuietCut は、最終編集の前に録音の間を整えたいポッドキャスター、インタビュアー、講師、動画編集者向けです。エネルギーに基づく無音検出を使い、短いフレームごとに音量を測って静かな区間を見つけ、長いものを削除します。音声認識でも AI でもないため、話し声とそれ以外の音は区別できません。音楽、拍手、息づかい、一定の背景ノイズは、切りたい部分が残ることがあります。非常に小さな声は削られることがあります。
用意するものと仕組み
WAV、MP3、AAC の M4A、MP4(H.264 映像と AAC 音声)を添付してください。2 MB までの UTF-8 SRT 字幕も任意で付けられます。プリセット(控えめ、標準、積極的)を選ぶか、固定しきい値(dB)、ノイズフロアの自動推定、最小無音長、残す区間の前後の余白、最小保持長を指定できます。ファイルは 100 MiB まで、WAV は 30 分までです。MP3、M4A、MP4 の音声はモノラル 16 kHz にデコードされ、約 26 分(1,562.5 秒)までに制限されます。
すべて Capafy のチャット内で完結します。エージェントは足りない情報だけを尋ね、ジョブ設定を作って検証し、同梱のスクリプトを実行して結果を要約します。ソフトのインストール、ターミナルの起動、コマンドの実行を求めることはありません。
受け取るファイルとサンプル出力
受け取るファイル: cut-list.csv(残す区間と削除する区間を、正確なサンプル、秒、タイムコードで記載)、cut.edl(一般的な EDL 形式)、cut.fcpxml、keep-only.wav(残した部分を 5~15 ms のクロスフェードでつないだ 16 ビット PCM)、削除区間を示した waveform.png、timeline.png、report.json、report.md、字幕を渡した場合は shifted.srt(削除区間に完全に収まる字幕は除外)。MP4 を渡した場合は、映像が次の上限内のときに限り cut.mp4(正確なカットのため H.264 + AAC で再エンコード)も作成します。640x360 クラス以下(長辺 640 以下、短辺 360 以下、偶数サイズ)、300 秒以内、16 MiB 以内、10~30 fps の固定フレームレート、回転なし。上限を超えると、カットリスト、EDL、FCPXML、音声のみとなり、その旨をお知らせします。720p や 1080p の映像ではカット済み MP4 は作成されません。

サンプル入力(合成テスト信号)によるこのスキルの実際の出力です。(1/6)

サンプル入力(合成テスト信号)によるこのスキルの実際の出力です。(2/6)

サンプル入力(合成テスト信号)によるこのスキルの実際の出力です。(3/6)

サンプル入力(合成テスト信号)によるこのスキルの実際の出力です。(4/6)
検証とレポート
実際に実行される確認: 入力は形式、コーデック、長さ、サイズ、音声トラックの有無を調べ、分かりやすいエラーを表示します。ジョブ後の検証では、WAV のフレーム数とサンプルレート、CSV が元の音声を隙間なく覆っていること、EDL の編集数、FCPXML の構造を確認します。cut.mp4 については、長さが WAV と一致し、音声と映像の長さの差が 0.1 秒以内であることも確認します。レポートには、全体の長さ、削除時間と割合、区間数、ラウドネス、無音長の分布、警告(75% 超の削除、非常に短い保持区間、音声が残らない場合)が載ります。

サンプル入力(合成テスト信号)によるこのスキルの実際の出力です。(5/6)
精度と速度
測定した精度は合成信号のみのものです。シード 12 個、既知の音声風バースト 60 個、最小無音 200 ms、余白なしの条件で、適合率 99.2%、再現率 約 100%、境界誤差は平均 4.5 ms、最大 9.9 ms でした。難しいケースでは悪化します。一定の室内ノイズや音楽では、ノイズが音声のように残るため適合率が約 54%(再現率 100%)まで下がります。断続的な拍手は 77.5%、長い息づかいは 74.7% です。ささやき声は適合率 98.9% ですが再現率は約 47% にとどまり、小さな声が失われます。これらの数値はお手持ちの録音の精度ではありません。結果を確認し、しきい値を調整してください。

サンプル入力(合成テスト信号)によるこのスキルの実際の出力です。(6/6)
速度は Apple Silicon (arm64) の Mac 1 台と Node 26 で測定しました。5 分の WAV のジョブは約 0.13 秒、60 秒の 640x360 動画は約 10 秒、何も削除しない 300 秒の動画は約 95 秒でした。Capafy クラウド上の速度とメモリは未検証で、より遅い可能性があります。EDL と FCPXML の編集ソフトへの読み込みは未検証です。どちらも 24、25、30 fps に丸めたハードカットで、FCPXML は元のファイル名を参照するため、再リンクが必要な場合があります。
データの扱いとプラン
データの扱い: 製品コードはネットワーク呼び出しを行わず、ファイルは Capafy の作業領域内で読み書きされます。これは Capafy の保存ポリシーではありません。処理する録音の権利は利用者の責任です。サンプル画像は、合成テスト信号から作った本スキルの実際の出力であり、顧客の録音ではありません。
料金: 週額 US$4.99(15 ジョブ)、月額 US$9.99(50 ジョブ)。無料トライアルはありません。


