mirror of
https://github.com/affaan-m/everything-claude-code.git
synced 2026-04-11 03:43:30 +08:00
317 lines
9.4 KiB
Markdown
317 lines
9.4 KiB
Markdown
---
|
||
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 (
|
||
<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
|
||
|
||
```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
|