video-editing

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 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。 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