剪视频，靠说就行了。

至少我最近用 ChatCut 的感觉是这样。

最近不知道大家有没有留意到一个自动化剪辑工具，叫 ChatCut。我最近确实用得比较频繁，上一条视频就是用它剪出来的。

它的操作方式很简单，基本靠说。把视频传进去，再把要求讲清楚，它就开始自己处理时间线。

如果你是接到 Agent 里使用，目前支持 Codex 和 CC，也就是 Claude Code。这种用法消耗的是对应 Agent 的大模型额度。

如果你直接使用 ChatCut 的平台，就要买它自己的套餐，还会额外消耗积分。

我给它的要求比较长

我这次没有一上来就让它随便剪得高级一点，而是给了一段比较长的提示词。截图里能看到，这段提示词从视频定位开始写，后面包括口播怎么处理、字幕怎么做、录屏页面什么时候放大、哪些地方加标注、音效怎么用、背景音乐怎么压低，以及最后要检查什么。

我希望它把一条录屏口播视频剪得自然一点。

口播里的“嗯”“啊”“然后”“就是”可以适当删掉，重复表达、说错后重新说的内容也要处理。停顿不能全部剪掉，不能让人听起来特别赶。

字幕要准确，每行尽量不要超过十五个中文字。讲到按钮、菜单、输入框或者结果时，画面可以适当放大，再加一个简单的标注。

背景音乐要轻一点，不能盖住人声。音效也不要每个动作都加，平均八到十五秒出现一个明显音效就差不多了。

画面比例我也写进去了，优先做成 9 比 16 的竖屏，分辨率按 1080 乘 1920 处理。录屏页面如果太宽，就保留主体，再通过局部放大和上下留白保证文字看得清楚，不能直接把左右的重要内容裁掉。

转场也有边界。我让它以直接剪切、轻微缩放和自然移动为主，只有进入新步骤、切到结果展示或者页面变化比较明显时再换一下画面。旋转、翻页、闪烁和大量贴纸都不要加。

背景音乐需要自动压低，口播开始后把音量降下来，结尾再自然淡出。字幕、标题和标注要放在安全区域里，不能挡住录屏里的按钮、输入框和核心内容。

最后还要检查剪切是否自然，字幕有没有错字，标注有没有挡住按钮，背景音乐有没有压住人声，前几秒能不能让人看懂这条视频在讲什么。

我中间又和它沟通了几次

我中间又和它沟通了几次。

比如我让它加入 MG 动画、补点击音效、配一条 BGM，再把对应的口播片段剪掉。转成竖屏时，也不能为了画面好看，直接把页面两边的重要内容裁掉。

最后一条大约五分钟的视频，被它处理成了三分四十四秒。

口癖、重复表达、无效停顿和部分无关音频被清理掉了，字幕也放到了底部安全区。时间线上还加了几组 MG，包括开头标题卡、使用方法三步卡、拆解结果标签、“注意这里”标签和转化路径流程卡。

开头标题卡大约放了三点五秒，使用方法卡在二十多秒的位置出现，拆解结果标签在一分钟左右出现，重点提醒大约在九十九秒，转化路径流程卡则放在后面的结果部分。

这些内容跟着口播走。讲到使用方法时，右上角出现三步卡；讲到拆解结果时，模块标签逐条出现；讲到容易出错的地方时，画面上加提醒；讲到最后的转化路径时，再把流程卡放出来。

从时间线来看，它确实完成了不少事情。

我当时看时间线，最直观的感觉是，原本要自己逐项处理的东西已经集中到一个项目里了。口播、字幕、MG、音乐和音效都在同一条线上，后面检查起来也更容易找到问题。

不过，时间线上轨道很多，并不代表视频就一定可以直接发布。画面里的文字够不够大，字幕有没有压住页面，音效有没有和动作卡上，这些仍然要靠播放来确认。

时间线上有东西，画面里不一定看得到

但验收时也发现了问题。

有些 MG 在时间线上明明放着，编辑器里却看不到。后来排查发现，问题和遮罩、透明背景的渲染有关。

背景音乐的时长也不够，需要再延长。按钮点击音效没有全部补上，还得继续调整。

所以这个工具目前更像一个会执行剪辑工作的 Agent。它可以先把口播清理、字幕、MG、音乐和音效这些事情做一遍，人还是要把成片放出来看一遍。

这次我还让它把这套剪辑流程保存成一个 Skill，之后可以继续调用。

以后再做类似的录屏教学视频，我不用每次都从头解释删口癖、加字幕、配 BGM 和补音效。直接调用之前的 Skill，再根据新视频的内容调整就可以。

哪些动画容易看不见，哪些音效太抢，字幕放在哪里更合适，都要在下一次使用里继续检查。

个人和企业可以这样试

对于个人用户，如果只是偶尔剪一条视频，可以先体验一下。如果每周都要做口播、录屏或者工具教学，使用频率高一点，节省下来的时间会更明显。

企业就要认真算账了。可以拿三到五条不同类型的视频测试，看看返工有没有减少，团队成员能不能用，人工验收还需要多久。

如果今天剪一条一分钟的视频，要花两百元或者三百元，或者要占用几个小时，那 ChatCut 值得放进测试名单。

测试时最好先记下原来的人工时间、返工次数和最后验收需要多久。再把套餐费用、额外积分、Agent 额度和沟通时间放在一起看，这样才能知道它实际替你省了什么。

它现在还做不到每次一次成功，成片也不能完全不看。但如果它能稳定接走清理口播、配字幕和基础包装这些重复工作，省下来的就是一整段可以重新安排的时间。

如果要用 Agent 接入 ChatCut，我理解的流程就是：先把 ChatCut 接到 Codex 或 CC，再把录屏视频交给它，用自然语言说清楚口播怎么剪、字幕怎么做、MG 动画、点击音效和 BGM 怎么配。它先执行一版，我再把成片播放一遍，遇到动画看不见、音乐太短或者点击音效没补上的地方，继续告诉它调整。等这套流程稳定下来，再把它保存成 Skill。以后遇到类似的视频，直接调用这个 Skill，再根据具体内容微调就行。