视频编辑

AI辅助的真实素材编辑。不是通过提示词生成。而是快速编辑现有视频。

何时激活

用户想要编辑、剪辑或结构化视频素材
将长录音转为短视频内容
从原始素材构建Vlog、教程或演示视频
为现有视频添加覆盖层、字幕、音乐或旁白
为不同平台（YouTube、TikTok、Instagram）重新调整视频
用户提到“编辑视频”、“剪辑素材”、“制作Vlog”或“视频工作流”

核心理念

AI视频编辑的价值在于：不要让它创建整个视频，而是用它来压缩、组织和增强真实素材。价值不在于生成，而在于压缩。

工作流

Screen Studio / 原始素材
  → Claude / Codex
  → FFmpeg
  → Remotion
  → ElevenLabs / fal.ai
  → Descript 或 CapCut

每个层次都有特定工作。不要跳过任何层次，也不要试图让一个工具完成所有工作。

第一层：采集（Screen Studio / 原始素材）

收集源材料：

Screen Studio：适用于应用演示、编码会话、浏览器工作流的精美屏幕录制
原始相机素材：Vlog素材、采访、活动录制
通过VideoDB的桌面录制：带有实时上下文的会话录制（参见videodb技能）

输出：准备组织的原始文件。

第二层：组织（Claude / Codex）

使用Claude Code或Codex：

转录并标记：生成转录稿，识别主题和话题
规划结构：决定保留什么、剪掉什么、顺序如何
识别无效部分：找出暂停、离题、重复拍摄
生成剪辑决策列表：剪切的时间戳、保留的片段
搭建FFmpeg和Remotion代码：生成命令和合成方案

示例提示词：
“这是一份4小时录音的转录稿。请为24分钟的Vlog找出最强的8个片段。
为每个片段提供FFmpeg剪切命令。”

这一层次关乎结构，而非最终的创意品味。

第三层：确定性剪辑（FFmpeg）

FFmpeg处理枯燥但关键的工作：分割、修剪、拼接和预处理。

按时间戳提取片段

ffmpeg -i raw.mp4 -ss 00:12:30 -to 00:15:45 -c copy segment_01.mp4

根据剪辑决策列表批量剪切

#!/bin/bash
# cuts.txt: start,end,label
while IFS=, read -r start end label; do
  ffmpeg -i raw.mp4 -ss "$start" -to "$end" -c copy "segments/${label}.mp4"
done < cuts.txt

拼接片段

# 创建文件列表
for f in segments/*.mp4; do echo "file '$f'"; done > concat.txt
ffmpeg -f concat -safe 0 -i concat.txt -c copy assembled.mp4

创建代理文件以加快编辑速度

ffmpeg -i raw.mp4 -vf "scale=960:-2" -c:v libx264 -preset ultrafast -crf 28 proxy.mp4

提取音频以进行转录

ffmpeg -i raw.mp4 -vn -acodec pcm_s16le -ar 16000 audio.wav

标准化音频电平

ffmpeg -i segment.mp4 -af loudnorm=I=-16:TP=-1.5:LRA=11 -c:v copy normalized.mp4

第四层：可编程合成（Remotion）

Remotion将编辑问题转化为可组合的代码。用于传统编辑器难以处理的任务：

何时使用Remotion

覆盖层：文本、图片、品牌标识、下部三分之一
数据可视化：图表、统计、动态数字
运动图形：转场、解释性动画
可组合场景：跨视频的可复用模板
产品演示：带注释的屏幕截图、UI高亮

基本的Remotion合成

import { AbsoluteFill, Sequence, Video, useCurrentFrame } from "remotion";

export const VlogComposition: React.FC = () => {
  const frame = useCurrentFrame();

  return (
    <AbsoluteFill>
      {/* 主素材 */}
      <Sequence from={0} durationInFrames={300}>
        <Video src="/segments/intro.mp4" />
      </Sequence>

      {/* 标题覆盖层 */}
      <Sequence from={30} durationInFrames={90}>
        <AbsoluteFill style={{
          justifyContent: "center",
          alignItems: "center",
        }}>
          <h1 style={{
            fontSize: 72,
            color: "white",
            textShadow: "2px 2px 8px rgba(0,0,0,0.8)",
          }}>
            AI编辑栈
          </h1>
        </AbsoluteFill>
      </Sequence>

      {/* 下一个片段 */}
      <Sequence from={300} durationInFrames={450}>
        <Video src="/segments/demo.mp4" />
      </Sequence>
    </AbsoluteFill>
  );
};

渲染输出

npx remotion render src/index.ts VlogComposition output.mp4

有关详细模式及API参考，请参阅Remotion文档。

第五层：生成资产（ElevenLabs / fal.ai）

只生成你需要的。不要生成整个视频。

使用ElevenLabs生成旁白

import os
import requests

resp = requests.post(
    f"https://api.elevenlabs.io/v1/text-to-speech/{voice_id}",
    headers={
        "xi-api-key": os.environ["ELEVENLABS_API_KEY"],
        "Content-Type": "application/json"
    },
    json={
        "text": "请在此处放置旁白文本",
        "model_id": "eleven_turbo_v2_5",
        "voice_settings": {"stability": 0.5, "similarity_boost": 0.75}
    }
)
with open("voiceover.mp3", "wb") as f:
    f.write(resp.content)

使用fal.ai生成音乐和音效

使用fal-ai-media技能：

背景音乐生成
音效（ThinkSound模型用于视频转音频）
转场音效

使用fal.ai生成视觉素材

用于插入镜头、缩略图或缺失的B-roll：

generate(app_id: "fal-ai/nano-banana-pro", input_data: {
  "prompt": "科技Vlog的专业缩略图，深色背景，屏幕上显示代码",
  "image_size": "landscape_16_9"
})

使用VideoDB生成音频

如果配置了VideoDB：

voiceover = coll.generate_voice(text="旁白文本", voice="alloy")
music = coll.generate_music(prompt="编程Vlog的lo-fi背景音乐", duration=120)
sfx = coll.generate_sound_effect(prompt="微妙的嗖声转场音效")

第六层：最终润色（Descript / CapCut）

最后一层由人完成。使用传统编辑器进行：

节奏：调整感觉过快或过慢的剪辑
字幕：自动生成，然后手动清理
色彩分级：基本校正和氛围渲染
最终混音：平衡语音、音乐和音效的音量
导出：平台特定的格式和质量设置

这是品味所在。AI清除了重复性工作，最终决定由你做出。

社媒适配

不同平台需要不同的宽高比：

平台	宽高比	分辨率
YouTube	16:9	1920x1080
TikTok / Reels	9:16	1080x1920
Instagram 信息流	1:1	1080x1080
X / Twitter	16:9 或 1:1	1280x720 或 720x720

使用FFmpeg适配

# 16:9 转 9:16（中心裁剪）
ffmpeg -i input.mp4 -vf "crop=ih*9/16:ih,scale=1080:1920" vertical.mp4

# 16:9 转 1:1（中心裁剪）
ffmpeg -i input.mp4 -vf "crop=ih:ih,scale=1080:1080" square.mp4

使用VideoDB适配

from videodb import ReframeMode

# 智能适配（AI引导的主体跟踪）
reframed = video.reframe(start=0, end=60, target="vertical", mode=ReframeMode.smart)

场景检测与自动剪辑

FFmpeg场景检测

# 检测场景变化（阈值0.3 = 中等敏感度）
ffmpeg -i input.mp4 -vf "select='gt(scene,0.3)',showinfo" -vsync vfr -f null - 2>&1 | grep showinfo

用于自动剪辑的静音检测

# 寻找静音片段（用于剪切空白时段）
ffmpeg -i input.mp4 -af silencedetect=noise=-30dB:d=2 -f null - 2>&1 | grep silence

高亮片段提取

使用Claude分析转录稿和场景时间戳：

“根据这份带有时间戳的转录稿和场景变化点，
找出5个最适合社媒分享的30秒精彩片段。”

各工具最佳用途

工具	优势	劣势
Claude / Codex	组织、规划、代码生成	非创意品味层
FFmpeg	确定性剪辑、批量处理、格式转换	无可视化编辑界面
Remotion	可编程覆盖层、可组合场景、可复用模板	非开发者的学习曲线
Screen Studio	即时生成精美的屏幕录制	仅限屏幕捕获
ElevenLabs	语音、旁白、音乐、音效	非工作流中心
Descript / CapCut	最终节奏、字幕、润色	手动，不可自动化

关键原则

编辑，而非生成。 此工作流用于剪辑真实素材，不是通过提示词创建内容。
先结构，后风格。 在第二层搞定故事，之后才处理任何视觉元素。
FFmpeg是支柱。 枯燥但关键，是长素材变得可控之处。
Remotion用于可重复性。 如果要做超过一次，就做成Remotion组件。
有选择地生成。 仅在需要不存在的素材时使用AI生成，而不是处处用。
品味是最后一层。 AI清除重复工作，最终创意决定由你做出。

在你喜欢的 AI 中提问

预览

文档