原视频:抖音 @猪脚AI短视频《一份 Brief + 几段素材,用 Codex 自动剪辑成片全流程拆解》· 时长约 2 分 21 秒 · 案例为一条火锅店本地生活宣传片 拆解方法:双轨备料(SenseVoice 逐字稿 + 豆包视觉整段画面理解)合并 → 结构化拆解 诚实声明:逐字稿对工具名有口音误差(把 Codex 听成”扣袋”、HyperFrames 听成”happenf”),本文工具名以画面 OCR 为准;真正值钱的是这套”把剪辑变成指令流水线”的方法,不是某个具体软件。

先说结论:这条视频不是教你用某个”AI 一键成片”软件,而是教你把 Codex 当导演,自己搭一条”Brief + 素材 → 脚本/分镜/字幕/配音/成片”的自动化流水线。 软件会过时,这套”用 Agent 编排剪辑流程”的架构思路不会。

它的高明之处,是把短视频制作里最累的部分——挑素材、写脚本、对字幕、卡节奏、反复改版——全部交给一个会读素材、会做计划、会调工具的 Agent,人只留两件事:提想法、看效果。下面逐层拆开。

一句话定性

这是一条**“AI 工作流安利 + 保姆级搭建教程”**的双重内容:表面教你做火锅店宣传片,实际在卖一个认知——剪辑这件事,可以被一个 Agent 编排成流水线。它精准戳中”想高效出片、却被剪辑流程困住”的内容创作者和本地商家。

钩子(“现在还有人买 AI 自动剪辑软件?”)是典型的认知反差钩:先否定你正在用的方案,再给一个更高级的替代,制造”我是不是落后了”的紧迫感。

这套工作流到底是什么:三层角色

别被工具名绕晕。这套流水线本质是三个角色的分工,看懂角色就能换任意工具复刻:

角色视频里用的干什么可替代品
大脑/导演Codex(AI 编程 Agent)读 Brief、读素材、做剪辑计划、写脚本分镜字幕、调度下面两层Claude Code、Cursor Agent 等任意能读文件+跑命令的 coding agent
手/渲染层画面出现的 HyperFrames + ffmpeg真正执行切片、拼接、字幕烧录、导出ffmpeg、MoviePy、剪映草稿协议
嘴/配音MiniMax(海螺)语音把文案合成口播音频任意 TTS:豆包语音、Fish Audio、GPT-SoVITS

关键判断:Codex 不会”剪视频”,它会”写出剪视频的指令”并调 ffmpeg 执行。 这才是为什么用一个写代码的 Agent 来做剪辑——视频剪辑本质就是一串 ffmpeg/脚本命令,而 coding agent 最擅长把”自然语言意图”翻译成”可执行命令”。

四步流程逐层拆解

第一步:让 Codex 搭”工厂”(把混乱变成流程)

不是直接让它剪,而是先让它搭项目骨架。给一段提示词,让 Codex 建出一套短视频自动剪辑工作流,明确规定:

  • 素材放哪里(素材库)
  • Brief 放哪里(brief 库)
  • 每条视频的工程放哪里(工程模板)
  • 成片导出到哪里(导出路径)

这一步是整套流水线的地基,也是最容易被新手跳过的一步。 它做的不是剪辑,是”把混乱变成流程”——一旦目录结构和数据流固定下来,后面每条视频都走同一条管道,可复用、可批量、可交接。这正是工程思维和”随手剪一条”的本质区别。

橙子判断:这一步等价于软件工程里的脚手架(scaffolding)。固化目录 = 固化流程,流程固化了 AI 才不会每次乱来。

第二步:填一份内容 Brief(给 AI 方向,别让它”看着办”)

告诉 AI 这条视频的全部约束:

  • 发什么平台、目标是什么(引流 / 种草 / 成交 / 同城获客)
  • 视频多长
  • 素材有什么、偏向什么风格
  • 哪些信息必须出现

视频里最扎心的一句:“AI 最怕的不是任务难,最怕你说’你看着办’。你让他看着办,他真的会很认真地乱。”

这句话是整条视频的金句,也是所有 AI 协作的通用铁律。Brief 的作用,等同于生成视频时的提示词——你要明确指定谁是人物、谁是背景、谁给谁配音。指令越具体,产出越可控。

橙子判断:这一步就是 prompt engineering 在剪辑场景的落地。Brief 模板(平台/目标/时长/素材/风格/必现信息)本身就是一个可复用资产,做一次,以后每条视频填空即可。

第三步:让 Codex 做”导演”(先看素材,再排镜头)

把准备好的 Brief 和素材一起发给 Codex,它会先看素材、再判断每个镜头适合干什么:

  • 哪段适合开头抓人
  • 哪段适合展示产品
  • 哪段适合证明环境/场景
  • 哪段适合结尾导出 CTA

然后一次性生成:口播文案 + 分镜表 + 字幕内容 + 剪辑计划。

视频里点出了新旧剪辑的本质差异:“以前剪视频是边拆边剪,现在是把每一秒出现什么画面、说什么话、字幕怎么排,全部先规划好。”

橙子判断:这是从”即兴剪辑”到”先有蓝图再施工”的范式转移。Agent 的价值不在于剪得快,而在于它能先产出一份完整的、可审阅的剪辑计划——人在这一步介入审核,比剪完再返工成本低一个数量级。

第四步:配音 + 字幕同步(三件事卡在同一个节奏)

最见功力的一步:

  1. 用 MiniMax(海螺)生成口播音频
  2. 把音频放回 Codex 项目
  3. Codex 根据真实音频时长,把文案拆成一句一句字幕
  4. 按语义切画面:说到食材切食材、说到门店切环境、说到活动/引导切 CTA

结果是:声音、字幕、画面三件事对在同一个节奏上。 这正是人工剪辑最耗时的”对轴”环节,被自动化掉了。

橙子判断:这一步是整套流程的技术含量所在。“按真实音频时长拆字幕 + 按语义切画面”——这需要 Agent 能读音频时间戳、能理解文案语义、能映射到素材标签。能做到这一点,说明 Codex 不只是写脚本,而是真在做时间轴级的编排。

成品与价值:人从执行者变成审核者

案例成品是一条火锅店本地生活宣传片:从几段门店素材 → 脚本 → 分镜 → 字幕 → 配音音频 → 一条能直接发的成片。

作者总结得很准:“相当于把剪辑、导演、创意、策划浓缩进一个工作流。我只负责看效果、提想法,不满意就让 AI 再改一版。”

这句话揭示了 AI 工作流的真正红利不是”快”,而是角色升级:

创作者从”执行者”变成”创意审核者”——你不再花 3 小时对字幕,而是花 10 分钟看效果、提修改意见,把人的时间还给判断和创意。

文案与传播拆解(7 段法精简版)

维度拆解
① 钩子认知反差钩——“现在还有人买 AI 自动剪辑软件?”先否定旧方案制造落后感。3 秒内完成。
② 人设白 T + 黑框眼镜 + 毛绒麦,“懂技术的实操派”人设;语气真诚带夸张(“AI 会很认真地乱”)。
③ 节奏痛点→方案→四步→案例→优势→引流,信息密度高但逻辑线极清晰;每步配画面辅助。
④ 结构标准”问题-方案-步骤-实证-升华”教程结构,四步用数字锚点,降低理解成本。
⑤ 金句”AI 最怕你说你看着办,他真的会很认真地乱”——可二次传播、可做标题。
⑥ CTA”评论区整理好抄作业,点关注点赞”——用”抄作业”降低行动门槛,沉锚到关注。
⑦ 骨架否定旧方案 → 抛出新工作流 → N 步拆解(每步:做什么+为什么重要) → 案例成片 → 价值升华 → 评论区领资料。

对橙子和老大:能不能自己搭一套?

这条视频对我们价值很高,因为橙子大脑本身就是 Codex 同类(coding agent),这套流水线的核心能力我们天然具备。

值得借鉴的判断:

  • 方法可复刻、工具随便换。 把”Codex + HyperFrames + MiniMax”换成”Claude Code + ffmpeg + 豆包语音”,架构完全成立。橙子要做短视频自动化,这是现成蓝图。
  • 地基是目录结构,不是 AI。 第一步搭工厂最关键。先固化”素材库/Brief 库/工程模板/导出路径”,流程才稳。这和我们”能脚本化绝不临场凭脑子”的纪律完全一致。
  • Brief 模板 = 可复用资产。 做一个标准 Brief 模板(平台/目标/时长/素材/风格/必现信息),以后每条视频填空,这是最高 ROI 的一次性投入。
  • “对轴”是技术分水岭。 按音频时长拆字幕、按语义切画面,是这套流程真正难的地方。复刻时如果只做到”自动拼接”而做不到”时间轴对齐”,效果会差一截。

需要冷静的地方:

  • 视频是精剪过的演示,真实跑起来一定有素材标签不准、字幕断句出错、节奏不对要返工的情况,别期待一次成片。
  • 工具名以视频画面为准,逐字稿有口音误差;复刻时认架构、别迷信具体软件名。
  • 本地生活(火锅店)这类”素材现成、模板固定”的场景最适合自动化;强创意、强叙事的片子,AI 编排的价值会下降。

可复制工作流骨架(直接套用)

1. 搭工厂  →  让 coding agent 建目录:/素材库  /brief库  /工程模板  /导出
2. 写 Brief →  填模板:平台 | 目标(引流/种草/成交) | 时长 | 素材清单 | 风格 | 必现信息
3. 做导演  →  发 Brief+素材给 agent → 产出:口播文案 + 分镜表 + 字幕 + 剪辑计划(人审这一步)
4. 配音    →  TTS 合成口播 → 回灌项目 → agent 按音频时长拆字幕、按语义切画面
5. 出片    →  agent 调 ffmpeg 渲染 → 导出成片 → 人看效果、提修改 → 迭代

一句话收尾: 这条视频真正教的不是”用 AI 剪视频”,而是”把任何重复的创作流程,拆成可被 Agent 编排的指令流水线”。火锅店宣传片只是一个例子——同一套思路可以搬到日报成片、知识卡片视频、批量带货片。看懂这一层,这条视频就值了。