Agent skill

video-editing

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。

View SKILL.md on GitHub Repository
Stars 132,726
Forks 19,206

Install this agent skill to your Project

npx add-skill https://github.com/affaan-m/everything-claude-code/tree/main/docs/zh-CN/skills/video-editing

SKILL.md

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

bash
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

bash
#!/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

bash
# 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

bash
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

bash
ffmpeg -i raw.mp4 -vn -acodec pcm_s16le -ar 16000 audio.wav

标准化音频电平

bash
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

tsx
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

bash
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

python
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：

python
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

bash
# 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

python
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

bash
# 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

bash
# 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

  1. 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。
  2. 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。
  3. FFmpeg是支柱。 枯燥但关键。长素材在此变得易于管理。
  4. 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。
  5. 选择性生成。 仅对不存在的资产使用AI生成，而非所有内容。
  6. 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

Recommended Agent Skills

Expand your agent's capabilities with these related and highly-rated skills.

affaan-m/everything-claude-code

python-testing

Python testing best practices using pytest including fixtures, parametrization, mocking, coverage analysis, async testing, and test organization. Use when writing or improving Python tests.

132,726 19,206
Explore
affaan-m/everything-claude-code

golang-patterns

Go-specific design patterns and best practices including functional options, small interfaces, dependency injection, concurrency patterns, error handling, and package organization. Use when working with Go code to apply idiomatic Go patterns.

132,726 19,206
Explore
affaan-m/everything-claude-code

e2e-testing

Playwright E2E testing patterns, Page Object Model, configuration, CI/CD integration, artifact management, and flaky test strategies.

132,726 19,206
Explore
affaan-m/everything-claude-code

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when AI agents perform most implementation work and humans enforce quality and risk controls.

132,726 19,206
Explore
affaan-m/everything-claude-code

api-design

REST API design patterns including resource naming, status codes, pagination, filtering, error responses, versioning, and rate limiting for production APIs.

132,726 19,206
Explore
affaan-m/everything-claude-code

python-patterns

Python-specific design patterns and best practices including protocols, dataclasses, context managers, decorators, async/await, type hints, and package organization. Use when working with Python code to apply Pythonic patterns.

132,726 19,206
Explore

Didn't find tool you were looking for?

Be as detailed as possible for better results