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：

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、Gokul，Codex 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：

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Grok

AI 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：

1. 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。
2. 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。
3. 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