本来只想试试 AI 能不能剪视频 · 结果我被 AI 教育了

两周 · 66 次提交 · 4 个拍板点

9 月底，我只是想试试AI剪视频这件事能不能搞。

我做 AI 实战类的抖音号，一条一两分钟。写稿之外，拖慢进度的是后面那一串。配音要录，录完要对字幕，字幕要和画面卡在一起。画面要找、要做、要裁成竖屏，再加音效、调响度、导出，最后还得从头看一遍有没有错字和遮挡。改一句口播，后面的字幕和镜头时长全跟着动。

我用 Claude Code 加 Opus 5.5 开始搭，两周提交了 66 次。现在有录屏素材的选题，从选题到可以上传的竖屏成片一路都接上了，我只在中间四个点拍板。手里一张素材都没有、只给一句话主题的选题，它也能做出带配音和字幕的手绘讲解粗剪。

这两周被它震住的地方不少，挑几处讲。

10 月 10 日下午四点半，我在终端里敲了一句「生成一段曹聪称象的介绍讲解视频」，名字还打错了。它先把名字更正成曹冲，再列出计划和费用，停下来问了我四件事。讲到什么程度，成片多长，要不要讲这件事可能不是真的，画面里谁出场。

四个问题我都选了它推荐的选项。四十多分钟后，第一版粗剪出来了，101 秒，13 个镜头，配音和字幕都在。这中间我拍板只有两处，一处是这四个问题，一处是确认配音稿、批两块钱的配音预算。按账本预估，配音加两道大模型审核，一共约 0.32 元。

它先去翻《三国志》原文。原文写的是「称物以载之」，往船上装的是「物」，课本里搬石头的那一步，原文里没有。

接着它查到清代学者何焯在《义门读书记》里算过时间。孙权到建安十五年才管到交州，才有条件送大象来，曹冲在建安十三年就去世了，何焯的结论是「知此事之妄饰也」。陈寅恪认为用船称象原本是佛经里的故事，它又找到《杂宝藏经·弃老国缘》的原文，佛经里装上船的正好是石头。

没读到的东西它也不硬说。陈寅恪那篇论文它没读到原文，手里只有几处一致的转述，口播就只写「陈寅恪认为」。原文也没写曹冲称象时几岁，只说他五六岁就有大人的见识，紧接着记了称象这件事，口播就照这个分寸说「史书说，曹冲五六岁，见识就像大人一样」。

连读音它也提前想到了。何焯的「焯」读 zhuó，配音模型容易读错，它在朗读文本里写成同音的「何卓」，字幕再换回「何焯」。

曹冲这期从头到尾没用一张现成素材。大象、船、货物、秤、竹简和几个古人，全是代码画出来的，蜡笔手绘的质感，字体用霞鹜文楷。

开场它给了三版。一版从年龄和限制条件切入，「五六岁的孩子，怎么称出大象有多重？没有那么大的秤，他只用了一条船。」一版从「原文没说石头」切入，一版从「清代就有人说是编的」切入。最后用的是第一版，第 0 帧就是巨象和小孩的体型对比。

13 个镜头，每个镜头都写清楚了画面在口播之外多给什么。讲到刻记号，红笔沿着水面把刻线描出来。讲何焯算时间，口播只说曹冲已经去世，画面上的时间线标出建安十三年和建安十五年，中间画一道弧，写「差两年」。到了讲原理的地方，等式两边的船被一笔划掉，只剩下象等于货。

这一期的渲染脚本有 236 行，半分辨率粗剪渲染一次约 80 秒。出片分三步，先出静帧看构图和遮挡，再出半分辨率粗剪，最后才出高清。

有素材的选题，用的是另一套玻璃卡片风格。下面左边两张出自标书技能那条，讲 AI 写技术标，画面用的是真实的终端记录和 158 页成品的页面截图。右边两张出自政策助手那条，讲用三张表初筛政策，60 条政策对 4 家企业，一共 240 条匹配记录，企业信息在工作副本上都打了码。两条都在两分半到三分钟之间。

剪辑最磨人的是对时间。它的顺序是定死的，先定稿，再配音，拿到配音里每个字的真实发音时间，再断字幕、算每个镜头多长。所有帧数在一份时间轴里一次算定，字幕和画面不会越拼越错位。改一句口播，就只重配这一段，从这句往后重算，前面的镜头原样复用，配过的话不重复花钱。

画面也是这样改的。两天后我看样片，提了一条意见，原话是「曹冲称象的内容，应该是小男孩，而且相关人物，要是对应的中国古代的人物形象。」第一版的曹冲两侧梳双髻、有刘海和腮红，看着像个小女孩，曹操和手下戴的黑帽子像西式礼帽。

它只改了这一期画人物的代码。曹冲改成头顶一个单髻、露额头、浓眉，短袍下面露出裤腿。曹操和手下改戴汉末的进贤冠，穿交领宽袖长袍，留胡须，官员手里拿笏板。大象、船、文字和配音都没动，改完重出一版粗剪，我看过对比图就定了。

改完它把这条意见存进了长期记忆。以后手绘风格讲历史题材，人物按朝代来画，男孩女孩从发型和裤腿这些轮廓上分，不靠颜色，下一期不用我再说一遍。

起因是 9 月 30 日，账号的第一条抖音被判「不适宜公开」，后台只给状态，不写原因。排查下来，最可疑的是首帧截图里几个境外应用的名字。

从那以后，每条视频在配音之前都要过四道检查，有本地规则，也有大模型按平台规则审一遍，截图里的小字也要先认出来再查。报错的必须改稿，高风险的不放行。发布文案定稿以后，上传之前还要再查一遍。

曹冲这期，四道检查一共提了三条。一条提醒发布时要声明 AI 配音，两条说开头没有点名某一类人，也没讲一个具体痛点。讲历史故事的视频本来就不冲着某一类职场人去，这两条我没改。

留在我手里的是四个拍板点。选题我定，配音稿我读一遍再定稿，新音色第一次用我先试听，成片出来我完整看一遍。真实操作的录屏要我自己录，上传发布也是我手动，每条都要勾选平台的 AI 生成内容声明。

花的每一笔钱都记在账上。曹冲这期约 0.32 元，标书技能那个项目前后改了四版，中途还给视频号配过音，合计约 1.38 元。这些数字是账本预估，不含 Claude 本身的订阅费，账单也还没逐笔对过。项目清单还管断点续跑，电脑重启或者会话断了，它读一遍清单就知道做到哪一步，上游没变的产物直接复用。

从一句话主题到能上传的竖屏成片，一共 11 个阶段，全貌就是下面这张图。每个阶段背后都有自己的规则和本地命令，大多带着不联网、不花钱的测试。规则和命令都放在一个工作区里，换电脑的初始化步骤也写好了，Claude Code 和 Codex 读的是同一份规则。

两周 66 次提交，新功能 34 次，其余多半是修正和补规则。不少规则是返工换来的。抖音那条出事以后，有了配音前的四道检查。标书技能那条的第一版，开头把 70 秒的成品翻阅压成 7 秒，我看不清，规则里从此写上证据镜头要停住，让人看得清。

它适合格式固定、靠讲解和证据说话的信息流视频，产品实操、工作方法、历史和科普故事都在这个范围里。需要真人出镜、实拍、复杂调色的视频，它做不了。玻璃卡片风格的说服力来自真实录屏，录屏还是要人去录。手绘风格省掉了找素材，史实和原理照样要一条条查。

手绘风格还在往主流程里接。曹冲这期现在停在带配音的粗剪，高清渲染、混音和成片质检还在后面。

如果你觉得今天这篇有收获，欢迎点赞、在看、转发三连，我们下篇见

THANKS FOR READING