長文警告⚠：萬字長文，全篇閱讀大概30分鐘左右，建議點個關注先收藏⭐⭐⭐
一句話概覽
這套剪輯工作流我已經用了兩個多月，迭代過不少於10版。在文章裏，我會盡可能詳細地把完整流程和細節，給朋友們講清楚。
你可以跟着文章的思路過一遍，也可以直接把這篇文章發給Codex，讓AI給你做成Skill。
Hi，朋友們，我來交稿啦～
前些日子寫過一篇codex入門，瀏覽量極高。
✅今天就是來陪朋友們嘮嘮，如何用Codex實現自動化剪輯，最大化提升視頻創作效率。
工作流的底層邏輯
不管是做內容還是做電商，想要快速獲得流量，最簡單的辦法就是抄爆款。
因爲爆款，都是經過市場驗證的內容，只要跟得夠快，基本上流量都不會太差。（當然哈，要注意抄和搬運的區別。）
這套工作流的核心，就是抄爆款。
假如你看到一個爆款視頻，想照着這個節奏和結構做一條自己的視頻。傳統的做法是你要手動去剪映裏一幀幀對着參考視頻，找素材、卡時間、對字幕，一條視頻可能要花兩三個小時。
但用這套工作流，你只需要準備好參考視頻和你自己的素材庫，剩下的事情 Codex 都能幫你自動完成。
Codex會自動識別參考視頻的每個鏡頭切換點，自動從你的素材庫裏找到最匹配的素材，自動生成配音和字幕，最後直接給你一個可以打開編輯的剪映草稿。
整個過程可能就幾分鐘。
我平常主要是做抖音帶貨視頻的時候用這個工作流。
沒有Codex以前，同樣的視頻一天撐死了只能剪出6條。但有了Codex之後，我只需要找到合適的爆款視頻作爲參考，然後把產品素材準備好，剩下的就是自動生成、審覈、微調。
一天輕輕鬆鬆可以剪完30條，效率提升了至少五倍。
但這裏要說清楚，這套工作流的定位是自動生產，不是精品創作。
它適合的是需要多段素材拼接的偏混剪類視頻，比如電商帶貨、營銷推廣、混剪Vlog之類的內容。
參考視頻提供結構和節奏，你的素材庫提供畫面，配音和字幕自動生成，最後自動出片。
如果你想做高質量的原創內容，需要非常精細的鏡頭語言、複雜的轉場、細膩的情緒表達，那這套流程可能不太適合。
因爲自動化的匹配邏輯，目前還做不到那麼精準的語義理解和情緒把控。
我自己現在也在研究怎麼把這套流程往原創視頻的方向優化，等穩定了再給朋友們分享。
工作流前期準備
OK，回到自動化剪輯工作流。下面我會一步步講清楚，這套工作流具體怎麼搭建。在正式開始前，你需要準備好兩樣東西。
安裝對應工具
這套工作流是基於 Codex 實現的，所以你首先需要有 Codex。如果你還沒用過 Codex，可以先去看我上週寫的Codex入門文章。
具體來說，這套工作流需要這幾個核心工具：
FFmpeg：用來處理視頻拆分、合成、格式轉換這些底層操作。這是整個流程的基礎，必須要裝。
Python 環境：因爲整套流程是用 Python 寫的，至少需要 Python 3.8 以上版本。
配音工具：如果你想要自動配音，最穩定的就是字節的豆包語音大模型，費用不高，效果穩定；如果你想要克隆聲音就用VoxCPM，這是一個免費開源的聲音克隆工具。
剪映：最後生成的草稿是剪映格式的，所以你需要在電腦上裝一個剪映專業版。
這些工具裏，FFmpeg 和 Python 是核心依賴，必須要有。
你可以直接把下面這段話複製發給 Codex，讓它幫你檢查環境並安裝缺失的工具：
請幫我檢查視頻自動化剪輯需要的環境：
檢查 FFmpeg 是否已安裝，如果沒有請幫我安裝
檢查 Python 版本是否 >= 3.8，如果沒有請幫我安裝或升級
檢查是否安裝了剪映專業版，如果沒有請告訴我下載鏈接
安裝 Python 依賴包：opencv-python, numpy, pillow
檢查完之後，告訴我哪些已經裝好了，哪些需要我手動處理。
配音的話，看你需求。如果說你想做的是電商帶貨視頻，豆包語音模型效果是最穩定的。
它用的是剪映同源的AI配音，基本上在剪映裏能找到的配音，在豆包語音模型裏都有。定價也不高，平常我們生成一條1分鐘左右的視頻，配音的費用大概是4-8毛。
如果你想用自己的聲音，或者克隆別人的聲音，用VoxCPM就行，是一個免費開源的工具。
在Github裏面找到這個配音工具，然後把鏈接發給Codex讓它安裝就行。
創建文件夾
裝好這些之後，你需要建一個項目文件夾。我一般是按照這樣的結構來組織：
項目文件夾/
assets/ # 你的素材庫
work/ # 工作區，每次剪輯都在這裏建一個日期文件夾
final/ # 最終成品
AGENTS.md # 項目配置文件
assets 文件夾就是你的素材庫，把所有可能用到的素材都放進去。
這裏的素材可以是AI生成的，也可以是你自己實拍的，但一定要提前準備，以可複用的素材爲主。
然後，素材可以按照不同類別去分類。
比方說帶貨素材，你可以按照外觀、功能、場景這些維度區分，再進一步還可以區分AI生成、真人實拍。
work 文件夾是工作區，每次你要做一條新視頻，就在這裏建一個日期文件夾，比如 2026-07-05，然後把參考視頻、生成的中間文件、最終的草稿都放在這個文件夾裏。
AGENTS.md 是項目的配置文件，裏面記錄了你這個項目的目標、輸出規格、驗收標準這些信息。這個文件很重要，因爲 Codex 會根據這個文件來理解你的項目需求，然後幫你做出符合要求的視頻。
PS：我自己的AGENTS有點長，爲了不影響閱讀，我放在了最後面。朋友們可以參考借鑑。
剪輯工作流搭建
拆解參考視頻
準備工作做完之後，就可以開始真正的剪輯流程了。
第一步是拆解參考視頻。
這一步的核心目的，是把參考視頻拆分成一個個獨立的鏡頭，然後提取每個鏡頭的關鍵幀，作爲後面素材匹配的依據。
你需要先找到一個你想要參考的視頻。這個視頻可以是爆款視頻，也可以是你自己剪過的覺得效果不錯的視頻。
把它下載下來，放到 work 文件夾裏，寫一個容易搜索和區分的文件名。
然後把下面這段話複製發給 Codex：
我需要拆解一個參考視頻。
參考視頻位置在@（輸入你的文件名，Codex會自動搜索）
請幫我完成這幾件事：
1. 用 FFmpeg 識別視頻的鏡頭切換點（通過幀間差異分析）
2. 爲每個鏡頭提取關鍵幀，保存爲圖片
3. 提取視頻的音軌，單獨保存
4. 生成一個 recipe.json 文件，記錄每個鏡頭的開始時間、結束時間、時長、關鍵幀路徑
5. 如有文案，根據音頻生成一個配音文本，按鏡頭分段，文案需要精校，避免出錯
完成後按照AGENTS.md要求，保存到對應文件夾，並告訴我識別了多少個鏡頭，讓我確認切分是否合理。
這個 recipe.json 文件，就是後面整個流程的核心依據。
它記錄了參考視頻的完整結構，後面的素材匹配、配音生成、草稿製作，都是基於這個文件來做的。
拆解完之後，你會在對應文件夾裏看到一堆小視頻片段和截圖。
打開看看，確認一下拆分的鏡頭是不是合理。如果有些地方切得不太對，比如把一個完整的鏡頭切成了兩段，或者兩個鏡頭沒切開，你可以讓Codex再調整一下。
但大部分情況下，自動識別的結果都是可以用的。
篩選和匹配素材
這一步是整個流程裏最關鍵的，也是最能體現自動化價值的地方。
傳統的做法是你要一個鏡頭一個鏡頭地去素材庫裏翻，找到合適的素材，然後拖到時間線上。這個過程很費時間，而且很容易漏掉一些更合適的素材。
但用這套工作流，你只需要告訴 Codex 你的素材庫在哪裏，它會自動幫你做視覺匹配。
下面是提示詞，你可以直接發給Codex：
我需要從素材庫中匹配替換素材。
項目信息：
- recipe.json 路徑：(上一步的拆解路徑)/recipe.json
- 素材庫路徑：assets/
- 輸出路徑：work/（你的保存路徑）
匹配要求：
1. 讀取 recipe.json 中每個鏡頭的關鍵幀
2. 遍歷素材庫，爲每個素材提取關鍵幀
3. 通過顏色、亮度、構圖等視覺推薦最匹配的素材（給出置信度得分）
4. 應用這些規則：
- 避免連續3個鏡頭都用同 - 避免相鄰鏡頭出現明顯重複的房間或構圖
6. 生成 fragment_plan.json 和 matches.json
7. 把選中的素材複製（不是移動）到 material/fragment01/, fragment02/ 等文件夾
重要原則：如果某個鏡頭的匹配置信度低於 0.6，標記爲"缺素材"，不要用無關素材硬湊。
完成後，告訴我匹配結果，並列出哪些鏡頭缺素材需要人工補充。
大概的匹配邏輯就是，Codex 會讀取參考視頻每個鏡頭的關鍵幀，然後遍歷你的素材庫，給每個素材也提取關鍵幀。然後通過顏色、亮度、構圖這些視覺特徵，計算每個素材和參考鏡頭的相似度，給出一個匹配得分。
得分高的素材就會被優先推薦。
還有提示詞裏面提到的一些規則，都是我在實際使用中總結出來的。如果不加這些限制，自動匹配出來的視頻可能會顯得很單調，觀衆一看就知道是機器生成的。
匹配完之後，Codex 會生成一個 fragment_plan.json 和 matches.json。
fragment_plan.json 記錄了每個鏡頭的需求。比如某個鏡頭需要什麼樣的場景、什麼樣的動作、什麼樣的景別、哪些素材是必須避免的。這個文件是給匹配算法看的。
matches.json 記錄了最終的匹配結果。每個鏡頭用哪個素材、置信度是多少、是不是降級匹配 （找不到完美匹配，用了次優選擇）。
這裏有個很重要的原則：寧可留空素材，也不要用無關素材硬湊。
我在早期版本里，爲了讓每個鏡頭都有素材，會自動降低匹配標準，實在找不到就隨便找一個素材填進去。結果生成出來的視頻看起來很怪，有些鏡頭明顯和上下文不搭。
後來我改了邏輯，如果某個鏡頭的匹配置信度太低，就直接標記爲缺素材，讓人工去補充。這樣雖然多了一些手動工作，但最終的視頻質量會好很多。
匹配完成後，Codex 會把選中的素材複製到對應文件夾裏，並且按照參考視頻的鏡頭數量進行分類保存。
這裏注意，一定要強調複製，不是移動，避免Codex破壞你的原始素材庫。
完成後，你可以先檢查下匹配結果。如果有些鏡頭的素材不滿意，讓Codex重新替換，或者手動替換一下都可以。
生成配音
素材篩選完成以後，下一步就是生成配音。
我們在最開始拆解視頻的時候，其實有讓Codex提取文案，並且每個文案都有對應鏡頭。
因爲Codex通常使用的是OCR或ASR來提取，準確率很難做到百分之百，所以你需要先檢查下文案有沒有問題。
沒有問題之後，就把下面這段提示詞發給Codex：
我需要爲視頻生成配音。配音文本是@（你的文案.txt）
要求：
1. 調用豆包 TTS 接口，爲每個鏡頭生成獨立的語音文件
2. 讀取每個生成的語音文件的實際時長
3. 如果配音時長和參考視頻的鏡頭時長不一致，記錄時長差異
4. 將所有片段拼接成完整的配音文件：final_voice.mp3
5. 更新 recipe.json，記錄真實的配音時長
完成後，讓我試聽一遍，確認語音自然度和語速。
Codex 會讀取每個語音文件的實際時長，然後調整視頻的節奏。
比如某個鏡頭的配音實際讀了 5 秒，但參考視頻裏這個鏡頭只有 3 秒，那最終生成的視頻裏，這個鏡頭會被拉長到 5 秒，保證配音和畫面對齊。
配音生成完之後，建議你聽一遍，確認一下語音自然度和語速。
生成樣稿和剪映草稿
剪映草稿的生成是這套流程裏最複雜的部分，因爲剪映的草稿格式很嚴格，素材路徑、時間軸、元數據 ID 這些信息必須完全準確，否則打開會報錯或者顯示不正常。
我在這裏踩了很多坑。比如剪映草稿裏有三個關鍵的 ID：內容 ID、元數據 ID、根索引 ID，這三個必須一致，而且不能和已有的草稿重複。如果 ID 衝突了，要麼打開失敗，要麼會覆蓋掉你之前的草稿。
還有素材路徑的問題。剪映草稿裏記錄的素材路徑必須是絕對路徑，而且文件必須真實存在。如果你移動了素材文件，草稿就打不開了。
避免這些問題的規則，我都寫在了提示詞裏面，你直接複製就可以。
我需要生成最終的視頻和剪映草稿。
輸入信息：
- recipe.json：work/recipe.json
- matches.json：work/matches.json
- 素材路徑：work/material/
- 配音文件（可選）：work/voice/final_voice.mp3
- 字幕文本（可選）：work/script.txt
輸出：
1. 渲染預覽視頻：work/remix.mp4
2. 字幕文件：work/captions.srt
3. 剪映草稿：work/jianying_draft/
要求：
1. 按照 recipe.json 和 matches.json，把素材按順序拼接
2. 如果有配音，用配音的時長作爲基準；否則用參考視頻的時長
3. 生成 .srt 格式的字幕文件
4. 生成剪映可以打開的草稿格式，注意：
- 內容 ID、元數據 ID、根索引 ID 必須一致且唯一
- 素材路徑必須是絕對路徑且文件真實存在
- 所有素材先複製到項目文件夾，避免路徑失效
直接生成剪映草稿，完成後提醒我審覈和確認。第一次生成會比較久，大概十幾分鍾。完成以後，你可以打開剪映檢查一下。
主要檢查這幾個點：
草稿能不能正常打開？
素材是不是都能正常顯示？
時間軸對不對？每個鏡頭的時長和順序是不是和預期一致？
字幕對不對？有沒有遮擋關鍵內容？
配音和畫面是不是同步？
如果有問題，回到前面的步驟檢查，看是素材匹配的問題，還是配音生成的問題，還是草稿格式的問題。
讓Codex逐一去優化。
寫在最後
到這裏，整套工作流就完整走完了。
從參考視頻，到拆解分析，到素材匹配，到配音生成，再到最終的剪映草稿，整個流程可能就 20-30分鐘。
如果你的素材庫準備好，甚至可以做到 5 分鐘一條視頻。
最關鍵的是跑通整個工作流以後，你可以直接跟Codex說：幫我把工作流封裝成Skill。
下一次，就不需要這麼複雜的流程，直接調用Skill就可以生成。
以上，就是全部，希望對朋友們有些幫助。有問題的話，也可以隨時找我交流。
祝好。🍀
哦，對了，這是我的AGENTS.md的模板，僅作參考👇。
# AGENTS.md
## 目標
一句話說明這個項目要完成什麼。
## 目錄
項目根目錄只保留穩定結構，單次剪輯產生的過程文件放進當日工作文件夾。
- \`AGENTS.md\`：項目長期上下文，記錄目標、目錄、流程、輸出和驗收標準。
- \`assets/\`：提前準備好的產品素材、場景素材、人物素材、AI 片段和其他可複用素材。剪輯時只從這裏複製素材，不移動或破壞原文件。
- \`work/\`：正在製作或待審覈的視頻項目。每次剪輯在這裏創建一個當日工作文件夾。
- \`final/\`：已經完成並確認通過的視頻，從 \`work/\` 遷移到這裏，避免工作區文件過多。
每次剪輯時，在 \`work/\` 下創建一個當日工作文件夾：
text
work/
YYYY-MM-DD/
reference-YYYY-MM-DD.mp4
video_clips/
script.txt
material/
fragment01/
fragment02/
voice/
jianying_draft/
當日工作文件夾說明：
- \`reference-YYYY-MM-DD.mp4\`：用戶提供的完整參考視頻，作爲整體順序、節奏、時長、音頻和拆解依據。若同一天有多個任務，可在日期後追加短標題或序號。
- \`video_clips/\`：自動拆解參考視頻後得到的畫面片段和參考幀，用作視覺順序和素材匹配依據。
- \`script.txt\`：從參考視頻、用戶文案、口播稿或配音文件整理出的口播/字幕/配音文本；沒有文案時可爲空或不創建。
- \`material/fragmentNN/\`：從 \`assets/\` 篩選並複製過來的當前片段候選素材或已批准素材。
- \`voice/\`：按片段生成的配音、清理後人聲、分段語音和拼接後的成品音頻。
- \`jianying_draft/\`：當前樣稿對應的剪映草稿、草稿檢查報告和必要備份。只在需要生成剪映草稿時創建。
關鍵來源規則：
- 完整參考視頻是音頻、整體順序和總時長的依據。
- \`video_clips/\` 是視覺順序和視覺匹配的依據。
- \`material/fragmentNN/\` 是審校通過後的生產素材來源。
- 使用生成配音時，以每段真實完成語音時長作爲畫面和字幕時長依據。
- \`recipe.json\` 和 \`matches.json\` 是核心自動化流程的機器可讀依據。
## 流程
流程路徑：
讀取參考視頻 → 拆分參考畫面 → 提取文案/配音文本 → 篩選原始素材 → 生成配音 → 生成樣稿和剪映草稿
1. 讀取參考視頻：在 \`work/YYYY-MM-DD/\` 下創建當日工作文件夾，將用戶提供的參考視頻保存爲 \`reference-YYYY-MM-DD.mp4\`。
2. 拆分參考畫面：使用自動鏡頭切分和關鍵幀抽取拆解參考視頻，片段和參考幀保存到 \`video_clips/\`，結構數據保存在當日工作文件夾。
3. 提取文案/配音文本：從參考音頻、用戶文案或配音文件中整理口播文本，保存爲 \`script.txt\`。
4. 篩選原始素材：讀取 \`assets/\`，用參考幀和素材抽幀做視覺匹配，候選結果保存到當日工作文件夾，通過的素材複製到 \`material/fragmentNN/\`。
5. 生成配音：默認使用豆包語音模型生成新配音，分段語音和合成音頻保存到 \`voice/\`。
6. 生成樣稿和剪映草稿：用篩選素材和新配音生成樣稿，並創建剪映草稿保存到 \`jianying_draft/\`，供用戶打開審覈。
## 輸出
保存通用輸出配置；單次特殊要求以用戶當前指令和 skill 執行結果爲準。
- 視頻比例：9:16 豎屏。
- 分辨率：1080x1920。
- 幀率：60fps。
- 文件命名規則：\`YYMMDD-platform-product-序號.mp4\`，英文縮寫優先，避免文件名過長或亂碼。
- 默認審覈方式：生成剪映草稿，供用戶打開審覈。
- 默認歸檔方式：用戶確認通過後，從 \`work/\` 遷移到 \`final/\`。
## 驗收
視頻合格標準：
- 每個視覺片段都有可用素材；缺素材和低置信度片段必須明確暴露。
- 不用無關素材硬湊數量。
- 素材畫面和產品、場景、動作、景別、角度、光線、產品可見度和構圖基本匹配。
- 文件名和文件夾名只能作爲線索，最終要看畫面。
- 複製素材，不移動或破壞原始素材。
- 識別重複素材，不能把不同文件名當成不同內容。
- 三個連續鏡頭範圍內儘量避免同一來源文件夾重複出現。
- 相鄰片段避免明顯重複的構圖或語義場景。
- 有關聯的 AI 片段或同一角色片段要保持身份連續。
- 成片視覺速度保持 \`1.00x\`，除非用戶明確要求變速；短素材可定格補足，不通過變速硬拉。
- 成片比例、分辨率和幀率符合本文件的通用配置；時長和數量符合用戶當前要求或本次任務設置。
- 成片時長和參考或本次目標時長的偏差應在可接受範圍內，明顯偏差要說明。
- 字幕必須在所屬片段內，按語義斷句，不機械湊字數。
- 如本次任務設置字幕字數上限，應把它當作上限，不是目標；避免 1-2 個字的孤立字幕。
- 字幕不遮擋產品主體、關鍵動作或重要信息。
- 如果使用配音，以真實成品配音時長爲畫面和字幕依據。
- 配音要檢查開頭、中間邊界、最長停頓、最緊字幕邊界和結尾。
- 如生成剪映草稿，必須是新建可編輯草稿，不能覆蓋原生或加密緩存。
- 剪映草稿的內容 ID、元數據 ID 和根索引 ID 必須一致，批量草稿 ID 不能重複。
- 剪映草稿的素材路徑必須存在，媒體源範圍不能超過真實時長。
更多遊戲資訊請關註：電玩幫遊戲資訊專區
電玩幫圖文攻略 www.vgover.com
