视频剪辑（everything-claude-code）

视频剪辑

针对真实素材的AI辅助剪辑。不是根据提示生成内容。快速剪辑现有视频。

何时激活

• 用户想要剪辑、裁剪或结构化视频素材
• 将长录制内容转化为短视频
• 从原始素材制作vlog、教程或演示视频
• 为现有视频添加叠层、字幕、音乐或画外音
• 为不同平台（YouTube、TikTok、Instagram）重新调整视频比例
• 用户说出“剪辑视频”、“裁剪这段素材”、“制作一个vlog”或“视频工作流”

核心论点

当你不再要求AI创建整个视频，而是用它来压缩、结构化和增强真实素材时，AI视频剪辑才真正有用。价值不在于生成，而在于压缩。

流程

对于基于参考的衡量性工作，将“品味提炼”链接到“品味应用”，然后返回此处进行编辑器和最终输出审查。独立的品味技能可以使用现有素材；生成是可选的。

在实时编辑器或DAW更改之前，保存一个版本化的项目检查点，并验证文件存在。更改后再次保存并验证检查点。API回读证明的是当前内存状态，而不是保存状态。在手提交接中，将渲染媒体、可编辑项目和创意审批作为独立状态保存。

对于MIDI驱动的音频，根据接收机架的注音映射检查音高并进行试听；成功的片段创建仍可能产生静音。对于重建项目，通过原生加载和保存进行验证，按时间线顺序排序事件，验证样本链接和静音状态，然后检查并试听精确导出的音频，以发现意外静音。仅凭XML解析并不能证明DAW接受了每个片段或产生了可听输出。在调用较新命令之前，检查网桥的能力握手。不要作为创意任务的副作用启用上传或训练数据遥测；在缺乏共识或能力时，使用支持的本地控制路径。

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

每一层都有特定的工作。不要跳过层次。不要试图用一个工具完成所有事情。

第1层：采集（Screen Studio / 原始素材）

收集源材料：

• Screen Studio：用于应用程序演示、编码会话、浏览器工作流的精致屏幕录制
• 原始相机素材：vlog素材、采访、活动录制
• 通过VideoDB的桌面录制：带实时上下文的会话录制（请参阅videodb技能）

输出：准备组织的原始文件。

第2层：组织（Claude / Codex）

使用Claude Code或Codex来：

• 转录和标注：生成转录稿，识别主题和话题
• 规划结构：决定保留什么、裁剪什么以及以什么顺序排列
• 识别无效片段：找出暂停、离题、重复录制的内容
• 生成剪辑决定表：包含剪辑时间戳、保留的片段
• 搭建FFmpeg和Remotion代码：生成命令和组合

示例提示：
“这是一段4小时录制的转录稿。为一段24分钟的vlog识别8个最强片段。给出每个片段的FFmpeg剪辑命令。”

这一层关乎结构，而非最终创意品味。

第3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

根据剪辑决定表批量剪辑

#!/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

创建代理以加快剪辑

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

提取音频进行转录

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

标准化音频级别

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

第4层：可编程组合（Remotion）

Remotion将剪辑问题转化为可组合的代码。用于传统剪辑软件难以处理的场景：

何时使用Remotion

• 叠层：文本、图像、品牌标识、下三分之一字幕
• 数据可视化：图表、统计、动画数字
• 动态图形：转场、解说动画
• 可组合场景：可跨视频重复使用的模板
• 产品演示：带注释的截图、UI高亮

基本的Remotion组合

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>

      {/* 标题叠层 */}
      <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剪辑技术栈
          </h1>
        </AbsoluteFill>
      </Sequence>

      {/* 下一片段 */}
      <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

有关详细模式和API参考，请参阅Remotion文档。

第5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录制画外音

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": "你的旁白文本",
        "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技能来：

• 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生成视觉元素

用于插入镜头、缩略图或不存在的B-roll：

generate(app_id: "fal-ai/nano-banana-pro", input_data: {
  "prompt": "专业缩略图，适用于技术vlog，深色背景，屏幕上有代码",
  "image_size": "landscape_16_9"
})

VideoDB的生成音频

如果配置了VideoDB：

voiceover = coll.generate_voice(text="旁白文本", voice="alloy")
music = coll.generate_music(prompt="编码vlog的Lo-Fi背景音乐", duration=120)
sfx = coll.generate_sound_effect(prompt="微妙的嗖嗖转场声效")

第6层：最终润色（Descript / CapCut）

最后一层是人。使用传统编辑器进行：

• 节奏：调整感觉太快或太慢的剪辑点
• 字幕：自动生成，然后手动清理
• 色彩校正：基本校正和氛围营造
• 最终音频混音：平衡画外音、音乐和音效电平
• 导出：针对特定平台格式和质量设置

这是品味所在。AI清除重复劳动，你做出最终决策。

社交媒体重帧

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 Feed	1:1	1080x1080
X / Twitter	16:9 或 1:1	1280x720 或 720x720

使用FFmpeg重帧

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

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

使用VideoDB重帧

from videodb import ReframeMode

# 智能重帧（AI引导主体跟踪）
reframed = video.reframe(start=0, end=60, target="vertical", mode=ReframeMode.smart)

场景检测和自动剪辑

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

静音检测实现自动剪辑

# 查找静音片段（用于裁剪静音段）
ffmpeg -i input.mp4 -af silencedetect=noise=-30dB:d=2 -f null - 2>&1 | grep silence

高光片段提取

使用Claude分析转录稿+场景时间戳：

“给定这段带时间戳的转录稿和这些场景变化点，识别5个最吸引人的30秒社交片段。”

每个工具的最佳用途

工具	优势	劣势
Claude / Codex	组织、规划、代码生成	不是创意品味层
FFmpeg	确定性剪辑、批量处理、格式转换	无可视化剪辑UI
Remotion	可编程叠层、可组合场景、可复用模板	非开发者上手难度大
Screen Studio	即刻生成精致的屏幕录制	仅限屏幕录制
ElevenLabs	语音、旁白、音乐、音效	不是工作流的核心
Descript / CapCut	最终节奏、字幕、润色	手动，不可自动化

关键原则

1. 剪辑，不是生成。 这个工作流是用于剪辑真实素材，而不是根据提示创建内容。
2. 结构优先于风格。 在第2层先理清故事，再处理视觉元素。
3. FFmpeg是骨干。 枯燥但关键。它将长素材变得可管理。
4. Remotion用于可重复性。 如果要做超过一次，就做成Remotion组件。
5. 选择性生成。 仅对不存在的资产使用AI生成，而不是全部。
6. 品味是最后一层。 AI清除重复劳动，你做出最终创意决策。

原生Fusion预设

ITO Production v1 提供克制的发光效果、对立的RGB空间偏移以及亮度/边缘光晕。经过原生导入、保存/重新打开以及双源视觉检查后的短期动态渲染检查。这些是基于镜头的起始值，需要针对具体镜头进行调整；光晕不检测或跟踪主体。

ITO V28 包含经过原生验证的Fusion图代码片段和一个幂等的Lua安装程序。这些是技术兼容性示例，不建议作为生产默认值：其记录的视觉限制需要在使用前进行调整和品味审核。请参阅捆绑包来源以了解之前的导入和渲染检查范围。

相关技能

• fal-ai-media — AI图像、视频和音频生成
• videodb — 服务器端视频处理、索引和流媒体
• content-engine — 平台原生内容分发