第 27 卷

先让 AI 规划，而不是上来就剪

这个案例来自一个真实需求。脱不花有一场将近四个小时的直播，原始

MP4 大约 15G。同事告诉我，直播中间有一段讲到一套书，作者叫刘

开心，但我拿到源文件时，并不知道她是在什么时候讲到这本书的。

如果让人从头看到尾，这件事很笨重。所以我第一步没有让 Codex 直

接剪，而是先把任务讲清楚，让它规划整个工作流。

我的目标是：从长直播里找出讲这本书的片段，剪成一条短视频，并且

后面还要加字幕、处理错别字、做封面。

Codex 很快识别到，这个任务的关键不是先剪，而是先定位。它需要

先找出讲书的时间段，再决定短视频的叙事骨架。技术上，它会先做转

写和粗定位，再精修剪点，然后进入字幕、封面、包装和预览导出。

所以我们每次做这种复杂任务，都要先打开计划模式。计划模式不是形

式，它是让你先检查 AI 准备怎么干：它要保留原片不动，只做分析和

导出；它要先用间隔抽帧的方式粗看全片；它判断成片是竖版，风格是

温暖直播间、阅读种草和主播信任感，而不是夸张的电商风。

这些都确认没问题，再让它执行。这样你不是把任务扔给 AI 赌结果，

而是在开工前先校准它的方向。

从粗定位到精剪，AI 像一个聪明同事

面对接近四个小时的直播，Codex 没有从头到尾硬看。它先每隔一段

时间抓一帧画面，看直播间画面有没有切到那本书。后来又改成每 5 分

钟做一次粗块扫描，逐步缩小范围。

到 40 分钟到 45 分钟左右，它发现画面里出现了刘开心，并且开始介

绍作者背景和罕见病经历。它判断讲书段落大概从 40 分钟开始，到 1

小时 25 分钟左右结束，后面已经进入其他产品内容，就主动停止写后

面的初转写，避免浪费时间和额度。

这很像一个聪明同事：他不是把你给的所有素材都机械处理完，而是知

道目标已经够清楚了，后面的内容和任务关系不大，就把精力集中到核

心窗口。

接下来，它先生成了一个 7 分钟版本。我看完以后，觉得开头太突兀，

字幕里也有人名和性别识别错误，于是继续用自然语言反馈：这段应该

从讲这本书开始，片段要拼得更完整，长一点也没关系。

第二个版本就变成了 19 分钟。这也说明，如果你给 AI 的要求不够具体，

它会照着“长一点没关系”去理解。于是我又补了一句：我能接受 10

分钟左右，要更吸引人进来看，把最精华的信息提炼出来。

这一轮之后，它做出了一个 10 分 23 秒的精简版。前 10 秒先用“这个

人的生命力比你强得多”抓人，再补刘开心是谁。这就是短视频剪辑里

很重要的一个思路：不是按原始时间线平铺，而是先用钩子把观众拉住，

再补背景。