AI guides

Codex + ChatCut,Agent 剪视频成了!

By 空格3 viewsSource: 空格的键盘
Codex + ChatCut,Agent 剪视频成了!

最近刷小红书,总能刷到 ChatCut。

The full text has not been translated yet. The Chinese original is shown below.

最近刷小红书,总能刷到 ChatCut。

大家兴奋的点很一致,毕竟天下苦剪视频久矣。

能看着 AI 真的在替自己剪完视频,真的可以解放我们很多时间。

今天我也去完整体验了一下。整个剪辑都在 codex 里完成,左侧对话,右侧看成片效果。这是我想要的 Agent 剪视频效果,就融入我最常用的 Agent 工具,比开发一个新的工具粘性更高。

文章配图

在 Codex 里装上 ChatCut 插件,把我平时 Screen Studio + 剪映的剪辑流,整个换成了口喷。

5 句话就完成了我平时 一小时 工作量。

但具体效果如何?可以跟着我的实践往下看。

01 安装就一句话

使用上没什么门槛,在 Codex 里直接说一句:

阅读 chatcut.io/chatgpt,帮我安装 ChatCut 插件并创建一个新任务。

它会自己去读安装说明、装好插件,然后弹出浏览器让你 OAuth 授权登录 ChatCut 账号。登录一次,后面的会话就一直可用。

装完之后,上传视频、剪空白、删重复口误、配字幕、调样式、做封面、导出,全程都在 Codex 对话框里完成。

你不需要再打开一个传统剪辑软件,在一堆菜单里找按钮。

02 5 句话干完我 1 小时的活

先说下我发在小红书视频的流程。

我主要用 Screen Studio 录屏,导入剪映,然后手动做几件事:

剪掉中间停顿和说错重来的话,加字幕,逐条检查识别结果,调字幕样式,做封面,导出。

一条几分钟的口播视频,从导入到导出差不多 1 小时。

真正痛苦的是你要一直听自己说话,一边听一边找空白、找重复、决定哪里要删。

这个过程很碎,也很耗注意力。

这条流程换成 Codex + ChatCut,上传了一条 4 分多钟的口播视频「10 个工具.mp4」

然后我基本上只说了 5 句话:

1 发送视频目录给 Codex

按下面所示,codex 会把视频上传到 ChatCut,并且在右侧面板加载出剪辑画面

文章配图

右侧是 codex 的对话窗,和我们常用的剪辑工具一致,它本质是利用 codex 内置的浏览器登录了你再 chatcut 里的账号,也是把你本地的视频上传在 chatcut 里进行剪辑的。

在这个窗口可以查看 codex 剪辑完的视频,也能自己手动操作,上传素材、剪辑、预览。

文章配图

2 删除空白和重复的片段

发送 codex 删除空白和重复的片段,它就开始剪辑视频,这里的原理是把字幕和时间戳进行分析,把重复的、空白的字幕对应的时间解析并剪辑掉。

文章配图

3 加字幕并改成 1.2 倍速

文章配图

4 最后再优化一下字幕,改成黄色加阴影,再做一张封面

文章配图

5 导出视频

导出需要在右侧视频预览窗口,实际上就是在浏览器里把视频下载到本地。

文章配图

整个过程,就像我在指导一个剪辑师帮我完成任务。

我的剪辑任务很简单,没有用到 B-roll 这些工作。

4 分钟的视频它总共剪辑掉了 15 秒重复内容, 我用的 GPT-5.5 的模型,消耗了 40% 的额度。

03 效果能不能赶上手动剪辑?

使用过程中,除了在导入素材这一步我遇到过上传一直 uploading、右侧面板加载不出来的问题,后续的整个流程都很顺畅。

我最喜欢的一点是,它没有覆盖原片,而是复制出一条「10 个工具 清理版」时间线再剪。你可以继续让 AI 改,也可以自己进 ChatCut 编辑器手动接管。

我剪辑的过程中体验很好,拉高了我对成片的期待,这种交互的效果结合 codex,就是我幻想的AI 剪辑任务的形态。

左侧对话,右侧剪辑,可以虽是手动插入。

但说实话,我把视频导出来看了又看。这条视频,赶不上我自己用剪映剪出来的效果。

差距主要在两点。

第一,字幕识别准确率不如剪映。中文口播里的英文词、模型名,以及字幕的缓缓归,不如剪映那样几乎不需要手动处理。

第二,空白和重复话处理了 80%,剩 20% 要手动补。很明显的停顿和重复它都能删,但更细的节奏,哪里该多留半秒、哪里可以切得更狠、哪里不算重复但听着啰嗦,还是得人来。

但可以代替我粗剪花费的 10- 30 分钟的时间。

这次我只用到了粗剪、字幕、封面,官网列的能力还有不少:文字稿剪辑(像改文档一样删句子,时间线跟着变)、AI 图片生成、AI 视频生成(补 B-roll 和缺失镜头)、AI 音乐、AI 配音。

文章配图

免费版注册送 20 个 starter credits,够完整跑一遍剪辑流程。

Pro 从 25 美元/月 100 credits 起,往上有 100 美元/月 400 credits。

文章配图

AI 相关动作都消耗 credits,对话、生成、Motion Graphics、音乐、配音;

但浏览项目、手动拖时间线、预览、上传不消耗。

这次我在 Codex 里跑完整个流程没有消耗到积分,但消耗了 codex 5 小时 token 额度的 50%。成本还是可以接受的。

04 实现原理分析

我去翻了它的 GitHub 仓库(ChatCut-Inc/agent-plugin),原理不复杂,有三个点值得讲。

第一,插件背后有个 MCP server。

ChatCut 把自己的剪辑能力封装成一组标准 MCP 工具挂在 API 上,Codex 装上插件就能直接调用。

工具包括:导入媒体、修改时间线、生成 Motion Graphics、生成素材、音频转写、加字幕、导出视频,甚至还有一个"验证剪辑效果是否可见"的工具。

第二,模型不生成视频,只制定方案。

你说一句"删除空白和重复片段",Codex 先把它理解成剪辑任务,调工具读取素材、时间线、转写文本,判断哪些是空白、哪些是口误、删完时间线怎么拼,最后调用剪辑工具真的去改时间线。

大模型负责理解意图,ChatCut 负责把方案落到真实的视频工程里。

第三,产物是工程,不是成片。

这是它和大多数 AI 视频工具最不一样的地方。

很多工具给你一个生成结果,ChatCut 给你一个还能继续编辑的多轨时间线。

视频创作很少一次生成就结束,字幕挪一点、封面换个字、前面删半秒,都要反复改。AI 只给成片,后面就没法改;AI 给的是时间线,你就可以随时接管。

插件仓库里还带了一个 skills 目录,把常见剪辑任务写成了现成的工作流,这个设计对用 Claude Code 和 Codex 的人应该很眼熟。

05 我的感受

Codex + ChatCut,口喷剪辑视频行得通吗?

行得通,但别把它想成"一句话生成完美成片"。

更现实的定位是:把剪辑里的机械劳动先做掉,给你一版可继续编辑的粗剪。

这条视频它完成了导入、清空白、删重复、加字幕、调速、调样式、做封面,保留了可编辑时间线。

还需要人工的是:字幕校对、细节节奏、剩下 20% 没删干净的重复话。

所以我不会说它替代剪映。我更愿意说,它把剪映前面最烦人的那一段,变成了几句话。

会剪辑的人,它帮你省掉粗剪时间;

不会剪辑的人,它让你先得到一版能看的视频。

我看好 chatcut 的工程框架,模型和 codex 的结合体验很不错。

最有价值的地方是它会跟随模型+Agent的进化而进化。

我很期待未来 100% 的剪辑工作都可以用 Agent 实现。

文章来自于"空格的键盘",作者 "空格"。

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)