影片編輯

AI 輔助的真實素材編輯。不是從提示詞生成。而是快速編輯現有影片。

何時啟用

使用者想要編輯、剪輯或結構化影片素材
將長時間錄影轉換為短片內容
從原始錄製素材建立 Vlog、教學或產品展示影片
為現有影片添加疊加層、字幕、音樂或旁白
為不同平台（YouTube、TikTok、Instagram）重新調整畫面
使用者說「編輯影片」、「剪輯這段素材」、「製作 Vlog」或「影片工作流程」

核心論點

AI 影片編輯的價值在於，當你不再要求它創造整部影片，而是用它來壓縮、結構化和增強真實素材時才體現出來。價值不在於生成。價值在於壓縮。

管線

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

每一層都有其特定的任務。不要跳過任何一層。不要試圖讓一個工具完成所有工作。

第一層：捕捉 (Screen Studio / 原始素材)

收集來源素材：

Screen Studio：為應用程式展示、編碼過程、瀏覽器工作流程提供 polished 螢幕錄影
原始攝影機素材：Vlog 素材、訪談、活動錄影
透過 VideoDB 的桌面捕捉：具有即時上下文的會話錄製（參見 videodb 技能）

輸出：準備好進行組織的原始檔案。

第二層：組織 (Claude / Codex)

使用 Claude Code 或 Codex 進行：

轉寫和標記：產生逐字稿，識別主題和話題
規劃結構：決定保留什麼、剪掉什麼、順序如何安排
識別無效片段：找出停頓、離題、重複的鏡次
產生剪輯決策列表：剪輯的時間戳記、要保留的片段
建立 FFmpeg 和 Remotion 程式碼：產生指令和合成

範例提示詞：
「這裡有一份 4 小時錄影的逐字稿。找出 8 個最強的片段，
用來製作一個 24 分鐘的 Vlog。為每個片段提供 FFmpeg 剪輯指令。」

這一層關乎結構，而非最終的創意品味。

第三層：確定性剪輯 (FFmpeg)

FFmpeg 處理繁瑣但至關重要的工作：分割、修剪、串接和預處理。

依時間戳記提取片段

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

從剪輯決策列表進行批次剪輯

#!/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

串接片段

# 建立檔案列表
for f in segments/*.mp4; do echo "file '$f'"; done > concat.txt
ffmpeg -f concat -safe 0 -i concat.txt -c copy assembled.mp4

建立代理檔案以加快編輯速度

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

提取音訊以進行轉寫

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

標準化音量

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

第四層：可程式化合成 (Remotion)

Remotion 將編輯問題轉化為可組合的程式碼。用它來處理傳統編輯器令人痛苦的事情：

何時使用 Remotion

疊加層：文字、圖片、品牌標誌、下三分之一
資料視覺化：圖表、統計資料、動畫數字
動態圖形：轉場、解說動畫
可組合場景：跨影片可重複使用的範本
產品展示：附註解的螢幕截圖、UI 高亮

基本 Remotion 合成

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

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

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

      {/* 標題疊加層 */}
      <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 編輯堆疊
          </h1>
        </AbsoluteFill>
      </Sequence>

      {/* 下一個片段 */}
      <Sequence from={300} durationInFrames={450}>
        <Video src="/segments/demo.mp4" />
      </Sequence>
    </AbsoluteFill>
  );
};

渲染輸出

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

請參閱 Remotion 文件以獲取詳細的模式和 API 參考。

第五層：產生的資產 (ElevenLabs / fal.ai)

只產生你需要的。不要產生整部影片。

使用 ElevenLabs 產生旁白

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": "你的旁白文字在此",
        "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 產生音樂和音效

使用 fal-ai-media 技能來：

生成背景音樂
生成音效（ThinkSound 模型，可實現影片轉音訊）
生成轉場音效

使用 fal.ai 產生視覺素材

用於插入鏡頭、縮圖或不存在的 B-roll：

generate(app_id: "fal-ai/nano-banana-pro", input_data: {
  "prompt": "專業的科技 vlog 縮圖，深色背景，螢幕上有程式碼",
  "image_size": "landscape_16_9"
})

VideoDB 生成式音訊

如果已配置 VideoDB：

voiceover = coll.generate_voice(text="旁白文字", voice="alloy")
music = coll.generate_music(prompt="編程 vlog 的背景 lo-fi 音樂", duration=120)
sfx = coll.generate_sound_effect(prompt="輕柔的咻聲轉場")

第六層：最終潤飾 (Descript / CapCut)

最後一層是人工的。使用傳統編輯器來處理：

節奏：調整感覺太快或太慢的剪輯
字幕：自動生成，然後手動清理
調色：基本的色彩校正與營造氛圍
最終音訊混音：平衡語音、音樂和 SFX 的音量
匯出：特定平台的格式和品質設定

這是品味所在。AI 清理重複性的工作。你做出最終的決定。

社交媒體重新構圖

不同平台需要不同的長寬比：

平台	長寬比	解析度
YouTube	16:9	1920x1080
TikTok / Reels	9:16	1080x1920
Instagram 貼文	1:1	1080x1080
X / Twitter	16:9 或 1:1	1280x720 或 720x720

使用 FFmpeg 重新構圖

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

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

使用 VideoDB 重新構圖

from videodb import ReframeMode

# 智慧重新構圖（AI 引導的主體追蹤）
reframed = video.reframe(start=0, end=60, target="vertical", mode=ReframeMode.smart)

場景偵測與自動剪輯

FFmpeg 場景偵測

# 偵測場景變化（threshold 0.3 = 中等靈敏度）
ffmpeg -i input.mp4 -vf "select='gt(scene,0.3)',showinfo" -vsync vfr -f null - 2>&1 | grep showinfo

靜音偵測以進行自動剪輯

# 找出靜音片段（用於剪掉空檔）
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 分析逐字稿和場景時間戳記：

「根據這份含有時間戳記的逐字稿和這些場景切換點，
找出 5 個最具吸引力的 30 秒片段，適合在社交媒體上發布。」

每個工具的最佳用途

工具	優點	弱點
Claude / Codex	組織、規劃、程式碼生成	非創意品味層
FFmpeg	確定性剪輯、批次處理、格式轉換	沒有視覺編輯介面
Remotion	可程式化疊加層、可組合場景、可重複使用範本	非開發人員學習曲線較高
Screen Studio	立即獲得 polished 螢幕錄影	僅限螢幕捕捉
ElevenLabs	語音、旁白、音樂、音效	非工作流程核心
Descript / CapCut	最終節奏、字幕、潤飾	手動，無法自動化

關鍵原則

編輯，不是生成。 這個工作流程是為了剪輯真實素材，而不是從提示詞創建。
先結構，後風格。 在觸碰任何視覺元素之前，先在第二層把故事理清楚。
FFmpeg 是骨幹。 無聊但至關重要。是長素材變得可管理的地方。
Remotion 用於重複性。 如果你會做超過一次，就把它做成 Remotion 元件。
選擇性地生成。 AI 生成只用於不存在的資產，而不是用於一切。
品味是最後一層。 AI 清理重複性工作。由你做出最終的創意決定。

在你喜歡的 AI 中提問

預覽

說明文件