--- name: video-editing description: AI辅助的视频编辑工作流程，用于剪辑、构建和增强实拍素材。涵盖从原始拍摄到FFmpeg、Remotion、ElevenLabs、fal.ai，再到Descript或CapCut最终润色的完整流程。适用于用户想要编辑视频、剪辑素材、制作vlog或构建视频内容的情况。 origin: ECC --- # 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 ```bash 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 ```bash #!/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/${label}.mp4" done < cuts.txt ``` ### 连接片段 ```bash # Create file list for f in segments/*.mp4; do echo "file '$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 ```bash 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 ```bash ffmpeg -i raw.mp4 -vn -acodec pcm_s16le -ar 16000 audio.wav ``` ### 标准化音频电平 ```bash 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 ```tsx import { AbsoluteFill, Sequence, Video, useCurrentFrame } from "remotion"; export const VlogComposition: React.FC = () => { const frame = useCurrentFrame(); return ( {/* Main footage */} {/* Title overlay */}

The AI Editing Stack

{/* Next segment */} ); }; ``` ### 渲染输出 ```bash 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](https://www.remotion.dev/docs)。 ## 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 ```python 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： ```python 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 ```bash # 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 ```python 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 ```bash # 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 ```bash # 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 1. **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。 2. **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。 3. **FFmpeg是支柱。** 枯燥但关键。长素材在此变得易于管理。 4. **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。 5. **选择性生成。** 仅对不存在的资产使用AI生成，而非所有内容。 6. **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。 ## 相关技能 * `fal-ai-media` — AI图像、视频和音频生成 * `videodb` — 服务器端视频处理、索引和流媒体 * `content-engine` — 平台原生内容分发