视频编辑
针对真实素材的 AI 辅助编辑。不是通过提示词生成。快速编辑现有视频。
何时激活
- 用户想要编辑、剪切或结构化视频素材
- 将长时间录制转为短视频内容
- 从原始拍摄构建 vlog、教程或演示视频
- 为现有视频添加叠加层、字幕、音乐或画外音
- 为不同平台(YouTube、TikTok、Instagram)重新调整视频
- 用户说“编辑视频”、“剪切这段素材”、“制作 vlog”或“视频工作流”
核心论点
AI 视频编辑的有用之处在于你不再要求它创建整个视频,而是利用它来压缩、组织和增强真实素材。价值不在于生成。价值在于压缩。
工作流
Screen Studio / 原始素材
→ Claude / Codex
→ FFmpeg
→ Remotion
→ ElevenLabs / fal.ai
→ Descript 或 CapCut
每一层都有特定的任务。不要跳过任何层。不要试图用一个工具完成所有事情。
第 1 层:捕获(Screen Studio / 原始素材)
收集源素材:
- Screen Studio: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、活动录像
- 通过 VideoDB 进行桌面捕获:具有实时上下文的环境录制(参见
videodb技能)
输出:准备好进行组织的原始文件。
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、剪切什么以及合理的顺序
- 识别无效片段:找到停顿、离题、重复的镜头
- 生成编辑决策列表:包含剪切时间戳和要保留的片段
- 搭建 FFmpeg 和 Remotion 代码:生成命令和组合
示例提示:
“这里有 4 小时录制的转录稿。找出用于 24 分钟 vlog 的最强 8 个片段。
为每个片段提供 FFmpeg 剪切命令。”
这一层关乎结构,而非最终的创意品味。
第 3 层:确定性剪切(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
根据编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/${label}.mp4"
done < cuts.txt
拼接多个片段
# 创建文件列表
for f in segments/*.mp4; do echo "file '$f'"; done > concat.txt
ffmpeg -f concat -safe 0 -i concat.txt -c copy assembled.mp4
创建代理文件以实现更快的编辑
ffmpeg -i raw.mp4 -vf "scale=960:-2" -c:v libx264 -preset ultrafast -crf 28 proxy.mp4
提取音频用于转录
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 4 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事情:
何时使用 Remotion
- 叠加层:文本、图像、品牌标识、下方三分之一
- 数据可视化:图表、统计信息、动画数字
- 动态图形:过渡、解说动画
- 可组合场景:跨视频的可复用模板
- 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>
{/* 标题叠加层 */}
<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
请参阅 Remotion 文档 了解详细模式和 API 参考。
第 5 层:生成式资产(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": "你的解说词文字",
"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 技能实现:
- 背景音乐生成
- 音效(ThinkSound 模型的视频转音频)
- 过渡音效
使用 fal.ai 生成视觉效果
用于生成不存在的插播镜头、缩略图或 B-roll:
generate(app_id: "fal-ai/nano-banana-pro", input_data: {
"prompt": "专业科技 vlog 缩略图,深色背景,屏幕上显示代码",
"image_size": "landscape_16_9"
})
VideoDB 生成式音频
如果配置了 VideoDB:
voiceover = coll.generate_voice(text="解说词文字", 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="微弱的嗖嗖过渡音效")
第 6 层:最终精修(Descript / CapCut)
最后一层是人为的。使用传统编辑器进行:
- 节奏调整:调整感觉太快或太慢的剪辑
- 字幕:自动生成,然后手动清理
- 调色:基本校正和氛围营造
- 最终音频混音:平衡人声、音乐和音效的音量
- 导出:针对平台的格式和质量设置
这里是品味发挥作用的地方。AI 清除了重复性工作。你来做最终的判断。
社交媒体重构图
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 重构图
# 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 重构图
from videodb import ReframeMode
# 智能重构图(AI 引导的主题跟踪)
reframed = video.reframe(start=0, end=60, target="vertical", mode=ReframeMode.smart)
场景检测和自动剪切
FFmpeg 场景检测
# 检测场景变化(阈值 0.3 = 中等灵敏度)
ffmpeg -i input.mp4 -vf "select='gt(scene,0.3)',showinfo" -vsync vfr -f null - 2>&1 | grep showinfo
静音检测用于自动剪切
# 查找静音片段(用于剪掉死气沉沉的部分)
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:
"给定这段带时间戳的转录稿和这些场景变化点,
找出 5 个最吸引人的 30 秒片段用于社交媒体。"
每个工具的最佳用途
| 工具 | 优点 | 缺点 |
|---|---|---|
| Claude / Codex | 组织、规划、代码生成 | 不是创意品味层 |
| FFmpeg | 确定性剪切、批量处理、格式转换 | 没有可视编辑界面 |
| Remotion | 可编程叠加层、可组合场景、可复用模板 | 对非开发者有学习曲线 |
| Screen Studio | 立即可用的精美屏幕录制 | 仅限屏幕捕获 |
| ElevenLabs | 人声、解说、音乐、音效 | 不是工作流的中心 |
| Descript / CapCut | 最终节奏、字幕、精修 | 手动,不可自动化 |
关键原则
- 编辑,而非生成。 此工作流用于剪切真实素材,而非通过提示词创建。
- 先结构后风格。 在第 2 层把故事讲好,然后再碰任何视觉效果。
- FFmpeg 是支柱。 枯燥但关键。让长时间素材变得可管理。
- 为可复用性使用 Remotion。 如果要做多次,就做成 Remotion 组件。
- 选择性生成。 只对不存在的资产使用 AI 生成,而不是所有东西。
- 品味是最后一层。 AI 清除了重复性工作。你来做最终的创意判断。
相关技能
fal-ai-media— AI 图像、视频和音频生成videodb— 服务端视频处理、索引和流式传输content-engine— 平台原生内容分发