AI 教程AI教程1 次浏览 · 2026-11-19
Edit Video Skill:全流程视频自动编辑实战教程
原文链接
https://youtu.be/a90pZ1DSyls?is=dkoxmVwRB2mMFU0c
一、核心概述
本教程根据 YouTube 视频字幕整理,原始视频链接见原文出处。
Edit Video Skill 是作者在个人 GitHub 仓库中开源的一个 LLM 驱动的视频编辑技能。它让你的编码代理(coding agent)能够在几乎全自动的情况下完成从原始素材到成片的全部流程,解决了传统 AI 编辑只能做到 90% 左右、剩余 10% 细节需要手动反复迭代的痛点。核心亮点包括:
- 脚本化驱动:每一步都有独立的辅助脚本,负责转录、剪辑、拼接、打磨、导出等任务;
- 高度可配置:通过
brand.json、lessons.mmd、步骤表等文件,用户可以快速定制品牌色、动画风格、特定规则等; - 本地 + 多模态双模式:可完全本地运行(如 Whisper)或使用 OpenRouter 调用多模态模型,实现语音克隆、视频审阅、封面生成等高级功能;
- 适配多种内容形态:从单人讲解、屏幕+人脸、动画插入、短视频到课程长片,都可以通过组合步骤表灵活处理。
二、实操步骤与核心流程详解
- 准备工作
- 将 Edit Video Skill 添加到你的编码代理的技能库中;
- 在项目根目录下准备原始素材文件夹,文件可以是混乱的原始拍摄素材,技能会自动筛选有效片段;
- 根据需求编辑
brand.json(品牌颜色、动画配色)和lessons.mmd(常见错误的自然语言规则),以便后续自动化时遵循。
- 调用技能
- 对编码代理下达指令,例如:『Eedit this video』并提供素材文件夹的完整路径;
- 同时描述期望的交付形式,如「需要 10 分钟的教学视频,包含左侧屏幕、右侧人脸、过渡动画」或「生成 3 条 60 秒的 Shorts」;
- 若想使用全套多模态管线,在指令中加入「使用 full pipeline」关键词,系统会自动切换到 OpenRouter。
- 核心五步流水线(无论何种内容,都会执行)
- 转录:调用本地 Whisper 或 OpenRouter 的语音模型,生成每个词的时间戳;
- 剪辑:依据转录结果自动剔除重复、口误、呼吸声等冗余片段;
- 拼接:将保留的剪辑按时间顺序合并,形成粗剪版;
- 打磨:插入转场、动画、B‑roll,使用
brand.json中的配色方案; - 导出:完成最终渲染并输出视频文件,随后进行可选的二次校验。
- 可选的高级步骤(根据步骤表自动加入)
- 多模态审阅:使用 OpenRouter 的视频理解模型检测画面与音频的细微不匹配;
- 语音克隆:调用 11 Labs 或类似服务,对少量口误进行文字‑语音替换;
- 封面生成:通过 Gemini 3 Pro、Flux 等图像模型生成多版本缩略图,自动挑选最佳稿件;
- 短视频切割:自动抽取关键片段并重新排版为 Shorts,输出符合平台规格的文件。
- 自定义与扩展
- 步骤表:位于
skill.md顶部的表格决定不同内容类型需要走哪些步骤,用户可自行增删行列; - 脚本库:每个步骤对应的 Python 脚本均可独立调用,若业务需要可自行改写或新增;
- 规则库:
lessons.mmd采用自然语言记录常见错误的防护措施,编辑时直接追加即可。
- 步骤表:位于
三、实战技巧与核心小结
- 先跑本地版:在没有 OpenRouter API Key 时,使用 Whisper 完成转录,足以完成 90% 的编辑需求;
- 逐步开启高级功能:首次使用建议仅启用基本五步,确认成片质量后再打开多模态审阅、语音克隆等,可显著降低调试成本;
- 利用代理的自询问机制:如果指令描述不够明确,技能会主动向你询问细节,确保后续步骤不出现歧义;
- 成本控制:即使全链路使用 OpenRouter,完整编辑一段 10 分钟的教学视频也仅耗费约 2.7 美元,远低于传统人工剪辑费用;
- 持续迭代:每次编辑后将新发现的错误或改进点写入
lessons.mmd,长期来看可让技能趋近于「零错误」; - 品牌统一:统一管理
brand.json中的配色、字体、动画时长,可一次性批量更新所有后续视频的视觉风格。
核心结论:通过 Edit Video Skill,你只需提供原始素材和期望的输出描述,编码代理即可完成从转录到成片的全链路自动化。灵活的脚本化结构和可选的多模态管线让该技能既适合个人创作者的低成本实验,也能满足企业级内容生产的高可靠性需求。赶紧在 GitHub 上获取仓库,按照上述步骤快速上手吧!

