先听懂再下刀一条 AI 口播剪辑流水线如何把一小时原片剪成干净成片【免费下载链接】chengfeng-videocut-skills用 Claude Code Skills 做的视频剪辑 Agent项目地址: https://gitcode.com/gh_mirrors/vi/chengfeng-videocut-skills假设你录了一小时口播回放时发现一句话录了三遍才说顺、英文名被自己念得七零八落、每个自然段前都垫着就是那个啥。手动剪一条条听、一条条对两小时起步剪完还不敢保证节奏对不对。这正是 chengfeng-videocut-skills 要解决的事——一个用 Claude Code Skills 规范写成、跑在 Codex 里的 AI 视频剪辑 Agent。它的工作方式不是帮你按时间轴下刀而是先听懂你说的话把该删的列成一张清单等你点头后再执行剪切。这篇文章按一条真实口播从废片到成片的动线来讲你跟着走一遍就知道这套工具把哪几段繁琐的活接走了哪些环节又必须由你亲自把关。它到底是个什么剪辑软件先澄清一个误解chengfeng-videocut-skills 不是又一个带时间线的剪辑 App而是一套技能包。Skills 可以理解为给 AI 的岗位说明书——每个技能教 AI 完成一件具体的事从如何识别口误到如何排版字幕都写成了可执行的规则。这套技能包把口播后期拆成六个相互衔接的模块每个模块只干一件事技能职责产出剪口播转录、修字、找口误与重复一份可复核的删词账本字幕按账本算出剪后时间轴改写错词字幕 JSON不存秒数画面在录屏上盖圈注、动画、推近分镜层绑字幕屏导出把账本、字幕、画面一次烧进视频成片 MP4检查更新环境总管负责就绪检查与安装环境诊断报告上报 Bug脱敏后整理并提交问题GitHub Issue 草稿最有意思的是第一项剪口播这个模块全程不碰媒体文件。它只产出哪些词该删的清单术语叫账本真正切开视频发生在最后导出那一步。这保证了每一次删词决定都可撤销、可复核不会一刀下去后悔都来不及。装好它只需一条命令环境安装由检查更新技能负责缺什么它会明说不会悄悄跳过。前置依赖有四样Bun跑核心引擎、Node.js、ffmpeg 6负责剪辑与编码、Google Chrome渲染字幕和动画。macOS 用户用 Homebrew 装前三样Windows 用户用 winget 装Chrome 都从官网下载。依赖就绪后用 npm 一行完成安装npx chengfeng-videocut-skills install装完对 Codex 说一句安装剪辑环境它会自动下载并校验运行时、跑一遍 doctor 体检然后报告缺什么。首次使用还会下载语音转录模型与识别模型需要等几分钟。最后配置火山引擎的转录凭证node 插件根/scripts/videocut-cli.cjs config set transcription.apiKey 你的Key第一站把听错的话改对再谈删什么工具的第一步不是删词而是修字。原因很朴素AI 转录把技术名词听错后面所有判断都会跟着错。项目实测过一份 39 个含字母词的转录竟然出现 16 种写法——Grok 被听成 Clock、Glock、GokulCodex 被写成 CodeX、codex而且同一段音频转两遍结果还不一样。解决方案是一本AI 术语词典内置 Grok、Codex、Claude、MCP、Agent 等常见专名的正确写法与常见误识别对照。剪辑前先让词典过一遍转录把格罗克改回Grok、把codecs改回Codex。这一步只改文字、不动时间轴所以永远安全。词典也是可以成长的你发现某个人名总被听错就在用户的词典文件里补一行下一条视频它自动就认得了。修字发生在删词判断之前这是硬规矩——字都没听对谈何判断哪句是重复。第二站口误与重复句的自动识别原理修好字才开始真正的主角戏——五轮扫描。AI 把整段话按播放顺序完整读五遍每一遍只找一个类型判断质量远比一口气找六类高轮次找什么例子第一轮句间/句内重复同一句起头录了三遍第二轮残句与改口说一半断掉换个说法重说第三轮口误重说说错的数字、专名后面重说对的第四轮英文卡壳词头、字母、音节重复第五轮口头禅与语气词按你的偏好决定容忍度这五轮的底层原则只有一句话删前保后。后说的版本通常更完整所以默认删掉前面的不完整版本、保留最后说顺的那遍。比如真实判例里这句现在很少刷叉了【因为今天有什么值得研究已经被我外包给了】【因为今天有什么值得研究已经被我外】【因】为今天有什么值得研究已经被我外包给了Codex和GrokAI 识别出同一句起头录了三遍只保留最后完整的一遍。注意刷叉这个词它不会动——说话人说的就是叉词典的规矩是照原文保留不做中英转换。每轮找到一处就记一行词 ID 类型 风险等级。整句删除、长片段这类高风险判断AI 会回到播放顺序的稿子把前后自己再念一遍确认删的是靠前版本、删完读得通拿不准就干脆不列为候选。不会逐条弹出窗口问你这条删吗——它把判断做完把结论列给你。第三站为什么人工确认环节不能省五轮扫描结束AI 汇总出两张表给你看一张删词汇总表逐条列出时间、类型、删除内容、剩余读作、风险一张重复句子表哪句话说了几遍、保留了第几遍。随后打开审核界面让你对着稿子逐条划线、恢复你觉得删错的、补删你觉得漏掉的。这一步是整个流程的信任基石。为什么 AI 不直接剪因为判断归判断执行归执行。删词决定改一次是几十毫秒物理剪切做错了就是不可撤销的文件操作。项目文档里甚至专门立了规矩Runtime 不可用时禁止 AI 手搓一个临时审片台糊弄过去——产品不可用时的任何产出都不可信。宁可停下来等环境就绪也不冒险产出不兼容的结果。你在审核界面的每一次恢复都会成为 AI 下次学习的素材。这就是下一站。第四站剪辑偏好自学习机制的工作原理审核完AI 会做一次复盘把你这单批改的结果归档进三个抽屉你的口味→ 写进剪辑偏好文件比如保留适量嗯作为过渡静音阈值改严一点下次自动生效专名错误→ 补进你的专属词典下一条视频不再听错规则空白→ 记入待升级判例区同类错误第三次出现时提醒你由人确认后升级为通用规则项目首个复盘案例里AI 提出 242 处删词提案用户全盘采纳、零修改——但这不代表它停止学习零差异也会在偏好文件里记一笔全盘采纳。工具用得越久越接近你的说话习惯和剪辑口味这正是它区别于传统智能剪口播的地方传统工具靠模式匹配它靠的是语义理解加持续记忆。字幕、画面、成片最后的几公里怎么走账本确认后后续每一步都共享一个设计哲学——绑词不绑秒。字幕、画面层都绑定词 ID 而不是时间戳时间每次从账本现算。于是剪辑一变字幕和动画自动跟着挪永远不可能出现字幕还停在被剪掉的那句上的尴尬。字幕不需要重新转录逐词稿里本来就带着时间戳账本知道哪几段留着每个词落在成片第几秒是算出来的。词典和作者文稿把听错的专名改对再按标点把句子分屏一屏一行在审核界面逐屏确认即可。画面分镜在录屏上盖 HTML 层说到某个重点就圈住对应位置画面空白就上小黑动画需要强调就推近。AI 会先抽帧看画面再决定动不动手——实测 12 段里有 2 段的画面推翻了文字预判所以抽帧看这一步不是走形式。导出是整个链条唯一真正画出像素的地方。它把账本切好的片段、推近、字幕、画面层一次全部烧进 MP4全程只有这一个不可逆的操作。导出前先用--dry-run看计划片长、帧数、字幕屏数、输出尺寸数字对不上就回头改上游而不是闷头编码十分钟。成片出来还要抽帧看像素、实际听一遍才算验收通过。实战复盘一个真实项目的全程账本把前面几站串起来看一个真实项目是这么走完全程的输入一段含大量重复起头、改口、错专名的中文口播录屏2026-08-03 grok 项目实录转录与修字逐词转录后用词典修正AI 术语从多种误听写法中统一为正确拼写删词判断五轮扫描产出 242 处删词提案全部绑定词 ID 与原因人工复核提案呈表后用户逐条核对结果全盘采纳、零修改复盘归档零差异也记录在案判例库再添 R1–R6 六条真实判例供后续项目引用另一个项目里AI 一轮删词 430 处曾因提交方式不当被静默回退到 394 处——这是项目自己踩过的坑现在已经固化为必须提交完整结论、提交后必查回退数的硬规矩。这些事故簿里的教训恰恰说明这套工具把严谨写进了流程而不是靠运气。使用建议与常见问题给新手三条实操建议善用偏好文件。直接告诉 AI静音阈值改严一点或这个人的嗯保留它会记住。注意静音压缩由引擎按固定规则执行你改的是语义删词的口味两者不冲突。词典是每次转录都要过的闸。同一个词每次转录都可能听出不同写法所以不要偶尔修一次让它每次自动过一遍。审核时重点看高风险条目。整句删除和专名改口默认标高风险这两类最值得你逐条听。常见问题也有对应解法转录依赖云端服务网络不稳会超时先检查连接再重试审核页面打不开多半是本地常驻服务没起来让检查更新技能跑一次就绪检查即可成片音画不同步几乎都出在上游账本用--dry-run对照计划就能定位。遇到工具自身的问题直接说上报 Bug它会整理脱敏草稿给你确认后再提交。下一步从第一句命令开始这套工具的取舍很清晰让 AI 包揽判断把最终决定权留给你。它不追求全自动一键出片的噱头而是把最耗时的听稿、识别、排版交给机器把最关键的确认交还给人。用上第一条命令剪口播的那一刻你会发现剪辑流程第一次变成了你审稿它干活。装上环境对着 Codex 说一句使用剪口播处理这条视频然后拿一支录好的口播试一次——先让它听懂再让它下刀。【免费下载链接】chengfeng-videocut-skills用 Claude Code Skills 做的视频剪辑 Agent项目地址: https://gitcode.com/gh_mirrors/vi/chengfeng-videocut-skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考