让 AI 替你剪片：从自动剪辑到爆款视频反推的完整实操

这场分享围绕「用 OpenClaw（小龙虾）搞定视频创作」展开，两位讲师分别带来了两条截然不同、但都能直接上手的路径：Gilbert 展示了他如何把「筛选口播素材」这件耗时一两个小时的事，交给小龙虾全自动完成；CY 则演示了如何把一条 200 万播放的爆款短剧「反推」成可复用的分镜脚本、角色提示词，并最终生成一条属于自己的新片子。如果你正在做自媒体、短视频、短剧或广告片，且厌倦了重复的剪辑劳动，这篇文章值得读完。

先认识 OpenClaw：一个有手有脚的 AI 助手

▶ 12:49 · 看这一节

Gilbert 用一句话概括了 OpenClaw 的定位：「OpenClaw 其实是一个能够拥有动手能力的 AI 助手。」它区别于市面上其他 AI 助手的地方在于，它不是被限制在浏览器或某个编程工具里，而是嵌入电脑后台的程序，可以真正操控你的电脑。

它的核心能力有三块。第一是收发信息：用户通过通讯软件发指令，背后的大模型接收后思考、形成方案，再交给 OpenClaw 调用工具执行。第二是记忆与上下文：短期记忆保证同一窗口内不同任务不混淆，长期记忆则让它记住你过往的对话、处理过的文档和个人偏好，让后续回答更有针对性。第三是工具调用与 Skills：只要开放足够权限，它能操作浏览器、创建文件夹、发送文件、打开 APP；而 Skills 可以理解为「经验模板」——把做 PPT、数据分析、自动剪辑这类经验固化成模板，它就能调用模板和工具自动执行工作。

养一只会剪片的虾：Gilbert 的自动剪辑 Skill 养成记

▶ 17:03 · 看这一节

Gilbert 是内容创作者，他最大的痛点是处理 A-Roll 素材：一个五六分钟的成片，往往要录制十来段素材，每段约十分钟，他需要从中筛选出最流畅的段落、删掉废话和失误，「这个过程总共大概需要一个半到两个小时」。

他决定让 OpenClaw 试试。整个调教过程不是一蹴而就的，而是一步步「抠」出来的：

第一步，直接丢视频。 他让 OpenClaw 用内置的 auto-editor Skill 剪辑，效果不理想。

第二步，引入专业工具。 他让 OpenClaw 下载安装 Whisper（语音转文字）和 FFmpeg（音频裁剪），尝试删掉超过一秒的静音、只保留干货，但效果仍然不够好。

第三步，让 AI 识别段落差异。 他换了个思路，让 OpenClaw 把一个 8 分 54 秒的视频识别出 8 个段落，并分析每个段落的内容和特点，找出哪些有重复。

第四步，融入主观判断。 在 AI 客观分析出 8 个段落后，Gilbert 主观告诉它「第六个段落最好」，让它分析第六段与其他段落的区别，从而得出一套筛选标准。

第五步，用其他视频验证。 拿桌面上其他视频素材验证这套标准是否有效，满意后再微调规则——比如前面留 1 秒、后面留 3 秒缓冲，方便后期剪辑时有气口转化。

第六步，固化为 Skill。 最终满意后，让 AI 生成一套自动剪辑规则，形成正式的 Skill。

Gilbert 特别推荐这种「先让它试、再一点点抠问题」的方法：「如果你遇到一些摸不着头脑的问题，倒不如可以先给到 AI，先让它去尝试一下，先让它去输出结果，之后你再根据它输出的结果一点一点地去抠它的问题，再去引导它慢慢得出你想要的东西。」

自动剪辑的核心流程

Gilbert 展示了一张流程图，说明这套系统的工作原理：

单个视频素材：FFmpeg 做静音检测，定位无声时间点并剪掉；对剩余有声部分做四个维度评分——是否有清晰的开头、清晰的结尾、中间是否流畅、讲解节奏是否自然；筛选出最高分段落，加上缓冲规则（前 1 秒、后 3 秒），导出成片。

多个视频素材：从每个素材中筛选出最佳片段并拼接；用 Whisper 做音频转文字和语义理解，检查拼接后逻辑是否完整；对比段落优劣，识别有无卡顿、重复、中断；对比内容相似度和流畅度，计算调整分选出最佳段落；最后加入缓冲规则导出。

实际效果与成本

Gilbert 展示了一个实际案例：一个 8 分 54 秒的原始视频（包含调整眼镜、挠头等无用画面，同一内容讲了很多遍），OpenClaw 自动识别出 8 个段落并筛选出最流畅的一段，最终产出一个 30 秒的精剪视频。他还展示了批量处理报告：8 个原始视频成功剪辑出 9 个片段（其中一个视频有两段合格内容）。他在小红书发布的倒数第二个视频就是用这套工具剪出来的。

关于成本和效率，Gilbert 给出了几个关键数字：

• 段落切片准确度：约 70%～80%，微调部分直接交给剪辑软件处理。
• 剪辑耗时：取决于 AI 模型运行速度和网络环境，最久约一小时，通常二三十分钟，短视频 5 分钟内可完成。
• 费用：得益于缓存命中率（Cache Rate），重复类型的问题会大幅节省 Token 消耗，「一个完整的视频，大概也就花了 10～20 块钱左右」。
• 配置要求：因为连接的是云端模型，本地电脑不需要高配置，主要用于收发信息。
• 是否依赖口播文案：不依赖。Gilbert 设计时就考虑到有人不看稿直接录制的情况，所以不按文本剪辑，更像端到端的处理方式。

目前这套工具主要做初剪，已经能处理播客类内容，Gilbert 正在尝试自动配音和音轨匹配功能。Skill 已分享到 Claw Hub 和 GitHub。

视频反推：把爆款变成你的分镜脚本

▶ 44:23 · 看这一节

CY 的分享从一个问题切入：以前可以用提示词反推图片，那视频能不能反推？他带着这个问题，用一个真实案例演示了完整流程——一个粉丝量很低的博主发布了一条仅一分钟的 AI 生成反转短剧，播放量高达 200 多万。他想复刻这种视频。

CY 先简要回顾了 OpenClaw 的基础能力：操作文件、执行终端命令、内存管理和记忆，可以把它想象成一个数字员工。百度生态内提供了大量实用 Skills，包括百度搜索、百科、学术、视频 AI 笔记、网盘、秒搭、百度地图、电商等。安装 Skill 很简单，直接在界面添加即可，而且搜索类 Skill 的调用量是每天限额（而非每月），非常够用。

四步反推工作流

第一步：全量视频分析（拉片）。 CY 介绍了「拉片」的概念——这是创作者向大神学习的方式，通过逐帧分析视频的结构、节奏、镜头语言、运镜、构图光影和情绪表达来学习。传统拉片需要逐帧分析并手动记录，非常耗费精力和记忆力。现在可以把视频直接丢给小龙虾，让它自动完成。

小龙虾交付的成果包括：逐帧截图与时间对应表（方便核查它有没有看全）；全局画面风格分析（为后续生成视频定调，确保风格一致）；剧情走向梳理（核查 AI 是否正确识别整体剧情）；叙事结构与反转点分析；关键元素识别（如视频中的雪山、狐狸、酱板鸭等道具）；角色列表（主角、配角等）；以及按 10 秒一段进行重新划分编排——因为 AI 生成视频有时长限制，需要控制好每段长度。

第二步：生成角色提示词与分镜脚本。 基于第一步的分析结果，生成角色的详细提示词，用于后续生成视频时作为参考图来保持人物一致性。

第三步：生成角色卡片与分镜图。 小龙虾会自动判断如何生成分镜图。CY 只需说「继续」，它就会根据六个片段一次性生成六张分镜图，一致性保持得很好。

第四步：校验一致性并生成视频。 针对某些视频模型（如 Seedance 2.0）会检测人脸的问题，CY 分享了一个关键技巧：将画风转为「青彩绘」风格——关键在「青」字，如果全用彩绘风格效果不够好，加个「青」字就能绕过人脸检测，同时保持角色相似度。

CY 现场播放了最终成品：一个完整的反转短剧，剧情紧扣原视频的反转风格——从雪山救狐狸开始，经过多次反转（狐狸变酱板鸭、变核弹等），最终以百度千帆和小龙虾的广告植入收尾。

分镜头拓展与技能固化

CY 还分享了一个实用拓展功能：当分镜头数量不够时，可以用小龙虾自动拓展分镜。给它一张图片，它可以沿着剧情自动生成下一个镜头，包括空间建立、情绪特写、叙事推进、全景拓展等。这对创作中缺少一两张过渡图、或者不知道剧情走向的情况非常有帮助。

在实际演示中，他最初遇到了一致性问题——AI 把参考图理解成了文生图而非图生图，导致生成结果差异较大。解决方法是在 Skill 中明确加入限制条件：要求保持原图作为参考图，使用图生图而非文生图，调整后效果显著提升。

CY 强调，做这些内容时「不会一蹴而就」，遇到问题可以直接跟虾对话调整，调整到最后一个步骤时，让它把前面遇到的问题全部总结，形成一个新的 Skill 固化下来，这样就形成了自己的标准工作流。

现场问答

▶ 58:41 · 看这一节

问：从反推到最后做出视频，大概成本是多少？

CY：没精确计算过。之前用 API 是按量计费，现在全部用 Coding Plan，购买后不限量使用直到限速。

问：视频反推和制作大概要多久？

CY：小龙虾生成提示词等准备工作很快，主要等待时间在于视频模型的生成速度。

问：Coding Plan 可以做视频吗？

AJ：Coding Plan 主要是让小龙虾可以跟你更顺畅地对话。真正做视频时要调视频模型的 API，把 API 丢给虾，告诉它「下次发动这个技能时用这个 API」就行，全部用自然语言沟通。

问：人脸检测是怎么绕过的？

CY：用「青彩绘」风格——「灵魂就在这个青字，如果是全部都彩绘的话，效果会差一点。用青的话，抽卡可能还要抽一两轮，因为是多角色在一块的」。

问：图和视频的模型怎么选？

AJ：直接在市面上找各种模型做组合，或者问 AI 哪个模型更适配你的场景。模型地位每个月甚至每周都在变化。

问：安装别人分享的 Skill 后，不合适怎么办？

CY：Skill 本质上是固化的工作流，大体通用。如果哪里不合心意，可以通过对话给它做微调。

AJ：装完别人的 Skill 后，如果发现跟自己的流程有变化，可以直接跟小龙虾对话，最终效果满意时说「把以上经验做一个总结，重新帮我梳理一个新的 Skill」，这个 Skill 就是你的了。

要点回顾

• OpenClaw 是嵌入电脑后台的 AI 助手，核心能力是收发信息、记忆上下文、工具调用与 Skills。
• Gilbert 的自动剪辑 Skill 是「抠」出来的：先让 AI 试剪，再逐步引入 Whisper 和 FFmpeg、识别段落差异、融入主观判断、用其他视频验证、最后固化为 Skill。
• 自动剪辑核心流程：静音检测 → 四维度评分（清晰开头/结尾、流畅度、节奏）→ 筛选最高分段落 → 加缓冲规则（前 1 秒后 3 秒）→ 导出；多素材则先拼接再语义去重。
• 成本与效率：一个视频剪辑约 10～20 元，通常二三十分钟完成，段落切片准确度约 70%～80%。
• 视频反推四步法：全量分析（拉片）→ 生成角色提示词与分镜脚本 → 生成角色卡片与分镜图 → 校验一致性并生成视频。
• 绕过人脸检测的技巧：将画风转为「青彩绘」风格，关键在「青」字。
• 分镜头拓展：给小龙虾一张图，它能沿剧情自动生成下一个镜头，补全缺失画面。
• 技能固化：遇到问题与虾对话调整，满意后让它总结经验形成新 Skill，沉淀为标准工作流。
• 所有文档、提示词、流程全部公开开源，可在 WaytoAGI 知识库搜索「百度千帆」或「养虾经验谈我睡觉虾剪片」找到。