Gute Idee, aber halte ich für kaum umsetzbar...
Ich greife mal dein Beispiel auf:
Leise Stellen werden automatisch herausgeschnitten... das mag bei einem Video sinnvoll sein und beim nächsten ist es genau das Gegenteil, weil man z.B. genau in diesen zwei RUHIGEN SEKUNDEN etwas spektakuläres im Video sieht...
Es gibt ja bereits ein paar Programme die dir ein Video automatisch zusammenstellen, aber woran sollen die sich orientieren? Die nehmen halt beliebige Stellen und fügen die einzelnen Clips mit Übergängen zusammen - legen vielleicht noch Musik drunter, aber abgestimmt ist Musik und Video dann nicht aufeinander. Und natürlich weiß das Programm auch nicht was für den Menschen nun eine besonders tolle (weil z.B. emotional rührende Szene) Szene war und was nicht...
Kurz gesagt: Ich glaube dafür wird man noch sehr lange Menschen benötigen, weil du ja menschiches Empfinden irgendwie in KI wandeln müsstest.