SCT AI 超级个体营 · 二期Week 07
AI 剪辑
剪气口、剪口误、配字幕、加 B-roll、做动画、出成片。
一条口播原片进去，抖音、YouTube 成片出来。
2026-09-18 · Scottgithub.com/scotti1i/talking-head-video-factory
先看成品
我的抖音、YouTube、Shorts，
TikTok 带货视频，全是它剪的。
43条成片交付
38个剪辑任务
70次迭代
3 周做到今天这样
抖音 · 2026-09-03录一遍操作，得不到一个 AI 员工
它到底在剪什么
01读懂素材，自动编排 A-roll
看画面、听语音，知道你说了什么、说了几遍
02智能删减、改造片段
口误、气口、重复、铺垫、解释性的话
04做动画
提醒卡、对比、阶梯、图表、时间线，23 种
05加生成内容
B-roll、物件、证据页，该真的真、该造的造
06出片
竖屏、横屏、Shorts，样片看过再出成片
01
AI 剪片的完整流程
9 步。用 9 月 8 日那条《OpenAI 的阳谋》从头走一遍。
起点拍完，素材长这样
jobs/openai-demo-strategy/
├─ assets/originals/
│ └─ dji_export_20260907_225252.MOV 1.7 GB · 5 分 52 秒 · 1728×3072 竖拍
├─ assets/broll/ 8 段：自录 4 · 即梦 2 · 第三方 1 · 开源页 1
└─ project.md 目标：抖音竖屏 · 按注意力剪紧 · 小 Lin 模板
一条 6 分钟的原片，
一口气录的，
有口误、有重说。
目标：剪成一条抖音竖屏。
原片每 44 秒抽一帧
第 1 步读懂素材
先看画面、听语音，
知道你有什么。
画面：竖拍、一个人、一个机位。语音：一条 take，中间有几处重说。
| 画面 | 1728×3072 · 竖拍 · 352.6 秒 |
| 语音 | 单人口播 · 无 BGM · 一条 take |
第 2 步转录
语音变成带时间的文字。
只做一次。
每个词都有开始和结束时间。后面剪辑和字幕都用这一份，不再重跑。
[00:00.00–00:02.14] 有没有发现一个特别有意思的一件事呢
[00:02.14–00:03.42] 就是这次拆的GPT6
[00:03.42–00:07.26] 给你看的是我怎么能用AI去做三维建模去做房子
[00:19.54–00:20.66] 我觉得这次呢
[00:20.66–00:23.40] 是OpenAI一次特别聪明的阳谋
[00:23.40–00:28.86] 为什么他们偏偏拿三维建模这个事来说事呢
第 3 步找废话和重说
哪些是口误、哪句说了两遍、
哪遍说得最好。
这一步 AI 在做判断。它挑的是「说完整的那遍」，不是「最后一遍」。
对吧 口头禅哎 口头禅嗯 口头禅然后呢 口头禅但是呢 口头禅重复的「如果」 重说他把 AI 卡壳 卡壳「你肯定想的是什么呢 这么牛逼」 重说
这条片里这类删了 9 处。
第 4 步剪辑图纸
这条片讲什么、
分几段、哪里删。
先写受众和论点，再把片子分成段，每段标清楚留还是删、为什么。
论点：OpenAI 偏偏演示三维建模是阳谋。让你看见一个你觉得复杂专业、以前花钱请人的事 AI 也能参与，你就自己把「建房子」推到「开公司」。
开场「有没有发现特别有意思的事」 铺垫「能不能替代我的工作流 / 开一人公司」 进爽点太慢「这剪一刀那切一刀配字幕」 解释性「离开我以后还能不能剪」 解释性
第 5 步切 A-roll
按意思切，
不按静音切。
静音检测只知道哪里没声音。AI 按「这句话说完整了没有」切，每一刀带理由。
0:00红色 = 保留的 25 段 · 暗色 = 删掉的 97 秒5:52
352 秒原片
255 秒粗剪 · 25 段
232 秒成片 · 1.1 倍速
第 6 步精修切点
像人一样听：
切在气口上。
词的边界不是声音的边界。每个切点自动吸到最近的气口，再由人听一遍。
原片 18.0–21.0 秒的波形 · 红线是切点 19.57 秒
00:19.52–00:19.80 (0.285s) 可审片气口: 来 → 这
00:23.40–00:23.91 (0.510s) 可审片气口: 谋 → 他们
「切点没切干净，有声音残留。」Scott · 2026-09-06 · 这条规则的出处
第 7 步字幕
字幕从同一份转录来，
自动对齐。
人名、产品名、英文术语先过一遍术语表，不让 Whisper 猜。
{ "s": 0.10, "e": 1.23, "t": "就是这次拆的GPT-6" }
{ "s": 1.34, "e": 2.14, "t": "给你看的是" }
{ "s": 2.24, "e": 4.04, "t": "我怎么能用AI去做三维建模" }
148 条字幕
10 个术语：OpenAI · GPT-6 · 阳谋 · 剪映 · Remotion …
第 8 步动画包装
分镜只写什么时候放什么，
引擎负责画。
提醒卡、对比、阶梯、B-roll 面板。这条片 27 场，5 块 B-roll。
p.reminders(28.6, 38.0, ["你不一定懂怎么做", "但你一定知道它难"])
p.compare(96.9, 106.5, 以前=["得花钱请人"], 现在=["AI 也能参与"])
p.ladder(281.0, 290.9, ["专业软件里", "能打开检查", "能修改", "相信它"])
17 秒 · 提醒卡
146 秒 · 对比
189 秒 · 阶梯
第 8 步 · 它会画的 23 种今天渲的型录，连播
第 9 步渲染
先出 540p 样片给人看，
过了再出 1080p 成片。
样片 6 分钟。成片 1080p 60 帧，自动打包到 Downloads。
232 秒抖音 · 2026-09-09 12:00 定时发布
从 6 分钟原片到这条，AI 做了 9 步。人做了三件事：给素材、看样片、说「过了」。
02
AI 会错。
Harness 是让它错不出去的机制。
9 步里，哪几步是判断红的会错，灰的不会
1读素材脚本
2转录脚本
3找废话判断
4图纸判断
5切 A-roll判断
6切点脚本 + 人听
7字幕脚本
8动画判断
9渲染脚本 + 门禁
四步判断，AI 会做错。Harness 就是围着这四步建的。
为什么要有它 · 2026-09-05同一仓库，同一 skill，Codex 剪的
145 秒
21 场
19 次人物换位
9 场黑板连排
技术检查全部通过。片子从脚本到渲染都不合格。
检查只查结构，判断没写下来。
四件套每一件都在管 AI 的某一步
01 · 判断手册AI 开工必读
每条规则带日期和原话。管第 3、4、5、8 步。
02 · 参照成片新片先说模仿谁
引擎一改就和基线帧比对。管第 8 步。
03 · 门禁 + 审片另一个 AI 打分
编译器按数字拦，审片模型按十条看图。管第 8、9 步。
04 · 挑刺回路你说的每句变规则
看片挑刺 → 记录 → 进手册或进代码。管全部。
门禁长什么样编译分镜时它打印的，原样
警告 scene leo-panel: B-roll 素材尚不存在 factory/…/broll/x01-leo-astra-3d.mp4
覆盖率警告 右半边在 28.0s 只有一个小字标签孤立在空白里
覆盖率警告 右半边在 31.0s 前后空白 1.5s+
148–279 broll leo-panel
388–644 reminders why3d-reminders
2122–2384 compare trust-compare
5484–5754 ladder trust-ladder
6830–6975 title cta-title
≤ 420 秒内换位
≤ 45 秒无休息连续段
≤ 25%B-roll 占比
0.12 秒每个动作必须落在词首
审片长什么样另一个 AI 看静帧，十条逐条写证据 · 这条片 10/10
0.9 秒
6.1 秒
01 ✓开场 3 秒话题可读。0.9s 正脸铺满、主题卡在胸口位清晰可读，未压五官
04 ✓第三方素材干净。6.1s 的 B-roll 无人脸、无账号头像、无摄像头画中画
05 ✓人物不乱换位。全部 43 帧人物居中铺满，只有推近拉远
09 ✓开头不焦虑。0.9s 开场为阳谋设问，非「AI 替代人」叙事
手册长什么样原话 → 规则 → 谁在管
| 09-02「实体块 = 安卓 15 年前」 | 纯色面 + 发丝线，禁渐变 | 模板 |
| 09-04「第一秒右边黑色大板子不可接受」 | 板子只在有内容时存在 | 引擎 |
| 09-06「B-roll 让大家休息一下」 | 每 45 秒一次视觉休息 | 门禁 |
| 09-07 抖音 89 分钟 31 播放 | 不放品牌广告画面 | 审片 #4 |
| 09-08「进爽点太慢，解释性太多」 | 5 秒内进爽点，解释性三类删 | 手册 §5 |
挑刺回路 · 2026-09-08 · 同一条片「进爽点太慢，解释性太多」
改前 v3 · 19 秒还在铺垫「你又不做建筑」
改后 v5 · 6 秒已经在看三维建模实测
306 → 232秒 · −24%
删 11 段解释性，只删不重排。
这句话同时进了手册 §5-11。
一句话变成一条规则
「解释性」现在有定义，三类一律删：
| a | 对上一句的再解释 |
| b | 过程细节：怎么点、怎么切 |
| c | 回答没人问的问题：「你可能会想……」 |
回路
AI 的品味不是设定出来的，
是你挑刺挑出来的。
打开 Claude Code 或 Codex，把原片拖进去，说一句话按 → 看它一步步回什么
你
dji_export_20260907_225252.MOV · 1.7 GB
用 xiaolin 模板把这条口播剪成抖音竖屏。
AI
收到。先读判断手册和参照成片，参照竖屏那条。
转录：352.6 秒，1312 个词，缓存到 data/transcripts/，只跑这一次。
AI
剪辑图纸写好了：18 段保留、19 处删，每处带理由。删得最多的是解释性内容和开场铺垫。data/editorial-plan.json
AI
素材需求单 MATERIAL-REQUEST.md
必须你给：83 秒你说「我所有视频全是 AI 剪的」，要一段你自己成片的录屏
我能抓：Remotion 官网 · 我能造：高楼建模、房子亮灯两段 B-roll
你回我第一栏，其余我先做。
你
own-studio-final.mp4 · 3.8 MB
用这个。
接着往下你只做三件事：给素材、看样片、说过了
AI
分镜 27 场，5 块 B-roll。门禁 全绿，3 条覆盖率警告已处理。静帧自检 4 板看过。
样片 540p 出了：renders/openai-demo-strategy-v1-portrait-proof.mp4（232 秒）。独立审片 10/10。
请你看样片。你说「过了」我才出成片。
AI
记进 docs/reviews/。删 11 段，306 → 232 秒，只删不重排。样片 v5 已出。
AI
成片 1080p 60fps 渲染中，6 分钟。打包到 ~/Downloads/2026-09-08-OpenAI的阳谋-抖音竖屏-xiaolin/，封面一起。
带货视频怎么剪同一条流程，A-roll 可以只是一段声音
| 步 | 口播片 | 带货片 |
|---|
| A-roll | 你的脸 + 你的声音 | 你的声音，或 TTS 念的卖点；画面全给产品 |
| 4 图纸 | 论点、段落 | 卖点顺序：痛点 → 机制 → 用法 → 规格 → 链接 |
| 8 动画 | 提醒卡、对比、阶梯 | 产品面板、参数对比、用法阶梯、标签实拍当证据 |
| 素材 | 录屏、公开页 | Week 3 的商品图、Week 2 的产品视频，图做慢推就是 B-roll |
| 人物 | 铺满 | hidden，或角落小窗 |
45 秒 TTS 口播 + 5 张 Week 6 商品图，流程原样跑通，门禁全绿。
画面还太素：带货片要以商品画面为主，货架形态是下周要补的。
装Mac 直接装 · Windows 走 WSL2
git clone https://github.com/scotti1i/talking-head-video-factory.git
npm install
npm run doctor # 缺什么它告诉你
cp -R skills/talkinghead-edit ~/.agents/skills/
Windows：仓库里 deploy/windows，三步。
说一句话
「用 xiaolin 模板把这条口播剪成抖音竖屏。」
1转录
2你给素材
3门禁
4自检
5看样片
6你说过了
7成片
红色三步要你。其余它跑。
素材需求单它写，你只填第一栏
| 必须你给 | 你做过的、你的后台、你的数据 |
| 我能抓 | 公开网页，自己录 |
| 我能造 | 物件、动画、辅助 B-roll |
| 拿不准 | 先问 |
停机规则
做不到的时候，
停下来，别自己想办法「像」。
2026-09-05 Codex 起不了 Chromium，自造了一套静态卡片版顶上。全否。
Week 07
规则是地图，
不是牢笼。
github.com/scotti1i/talking-head-video-factory