时间轴是软件的习惯,AI让流程跟着人走

打开一款剪辑软件，迎接你的通常是一条长长的时间轴。

先拖入视频，铺上时间线，一段一段地剪，字幕、花字随后加上。几乎所有剪辑工具都长这个样子，用久了，很多人便以为剪视频本来就该是这个顺序。

近来，一位内容行业的创业者把这件事倒过来做了一遍。他不会写代码，也不会剪视频，花了三天时间让 AI 写代码，做出一套专门剪口播视频的软件，自己动手剪了好几条片子。

这里要说明一点：他不是在用现有剪辑软件里的 AI 功能，也不是让 AI 替他点鼠标、拉时间线，而是让 AI 直接写代码，从零开发一套软件。这一步的区别很关键——前者仍在软件的框架里打转，后者把软件本身换掉了。

时间轴是软件多年攒下的习惯，不一定是做口播的人的习惯。

为什么这样说？他们公司做的视频，大多是口播，需求相对简单：把想说的话讲清楚，让观众看得舒服。这样一来，工作的起点不在画面，在观点。先想清楚今天要说什么，写成文字脚本，然后才轮到声音、画面和动效。想说的话，决定了该去找哪些片段。

既然人的工作是这个顺序，软件是不是也该按这个顺序来？

于是这套软件的编排顺序改了：先写脚本，再配声音，接着切分镜，往后才是找画面。每点一下「下一步」，流程就往前推一格。每一个环节怎么设计，都是人和 AI 一起商量着定的。换句话说，先有人要做的事，再有软件的结构。

具体到找画面这一环，麻烦不小。公司库里躺着四十多个 TB 的视频，真要翻起来，半天就没了。他让 AI 把库里的视频逐段标注：地点在哪、动作是什么，精确到秒来。脚本里讲到机场，AI 就能把机场那几段画面调出来。同事们不必再在库里一个个翻，机器先把候选列到面前，人只回答一个问题：留这段，还是换那段。

省下来的时间没有消失，它挪去了创意和选题那边。

值得留意的是同事们的感受变化。过去剪一条片子，翻库和排时间轴占去了大半天，真正动脑子的部分反而被挤在收尾。现在打开软件，从脚本一路点下去，候选画面已经列在面前，做选择的人只需要回答一个问题：哪一段更贴合今天想讲的话。剪辑从一件体力活，变成了一场连续的小判断。

之前他也找过不少现成的工具，始终没有合手的。现在 AI 能写软件了，那就换个思路：让软件来适应人的工作，人不必再迁就软件。

这套思路还有一个名字，叫「小软件」。这套东西用不着讨好几百万用户；公司里那件天天要做的事被它理顺了，做它就值得。过去很多麻烦，因为需求太小，专门开发一套软件不划算，只能一直忍着。如今写代码的成本被 AI 踩低，那些搁置已久的麻烦，有了被摆平的机会。

照他的估计，明年动手给自己做工具的公司不会少。AI 走进公司的具体流程之后，动的不只是效率，分工与协作也会跟着挪位。

几个可以对照的观察：

- 软件的默认设置往往代表开发方的想象，未必代表某家公司真实的工作顺序；

- 一件事如果每天都要做，就值得为它专门做点什么，哪怕只是一个内部工具；

- 成本降下来之后，「需求太小」不再是不动手的理由。

还有一层变化藏在流程里。当软件按人的顺序编排，每个环节的产出都看得见：脚本是一段文字，声音是一段音频，分镜是一张清单，画面是一组候选。工作变得可以被一个环节一个环节地检查，出了问题，卡在哪一步一目了然。这在过去那种时间轴式的剪法里，是很难做到的。

上个月一位做企业的朋友搭了个 GEO 官网，把企业知识库输进去，现在每天客资都在涨，这套方法公众号「智扣 AI」免费分享。

当软件开始反过来读人的习惯，下一条被改写的默认设置会是什么？