视频编辑

针对真实素材的AI辅助编辑。非根据提示生成。快速编辑现有视频。

何时激活

用户想要编辑、剪辑或构建视频素材
将长录制内容转化为短视频内容
从原始素材构建vlog、教程或演示视频
为现有视频添加叠加层、字幕、音乐或画外音
为不同平台（YouTube、TikTok、Instagram）重新构图视频
用户提到“编辑视频”、“剪辑这个素材”、“制作vlog”或“视频工作流”

核心理念

当你不再要求AI创建整个视频，而是开始使用它来压缩、构建和增强真实素材时，AI视频编辑就变得有用了。价值不在于生成。价值在于压缩。

处理流程

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

每个层级都有特定的工作。不要跳过层级。不要试图让一个工具完成所有事情。

层级 1：采集（Screen Studio / 原始素材）

收集源材料：

Screen Studio：用于应用演示、编码会话、浏览器工作流程的精致屏幕录制
原始摄像机素材：vlog素材、采访、活动录制
通过VideoDB的桌面采集：具有实时上下文的会话录制（参见 videodb 技能）

输出：准备进行组织的原始文件。

层级 2：组织（Claude / Codex）

使用Claude Code或Codex进行：

转录和标记：生成转录稿，识别主题和要点
规划结构：决定保留内容、剪切内容、确定顺序
识别无效片段：查找停顿、离题、重复拍摄
生成编辑决策列表：用于剪辑的时间戳、保留的片段
搭建FFmpeg和Remotion代码：生成命令和合成

示例提示词：
"这是一份4小时录音的文字记录。找出最适合制作24分钟vlog的8个精彩片段。
为每个片段提供FFmpeg剪辑命令。"

此层级关乎结构，而非最终的创意品味。

层级 3：确定性剪辑（FFmpeg）

FFmpeg处理枯燥但关键的工作：分割、修剪、连接和预处理。

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

连接片段

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

创建代理文件以加速编辑

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

层级 4：可编程合成（Remotion）

Remotion将编辑问题转化为可组合的代码。用它来处理传统编辑器让工作变得痛苦的事情：

何时使用Remotion

叠加层：文本、图像、品牌标识、下三分之一字幕
数据可视化：图表、统计数据、动画数字
动态图形：转场、解说动画
可组合场景：跨视频可重复使用的模板
产品演示：带注释的截图、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>
      {/* Main footage */}
      <Sequence from={0} durationInFrames={300}>
        <Video src="/segments/intro.mp4" />
      </Sequence>

      {/* Title overlay */}
      <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)",
          }}>
            The AI Editing Stack
          </h1>
        </AbsoluteFill>
      </Sequence>

      {/* Next segment */}
      <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。

层级 5：生成资产（ElevenLabs / fal.ai）

仅生成所需内容。不要生成整个视频。

使用ElevenLabs进行画外音

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": "Your narration text here",
        "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 技能进行：

背景音乐生成
音效（用于视频转音频的ThinkSound模型）
转场音效

使用fal.ai生成视觉效果

用于不存在的插入镜头、缩略图或B-roll素材：

generate(app_id: "fal-ai/nano-banana-pro", input_data: {
  "prompt": "专业科技视频缩略图，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="Narration here", voice="alloy")
music = coll.generate_music(prompt="lo-fi background for coding vlog", duration=120)
sfx = coll.generate_sound_effect(prompt="subtle whoosh transition")

层级 6：最终润色（Descript / CapCut）

最后一层由人工完成。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
色彩分级：基本校正和氛围调整
最终音频混音：平衡人声、音乐和音效的电平
导出：平台特定的格式和质量设置

品味体现在此。AI清理重复性工作。你做出最终决定。

社交媒体重新构图

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重新构图

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

# 16:9 to 1:1 (center crop)
ffmpeg -i input.mp4 -vf "crop=ih:ih,scale=1080:1080" square.mp4

使用VideoDB重新构图

from videodb import ReframeMode

# Smart reframe (AI-guided subject tracking)
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

# Detect scene changes (threshold 0.3 = moderate sensitivity)
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

# Find silent segments (useful for cutting dead air)
ffmpeg -i input.mp4 -af silencedetect=noise=-30dB:d=2 -f null - 2>&1 | grep silence

精彩片段提取

使用Claude分析转录稿 + 场景时间戳：

"根据这份带时间戳的转录稿和这些场景转换点，找出最适合社交媒体发布的5段30秒最吸引人的剪辑片段。"

每个工具最擅长什么

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	无可视化编辑UI
Remotion	可编程叠加层、可组合场景、可重复使用模板	对非开发者有学习曲线
Screen Studio	即时获得精致的屏幕录制	仅限屏幕采集
ElevenLabs	人声、旁白、音乐、音效	不是工作流程的核心
Descript / CapCut	最终节奏调整、字幕、润色	手动操作，不可自动化

关键原则

编辑，而非生成。 此工作流程用于剪辑真实素材，而非根据提示创建。
先结构，后风格。 在接触任何视觉元素之前，先在层级2确定好故事结构。
FFmpeg是支柱。 枯燥但关键。长素材在此变得易于管理。
Remotion用于可重复性。 如果你会多次执行某项操作，就将其制作成Remotion组件。
选择性生成。 仅对不存在的资产使用AI生成，而非所有内容。
品味是最后一层。 AI清理重复性工作。你做出最终的创意决定。

视频编辑

针对真实素材的AI辅助编辑。非根据提示生成。快速编辑现有视频。

何时激活

用户想要编辑、剪辑或构建视频素材
将长录制内容转化为短视频内容
从原始素材构建vlog、教程或演示视频
为现有视频添加叠加层、字幕、音乐或画外音
为不同平台（YouTube、TikTok、Instagram）重新构图视频
用户提到“编辑视频”、“剪辑这个素材”、“制作vlog”或“视频工作流”

核心理念

当你不再要求AI创建整个视频，而是开始使用它来压缩、构建和增强真实素材时，AI视频编辑就变得有用了。价值不在于生成。价值在于压缩。

处理流程

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

每个层级都有特定的工作。不要跳过层级。不要试图让一个工具完成所有事情。

层级 1：采集（Screen Studio / 原始素材）

收集源材料：

Screen Studio：用于应用演示、编码会话、浏览器工作流程的精致屏幕录制
原始摄像机素材：vlog素材、采访、活动录制
通过VideoDB的桌面采集：具有实时上下文的会话录制（参见 videodb 技能）

输出：准备进行组织的原始文件。

层级 2：组织（Claude / Codex）

使用Claude Code或Codex进行：

转录和标记：生成转录稿，识别主题和要点
规划结构：决定保留内容、剪切内容、确定顺序
识别无效片段：查找停顿、离题、重复拍摄
生成编辑决策列表：用于剪辑的时间戳、保留的片段
搭建FFmpeg和Remotion代码：生成命令和合成

示例提示词：
"这是一份4小时录音的文字记录。找出最适合制作24分钟vlog的8个精彩片段。
为每个片段提供FFmpeg剪辑命令。"

此层级关乎结构，而非最终的创意品味。

层级 3：确定性剪辑（FFmpeg）

FFmpeg处理枯燥但关键的工作：分割、修剪、连接和预处理。

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

连接片段

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

创建代理文件以加速编辑

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

层级 4：可编程合成（Remotion）

Remotion将编辑问题转化为可组合的代码。用它来处理传统编辑器让工作变得痛苦的事情：

何时使用Remotion

叠加层：文本、图像、品牌标识、下三分之一字幕
数据可视化：图表、统计数据、动画数字
动态图形：转场、解说动画
可组合场景：跨视频可重复使用的模板
产品演示：带注释的截图、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>
      {/* Main footage */}
      <Sequence from={0} durationInFrames={300}>
        <Video src="/segments/intro.mp4" />
      </Sequence>

      {/* Title overlay */}
      <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)",
          }}>
            The AI Editing Stack
          </h1>
        </AbsoluteFill>
      </Sequence>

      {/* Next segment */}
      <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。

层级 5：生成资产（ElevenLabs / fal.ai）

仅生成所需内容。不要生成整个视频。

使用ElevenLabs进行画外音

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": "Your narration text here",
        "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 技能进行：

背景音乐生成
音效（用于视频转音频的ThinkSound模型）
转场音效

使用fal.ai生成视觉效果

用于不存在的插入镜头、缩略图或B-roll素材：

generate(app_id: "fal-ai/nano-banana-pro", input_data: {
  "prompt": "专业科技视频缩略图，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="Narration here", voice="alloy")
music = coll.generate_music(prompt="lo-fi background for coding vlog", duration=120)
sfx = coll.generate_sound_effect(prompt="subtle whoosh transition")

层级 6：最终润色（Descript / CapCut）

最后一层由人工完成。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
色彩分级：基本校正和氛围调整
最终音频混音：平衡人声、音乐和音效的电平
导出：平台特定的格式和质量设置

品味体现在此。AI清理重复性工作。你做出最终决定。

社交媒体重新构图

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重新构图

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

# 16:9 to 1:1 (center crop)
ffmpeg -i input.mp4 -vf "crop=ih:ih,scale=1080:1080" square.mp4

使用VideoDB重新构图

from videodb import ReframeMode

# Smart reframe (AI-guided subject tracking)
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

# Detect scene changes (threshold 0.3 = moderate sensitivity)
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

# Find silent segments (useful for cutting dead air)
ffmpeg -i input.mp4 -af silencedetect=noise=-30dB:d=2 -f null - 2>&1 | grep silence

精彩片段提取

使用Claude分析转录稿 + 场景时间戳：

"根据这份带时间戳的转录稿和这些场景转换点，找出最适合社交媒体发布的5段30秒最吸引人的剪辑片段。"

每个工具最擅长什么

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	无可视化编辑UI
Remotion	可编程叠加层、可组合场景、可重复使用模板	对非开发者有学习曲线
Screen Studio	即时获得精致的屏幕录制	仅限屏幕采集
ElevenLabs	人声、旁白、音乐、音效	不是工作流程的核心
Descript / CapCut	最终节奏调整、字幕、润色	手动操作，不可自动化

关键原则

编辑，而非生成。 此工作流程用于剪辑真实素材，而非根据提示创建。
先结构，后风格。 在接触任何视觉元素之前，先在层级2确定好故事结构。
FFmpeg是支柱。 枯燥但关键。长素材在此变得易于管理。
Remotion用于可重复性。 如果你会多次执行某项操作，就将其制作成Remotion组件。
选择性生成。 仅对不存在的资产使用AI生成，而非所有内容。
品味是最后一层。 AI清理重复性工作。你做出最终的创意决定。

video-editing

让 AI 帮你安装

视频编辑

何时激活

核心理念

处理流程

层级 1：采集（Screen Studio / 原始素材）

层级 2：组织（Claude / Codex）

层级 3：确定性剪辑（FFmpeg）

按时间戳提取片段

根据编辑决策列表批量剪辑

连接片段

创建代理文件以加速编辑

提取音频用于转录

标准化音频电平

层级 4：可编程合成（Remotion）

何时使用Remotion

基本的Remotion合成

渲染输出

层级 5：生成资产（ElevenLabs / fal.ai）

使用ElevenLabs进行画外音

使用fal.ai生成音乐和音效

使用fal.ai生成视觉效果

VideoDB生成式音频

层级 6：最终润色（Descript / CapCut）

社交媒体重新构图

使用FFmpeg重新构图

使用VideoDB重新构图

场景检测与自动剪辑

FFmpeg场景检测

用于自动剪辑的静音检测

精彩片段提取

每个工具最擅长什么

关键原则

相关技能

链接

创作者

视频编辑

何时激活

核心理念

处理流程

层级 1：采集（Screen Studio / 原始素材）

层级 2：组织（Claude / Codex）

层级 3：确定性剪辑（FFmpeg）

按时间戳提取片段

根据编辑决策列表批量剪辑

连接片段

创建代理文件以加速编辑

提取音频用于转录

标准化音频电平

层级 4：可编程合成（Remotion）

何时使用Remotion

基本的Remotion合成

渲染输出

层级 5：生成资产（ElevenLabs / fal.ai）

使用ElevenLabs进行画外音

使用fal.ai生成音乐和音效

使用fal.ai生成视觉效果

VideoDB生成式音频

层级 6：最终润色（Descript / CapCut）

社交媒体重新构图

使用FFmpeg重新构图

使用VideoDB重新构图

场景检测与自动剪辑

FFmpeg场景检测

用于自动剪辑的静音检测

精彩片段提取

每个工具最擅长什么

关键原则

相关技能