30 秒看懂
Peter Yang 演示了一个免费的短视频技能:它帮助将原始录制剪成带字幕、补充画面和动态图形的短片。智能体先提出逐场方案,包括可能产生费用的生成素材,创作者则检查来源和成本。随后 Yang 在审阅页面对取景和布局提出意见,确认修改后再批准最终渲染。他强调,示例经过多轮反馈,而不是一次生成成功。本视频由 Gemini 赞助。
- 1工作流分四个阶段,生成素材可能产生费用Yang 安装技能、提供原始录制、反馈并批准渲染。可选的图像、视频和音乐生成需要已开启计费的 API 密钥。
- 2智能体剪辑前先提出场景方案和素材来源Yang 检查建议使用的补充画面,以及计划中需要付费生成的部分,再添加参考和图形要求。
- 3审阅页面让取景问题变成具体备注Yang 对头部被裁切的位置留言,并要求简化布局。智能体修改后,他再批准渲染。
- 4成片需要多轮反馈Yang 明确说示例不是一次生成成功。审阅界面使迭代更容易,但创作者仍需检查。
- 5技能包含检查开场和画面的清单Yang 说,开头几秒应吸引注意,画面应补充语言没有表达的内容。他还介绍了用于检查输出的评估文件。
要点建议
- 开始剪辑前,检查建议的场景、补充画面来源和付费生成计划。
- 针对具体场景反馈,并在最终渲染前检查修改结果。
- 处理较长录制时,明确说明如何处理停顿、重录和语气词,同时避免过多跳剪。
- Yang 建议打开本地环境文件输入 API 密钥,而不是将密钥粘贴到聊天中。
- 用检查清单确认开场和画面是否服务于故事。
按章节阅读整理后的全文
安装短视频工作流
Yang 介绍免费技能及可选的付费生成,演示依赖设置和不在聊天中输入 API 密钥的做法。
我演示一个免费的短视频技能:它接收原始素材,帮助制作带字幕、补充画面、动态图形和可选生成视频的短片。我的流程是安装技能、提供录制、审阅并迭代,最后渲染结果。本视频由 Gemini 赞助。
我在智能体环境中从代码仓库安装该技能。首次使用时,它会检查 FFmpeg、yt-dlp 和 HyperFrames 等工具。可选的 Gemini API 密钥可以启用图像、视频和音乐生成;这些 API 调用需要计费,可能产生费用。
对于 API 密钥,我让助手打开本地环境文件,在那里输入密钥,而不是将密钥粘贴到聊天中。如果不需要生成媒体功能,也可以不使用密钥。
从原始录制到场景方案
智能体提出剪辑和画面来源。Yang 检查方案,并介绍自己清理较长录制的提示词。
我提供一段 54 秒的原始录制,让技能制作短片。它提出逐场方案,包括讲者全屏、补充画面和分屏图形。我可以检查建议使用的素材来源,以及计划中需要付费生成的部分。

对于较长的录制,我使用另一段指令来缩短停顿、删除重复、错误开头和语气词,同时避免过多生硬的跳剪。技能中也包含一个基础版本,用于清理短片。
我针对方案给智能体反馈,包括一个画面拼贴参考和大数字叠加要求。它生成第一版剪辑。接下来重要的不是假设成片已经完成,而是逐场审阅。
审阅并修改初稿
Yang 针对裁切和布局逐场反馈。他指出,最终结果需要多轮修改。
技能打开一个审阅页面,我可以播放初稿,并在具体场景留言。有两个位置裁掉了我的头部,所以我要求放宽取景;我还要求简化审阅页面的一部分布局。
智能体修改初稿后,我检查取景和布局是否修好,再批准最终渲染。展示的版本经历了多轮反馈,并非一次生成成功。

技能能添加什么、如何检查结果
工作流可以组合录像、字幕、图形和生成媒体。Yang 介绍了检查开场和画面价值的清单。
这个工作流可以组合讲者主画面、较紧的裁切、分屏补充画面、全屏补充画面、字幕和 HTML 动态图形。可选的 AI 视频和音乐使用配置好的 API 服务。
技能文件还包含剪辑建议:尽早吸引注意,让画面补充语言没有表达的内容,并优先使用在手机上清晰可见的素材。评估文件会让智能体在展示结果前检查开场等方面。
我不是专业短视频剪辑师,其他人可能做得更好。我的目标是让剪辑更容易上手,让创作者有更多时间专注于叙事和内容制作。
同频道的其他文章
46:40EN → 简体中文
17:50EN → 简体中文
15:03EN → 简体中文
33:09EN → 简体中文
13:05EN → 简体中文
1:06EN → 简体中文