用AI自动剪辑视频

口播视频的A Roll粗剪可以交给Codex自动完成：先从原始视频提取音频，用本地Whisper转录，再把转录与原脚本对齐，删除口误和重录片段，同时保留约0.4秒气口，最后导出FCPXML。把它导入DaVinci Resolve或Final Cut Pro，就能得到一条可继续调色、混音和补B Roll的时间线。

AI自动剪辑口播视频的工作流

我只需要把原始视频和脚本给到Codex。等一小会儿，它就会导出一个FCPXML文件。我把文件导入达芬奇这个剪辑软件，一条剪好的时间线就出来了。然后，我只需要把B Roll做了，把颜色和声音调一调，一个视频就搞定了。

像我这种口播类的视频，在制作的时候，最费时间的就是A Roll的剪辑。所谓A Roll就是我对着镜头说的部分。虽然有提词器，但还是会讲错，需要重来好几遍。

于是在剪辑A Roll的时候，我就得花时间把大量不需要的片段剪掉。而且剪的时候还得注意，要把气口留住。否则两个片段之间没了换气，听起来就非常奇怪了。

那么，这个过程究竟会花多少时间呢？

以我正在做的第二套课程《AI产业链投资大逻辑》为例。我昨天刚把第一集发到知识星球newtype里。这一集的原始素材有50多分钟，最终成片是19分钟。也就是说，差不多60%的内容需要剪掉。

按照过去的做法，我手工来做的话，这一步就得花我2个小时。而现在，AI几分钟就帮我搞定了。

Codex怎样识别口误并保留气口？

那么，这一切都是怎么做的呢？

我先把想法告诉Perplexity，让它去网上搜索资料，给我一个初版方案。然后把这个方案给到Codex，让它评估可行性，并且给出优化过的方案。最终由Codex交付一个在本地运行的项目。

这个项目的原理很简单，我前两天在星球内有发过。

它并不是直接操作剪辑软件，而是先把视频里的音频提取出来，然后用本地Whisper模型做中文转录。

由于我提供了脚本作为参考，它会把转录的结果跟脚本进行匹配。把讲错的地方删掉，并且在每个片段的前后都留下气口，我预设了0.4秒。

最后，它会导出一份FCPXML文件。在达芬奇里导入之后，软件会根据文件里的时间码，去原始视频里找对应的片段，最后生成一条时间线。

这个FCPXML文件可以进入我测试使用的DaVinci Resolve，也属于Final Cut Pro的交换格式。至于剪映，我没有做过现场验证，所以不把它列入这篇文章的已验证范围。

这个项目可以自己手动运行，但我都是让Codex操作它。有了Agentic AI之后，真没必要自己再去操作终端里。而且这个项目也是Codex做的，它最清楚怎么回事。

我在星球里已经发布项目的压缩包了。小伙伴们可以自取。至于B Roll部分，之前我也分享过，需要做动画的话，让Codex去调用Remotion或者HyperFrame插件就可以完成。

测试环境、限制与验收

这套流程最初验证于2026年6月，页面于2026年8月24日复核。测试素材是中文口播、原始视频、对应脚本、本地Whisper、Codex与DaVinci Resolve；气口预设为0.4秒。自动对齐仍可能在专有名词、重复句、长停顿和脚本临时改写处出错。正式交付前必须逐段检查切点、音画同步、时间线帧率和原始媒体链接，不能把“成功导入”当作“剪辑正确”。

所以，这年头要高效制作口播视频，真的方便许多。大家一定试一试。

一手来源与下一步

• Apple：FCPXML Reference
• OpenAI：Codex Skills文档
• 主题中心：AI工作流
• 用Codex与Remotion补动画
• 用AI剪视频：我的完整分工
• Wiki：Agentic Workflow

OK，以上就是本期内容。想了解AI，想成为超级个体，想找到志同道合的人，就来我们newtype社群。那咱们下期见！