58分钟素材，一句话，Claude剪出10分钟vlog

独立开发者 Pieter Levels（@levelsio）发推说，他今天的vlog完全由 Claude Code 搭配 Opus 5.5 剪完。操作起点很普通：把DJI里的视频片段复制到一个文件夹，在这个文件夹里打开Claude Code，然后提需求。

他提的原话只有一句：

Claude can you edit these clips into a 10 minute vlog for X and YouTube

后面他做了少量调整，但不多。

成片在这里：

真正值得看的是中间流程。Pieter 在回复 Sam Parr 时拆了一遍：

• 用 mlx-whisper 转写所有说话内容。模型是 Whisper large-v3-turbo，跑在他 MacBook Pro 的 GPU 上，通过 Apple 的 MLX。
• 每隔几秒从视频里抽帧，拼成网格图（contact sheets）。这样 Claude 能“看”到每个片段里有什么。
• 用 SpeechBrain 的 ECAPA 模型做声音匹配，分辨哪段是他的声音，哪段是别人。
• 用 OpenCV 和 YuNet 人脸检测器做缩略图。
• 剪辑本身是一份 JSON 切割列表：哪个片段、开始时间、结束时间。Claude 读转写文本，再看帧网格，自己挑片段。
• 用 Pillow 给 X 和 YouTube 版的第一分钟加屏幕字幕。

这些步骤里，他没有逐项要求。Pieter 说，直到 Sam Parr 问他怎么剪的，他才知道背后跑了这些。他最初只给了那句“剪成10分钟vlog”。

素材量不小：58分钟，14个片段，最后剪到10分钟。有网友问 Claude 是按顺序拼接还是真的挑内容，Pieter 回复说它剪掉了很多。另一位网友调侃，58分钟到10分钟，等于删掉48分钟的"so yeah, anyway"。

成本也有人问。Pieter 说他每月付100美元用 Claude，但那是给所有站点用的，这次剪辑大概花了0.10美元。

这套流程的聪明处，在别处。它先把视频变成模型能读的中间层：转写文本、抽帧网格、声音标签、JSON剪辑表。模型在文本和图片索引上做判断，最后输出一份可检查的剪辑清单。contact sheets 这种看起来笨的办法，反而解决了“模型看不见素材”的问题。

Daniel Morgan 也在做类似的事。他的说法更接近问题核心：让AI切视频已经不难，难的是让它按你的方式剪。他的做法是让 Claude Code 把视频剪进 Final Cut 时间线，并且把他给的每条笔记变成规则。

Max Rohowsky 则展示了另一条自动化编辑与动态图形流水线：录屏和摄像头素材进 Tella 或 Cap，Parakeet 做带时间戳的转写，再用 Remotion 和 Higgsfield 在合适位置加动态图形。他明确说，这不一定和 Pieter 的流程1:1一样，但做的事情接近：转写、切、加图形。

有人建议 Pieter 用 Remotion，他回复说不需要，因为 Remotion 会让所有东西看起来一样，而且太闪。这个判断挺关键。自动剪辑工具容易把风格磨平，Pieter 这次要的是vlog，不是模板化动态图形。

对做开发的人来说，这套流程最值得抄的可能是一个 JSON 剪辑状态。片段、入点、出点都能审计，能改，能回滚。对没有技术背景的用户，信号也清楚：视频编辑的门槛在降，虽然第一遍不会完美。Craig 在回复里说，编辑曾让他发了10个YouTube视频后停下来，因为一条10分钟视频要在工作、带娃、家务之外花几个小时。Pieter 的说法更直接：如果没有AI编辑，他不会做vlog，因为剪辑太痛苦太慢，雇人更麻烦。

现在这套东西还粗糙，需要人看一眼，需要少量调整。但它已经把一个原本要几小时的工作，压成一句需求加几次修改。