RankCut：一种基于排序的LLM抽取式摘要方法用于基于转录的视频编辑

采访、讲座和会议的录像包含有价值的时刻，但周围有不太重要的内容。制作一个可分享且有意义的较短版本需要大量努力，因为它结合了繁琐的重复操作和需要人工判断的编辑决策。我们引入一种在视频转录本上运行的编辑方法，将三阶段大语言模型管道与时间线锚定、基于标记的界面相结合，以便编辑者可以在最终组装前检查和完善建议。该管道首先生成概述摘要以最大化内容覆盖率，然后诱导编码编辑意图的通俗语言选择规则，最后对小型转录本窗口应用规则条件排序以缓解长上下文限制，在时长约束下产生严格的抽取式、时间对齐的片段。界面使用具有优先级和置信度线索的标记显示短摘录分组，将不透明的模型输出转换为标准视频编辑工作流程中的可验证单元。在MeetingBank和MeetingBank-QA数据集上，我们的方法在匹配长度上优于实用的抽取式基线。在一项让熟悉Premiere Pro视频编辑软件的资深视频编辑者参与的被试内研究中，我们发现我们的基于标记的界面比手动编辑基线和不透明自动剪辑条件为编辑者提供了更高的效率、控制感和满意度。