用大白话剪视频：Claude Code + FFmpeg 实现自然语言视频剪辑

做视频剪辑的朋友应该都有过这种体验素材导进去十几个小时只为了剪一个15秒的片头改一个字幕错别字要重新渲染整个时间线片子里某段对白太啰嗦选中、切割、删除、补转场一套操作下来又得几分钟。我前阵子接触到一个叫 video-use 的开源项目思路很有意思——它把 Claude Code 当成“剪辑师的大脑”你只需要用大白话说“把前三段素材拼起来去掉中间停顿加个字幕”它就能自动拆解任务、调用底层工具把片子剪出来。这篇文章我就结合实际操作把整个链路掰开揉碎讲一遍包括环境配置、指令设计、踩坑记录以及哪些环节我是真的觉得好用、哪些地方目前还有明显短板。1. 先搞清楚video-use 到底解决什么问题1.1 传统视频剪辑的痛点很多人觉得剪辑难不是因为不会用软件而是因为“操作”本身占用了太多时间。你要记住每个按钮在哪要熟练快捷键要理解时间线、轨道、关键帧、转场这些抽象概念。哪怕你已经用 Pr、达芬奇或者剪映剪了好几年遇到批量处理、重复性修改依然会烦几十段素材做同样的调色、统一的片头片尾、自动去除空白片段手动一个个来又累又容易漏。更麻烦的是剪辑软件的脚本化能力很弱。剪映虽然有一些自动化功能但离“任意描述就能执行”还很远。Pr 可以写 ExtendScript但那个学习成本已经高到足够劝退大部分人。于是大部分人面对重复劳动只能硬扛。1.2 video-use 的核心理念video-use 的突破口在于它不让你直接操作时间线而是让你操作一个“能听懂人话的 AI 代理”。这个代理就是 Claude Code。Claude Code 本身是 Anthropic 出的命令行编程代理最初是拿来写代码、改代码的但它真正厉害的地方是能调用外部工具、理解项目上下文、自主规划执行步骤。video-use 把它接过来再配上视频处理需要的一系列工具主要是 FFmpeg就形成了一个“自然语言视频剪辑”的闭环。你可以把整个系统理解成一个翻译加执行层你说的话 → Claude Code 理解并拆解成步骤 → 调用 FFmpeg 等工具执行 → 输出成片。整个过程里你不需要记忆任何剪辑软件的快捷键也不需要学习复杂的命令行参数——至少大部分时候不用因为 Claude 会帮你把命令拼好。我在实际体验中最大的感受是它不是一个“玩具 Demo”而是真的能把视频剪辑从“手动操作”变成“半自动执行”。尤其是那些规则明确、流程固定的剪辑需求比如把几十段竖屏素材统一裁剪成 9:16、拼接并加上转场、输出同一个编码格式这类事情用自然语言下达指令效率比手动高太多了。1.3 项目定位与适用人群video-use 适合谁我自己的判断是三类人最合适第一类是内容运营和自媒体编辑。他们每周要产出大量短视频剪辑需求往往是套模板式的重复度极高。第二类是程序员和技术爱好者。本身就熟悉命令行也愿意折腾 AI 工具遇到问题能自己排查。第三类是“有剪辑需求但不想学专业软件”的轻度用户。他们的需求很朴素合并几段视频、去掉某些片段、压个字幕、调整速度这些自然语言表达绰绰有余。反过来如果你要做非常精细的调色、复杂的多轨道合成、依赖大量关键帧动画的特效剪辑那 video-use 现在还替代不了专业软件。这个边界要在心里有个数不然期望值会崩。2. 环境准备把 Claude Code 跑起来2.1 安装 Claude Code 的两种方式video-use 的核心驱动是 Claude Code所以第一步是把 Claude Code 装好。官方推荐的安装方式是通过 npm 全局安装命令很简单npm install -g anthropic-ai/claude-code装完之后验证一下版本claude --version如果你本机没有 Node 环境需要先去 Node 官网安装 LTS 版本的 Node.js。Windows、macOS、Linux 都有对应的安装包这里不展开。装好 Node 之后再用 npm 装 Claude Code基本几分钟就完事。除了 npm官方也提供原生安装脚本适合不想碰 Node 的环境。以 macOS 和 Linux 为例curl -fsSL https://claude.ai/install.sh | bash我个人更推荐 npm 方式因为后续升级方便直接npm update -g anthropic-ai/claude-code就行。原生安装脚本的升级路径相对不够统一容易搞混版本。提示安装完成后第一次运行claude会进入交互式引导。它会检查登录状态、确认是否允许读取某些目录权限这一步不要一路回车跳过稍后我会讲权限设置的问题。2.2 模型接入与密钥配置Claude Code 底层要调用大模型。如果你有 Anthropic 官方的 API Key配置是最简单的在终端里设置环境变量ANTHROPIC_API_KEY或者在 Claude Code 的交互界面里按提示登录授权。export ANTHROPIC_API_KEYsk-ant-xxxx claude不过我得说句实在话官方 API 的计费对个人用户不算便宜日常剪辑测试如果频繁调用账单可能会让人有点肉疼。社区里现在很流行接国内兼容 Anthropic API 格式的大模型服务比如 DeepSeek 等成本一下子低很多。这个思路可行而且很多模型在“生成 FFmpeg 命令、写脚本”这类任务上表现并不差。接第三方模型的原理其实就是改两个环境变量一个把 API 地址指向兼容服务的 endpoint一个把 API Key 换成服务商提供的信息。具体在哪配置取决于你用的服务商一般是export ANTHROPIC_BASE_URLhttps://你的兼容服务地址 export ANTHROPIC_API_KEY你的服务商密钥配置完后再启动claude交互界面里显示的模型就是第三方服务提供的。注意不同第三方服务对“兼容”的实现程度不一样有的支持工具调用很完整有的反而会断。video-use 这类项目强烈依赖 Claude Code 的工具调用能力如果发现指令执行时经常中断、报工具调用错误优先怀疑是不是模型服务兼容性不够。2.3 安装 video-use 与前置依赖 ffmpegClaude Code 只是一个“大脑”真正动手剪视频的是 FFmpeg。所以 FFmpeg 是必须装的而且版本不能太老。macOS 上用 Homebrewbrew install ffmpegUbuntu/Debian 系sudo apt update sudo apt install ffmpegWindows 用户可以去 FFmpeg 官网下载编译好的二进制把 bin 目录加入系统的 PATH 环境变量。装完之后验证ffmpeg -versionvideo-use 项目本身的安装我以目前社区常见的做法为例。它本质上是一组 skill 定义和脚本模板通常会告诉你要把项目克隆到某个目录然后添加给 Claude Code 作为技能git clone https://github.com/你的目标仓库/video-use.git cd video-use npm install # 或 install.sh取决于项目说明装完之后项目里一般会有一个 skill 目录或者配置说明里面定义了 Claude Code 理解视频任务时要用到的工具、提示词模板、可执行脚本。有些版本需要你在 Claude Code 的配置里手动注册 skill 路径有些版本则自动识别。这里我强烈建议你仔细读一下项目的 README——我的经验是90% 的安装失败都出在“跳过 README、凭感觉操作”上。我自己的安装顺序是先装 Node 和 FFmpeg → 再全局装 Claude Code → 登录或配好 API → 克隆 video-use → 按 README 安装依赖 → 启动 Claude Code 试跑一个最简单的剪辑指令。按照这个顺序走基本不用走回头路。2.4 权限设置给 Claude Code“动手”的空间Claude Code 默认在沙箱限制下运行它不可以随便读写文件、执行命令。要让它剪辑视频必须给它对应目录的访问权限。第一次启动claude时它会问你要不要允许在当前目录读取、写入文件。这里我建议按需授权如果你只在一个专门的视频处理目录里工作就只把这个目录授权给它不要把整个家目录都放开。原因很简单AI 代理如果权限过大一旦理解错指令可能批量删文件或者覆盖掉原始素材这属于比较低级的误操作但后果很严重。除了文件读写权限命令执行权限也很重要。Claude Code 执行 FFmpeg 命令属于“运行任意命令”它的权限策略里通常有 allowlist 机制。你可以提前把ffmpeg、ffprobe这两个命令加入允许列表这样执行时不会每一步都弹窗询问。具体操作是在 Claude Code 的配置里加上类似这样的规则{ allow: [ Bash(ffmpeg:*), Bash(ffprobe:*) ] }提示如果你用的是第三方模型服务权限提醒可能不会像官方模型那么规范务必在正式剪辑前先跑一个ffprobe -version之类的测试命令确认能正常执行再开始复杂任务。3. 实操全流程从一句自然语言到成片3.1 第一个指令快速上手环境全部配好之后我建议不要一上来就搞复杂的“史诗级”剪辑需求先跑一个最简单的合并两段视频。比如你有一个目录/home/user/video-project里面放了a.mp4和b.mp4你进入到这个目录启动 Claude Code然后输入帮我把 a.mp4 和 b.mp4 合并成一个文件输出成 mp4文件名就叫 merged.mp4就这一句话Claude Code 会开始干活。它内部的动作大致是用ffprobe检查两个文件的编码格式、分辨率、时长判断是否可以直接 concat 还是需要重新编码生成对应的 FFmpeg 命令执行命令并确认输出文件生成成功。整个过程你会在终端里看到每一步的执行日志。第一次看到它自己调用工具、自己看着结果调整参数那种感觉还挺奇妙的——就像一个远程的新手剪辑师在按你的要求干活而且它在动手前还会“检查一下素材兼容性”。如果两个视频的分辨率和编码不一致它可能会选择先统一编码再拼接。这时候我会建议你观察一下输出参数如果它直接用-c copy快速拼接说明文件编码一致如果它用了-c:v libx264 -c:a aac重新编码说明它判断需要转换格式这会让处理时间变长但输出更稳。3.2 核心剪辑操作的指令设计合并只是开胃菜。实际剪辑中我测试频率最高的几类操作如下裁剪片段“把 a.mp4 从第 10 秒到第 30 秒剪出来保存成 clip.mp4。” Claude 会转换成类似这样的 FFmpeg 命令ffmpeg -i a.mp4 -ss 10 -to 30 -c copy clip.mp4这里有个细节-ss 10放在-i前面是“快速定位”模式定位快但精度可能到关键帧放在-i后面是“精确解码”模式切得准但慢。Claude Code 默认经常生成的是第一种写法。如果你要精确到帧可以在指令里强调“请用精确切割模式”它会调整参数位置。这算是我实测下来的一个小技巧。拼接多个素材并添加转场“把 1.mp4、2.mp4、3.mp4 按顺序拼接中间加 0.5 秒淡入淡出过渡输出 final.mp4。”这个需求 Claude 会有不同实现方式。如果文件参数一致它可能会生成 concat 列表然后用 filter 加转场。我记得它给过一个典型的实现是ffmpeg -i 1.mp4 -i 2.mp4 -i 3.mp4 -filter_complex \ [0:v][0:a][1:v][1:a][2:v][2:a]concatn3:v1:a1[v][a] \ -map [v] -map [a] final.mp4注意这个方案没有真正的“转场效果”只是无缝拼接。如果你真的需要交叉淡化转场那就得用 xfade 滤镜参数要复杂得多。我测试时遇到过 Claude 在转场需求上“偷懒”——它默认给你做无缝拼接而不是添加视觉转场。后来我学聪明了指令里会写清楚“在两个视频之间加 0.5 秒的交叉淡化转场”它就会老老实实去生成带 xfade 的复杂命令。删除指定时间区间“把 b.mp4 里第 20 秒到第 25 秒的内容删掉前后连接起来。”这类操作不是简单一行 FFmpeg 能搞定的因为要重新拼接。Claude 通常会分两步先剪出 0-20 秒段再剪出 25 秒到结尾段最后 concat。有时候它更聪明会用 filter_complex 的 trim、setpts、aselect 等方法一步到位。但无论哪种方式我都建议你在指令里把需求边界说清楚“保留第 20 秒前和第 25 秒后的画面中间删除”。调整播放速度“把 c.mp4 加速到 1.5 倍速声音保持正常输出 fast.mp4。”这个需求涉及到视频流和音频流的分别处理ffmpeg -i c.mp4 -filter_complex [0:v]setptsPTS/1.5[v];[0:a]atempo1.5[a] \ -map [v] -map [a] fast.mp4这里 setpts 控制视频时间戳atempo 控制音频速度。如果你只改了视频没改音频会出现画音不同步。Claude Code 在解析这个指令时通常会同时处理两个流但我第一次测试时它只生成了视频加速命令导致输出文件声音还是原来的时长、和画面错位。所以这类需求我会特意在指令末尾补一句“请确保视频和音频同步变速”。自动去除静音片段这个功能是让我觉得“自然语言剪辑”真正有价值的场景。传统剪辑软件里去掉视频里的静音停顿需要一段段找非常耗费精力。用自然语言只需要说“把 d.mp4 里所有超过 0.8 秒的静音片段自动去掉保留自然呼吸停顿输出 no_silence.mp4。”Claude 会用 FFmpeg 的 silencedetect 滤镜检测静音段算出剪切点再拼接。这个过程它会先跑一遍检测命令打印出不同时段静音起止时间自己分析后再执行剪切。如果你用剪映手动去静音一段 20 分钟的视频至少折腾半小时它几分钟跑完效果还过得去。当然自动去静音没有想象中那么完美在音乐背景或环境噪音较大的片段里检测会有误差这个后面我会讲怎么补救。3.3 让 AI 理解你剪辑意图的技巧我在用了大概两周之后总结出一套和 Claude Code 高效沟通的“指令公式”。不复杂但很管用说清素材文件名、所在路径、时间点越具体越好。别用“第一个视频”“刚才那个”这种模糊指代。说清目标你要什么样的输出合并、裁剪、去静音、加字幕还是变速一句话说清楚。说清约束输出格式、分辨率、帧率、文件命名这些如果有特殊要求必须明确写出来。说清优先级如果质量和速度冲突你更在乎哪个比如“用最小画质损失的方式导出”和“快速导出画质差一点没关系”Claude 会生成完全不同的命令参数。举个例子同样一个“把视频压成竖屏”需求你的描述方式会影响结果模糊版“帮我把视频变成竖屏。” —— Claude 可能会直接裁切画面导致人物被切掉。清晰版“把 video.mp4 从横屏 16:9 转为竖屏 9:16保持画面主体完整上下部分用模糊背景填充输出 1080x1920。” —— 它会用 pad 加模糊背景的方式而不是单纯裁剪。我刚开始用的时候吃过亏指令写得太随性结果 Claude 把画面裁得乱七八糟。后来我养成了“每次下达剪辑任务时先在脑子里把需求拆成‘素材 操作 参数 输出’四要素”的习惯准确率直线上升。3.4 渲染导出与参数选择剪辑的最后一步是导出这部分的参数直接影响成片质量和文件大小。Claude Code 会默认选一组参数但未必适合你的发布渠道。常见导出需求追求平台兼容性H.264 编码 AAC 音频 MP4 封装这基本是通用解。追求高质量用-crf 18 -preset slow文件体积大一点但画质干净。追求体积小-crf 28起适合聊天工具传输但画质会有肉眼可见的劣化。保留透明通道需要 mov 格式 ProRes 4444一般剪辑时才会用到。你能在指令里直接指定这些参数比如导出 final.mp4用 H.264 编码CRF 值 20preset 用 medium音频 128kbps AAC。Claude 会把这些参数直接翻译成 FFmpeg 输出参数。我建议凡是正式发布的视频都不要让它用默认参数导出而是在指令里写清楚 CRF 和编码器。这个细节决定了你在审美上能接受的下限。关于渲染速度如果你的电脑没有 GPU 加速FFmpeg 软件编码大视频会非常慢。Claude Code 有时候会忽略这一点硬生生跑一个 4K 转码等十几分钟。你可以提前跟它说“检测到没有 GPU 时用 ultrafast preset 先出一版粗剪让我预览确认后再用高质量参数最终导出”。这类分阶段策略能省不少时间。4. 常见问题与排查实录4.1 API 连接与鉴权问题第一个绕不开的问题是 Claude Code 启动时连不上服务。症状一般是启动后卡住提示无法连接到 API或者直接报鉴权失败。排查思路按顺序来检查 API Key 是否配置正确。用echo $ANTHROPIC_API_KEY确认环境变量有没有真的生效。检查 API 地址ANTHROPIC_BASE_URL是否正确。如果你用了第三方兼容服务地址拼写一个字符错都会失败。确认账户是否有余额。这个问题最容易忽略很多人配好了 Key结果服务商那边余额归零请求全被拒。确认网络环境能否访问目标服务。这一步比较敏感我只提醒一句不同国家和地区、不同网络环境下服务可用性不一样如果发现无法连接先确认你的网络环境是否满足服务商的要求再联系服务商核实状态。注意不要一遇到连接失败就急着换工具、改配置。我见过很多用户把 Anthropic 官方服务和第三方服务混着配置环境变量互相覆盖最后谁也连不上。我自己的建议是先清空所有相关环境变量只保留一套确认能跑通再加别的。4.2 ffmpeg 与路径问题这两年 Claude Code 用下来报错最频繁的就是“找不到 ffmpeg”或“ffmpeg: command not found”。原因通常有两种FFmpeg 没有真正安装成功或者安装后没有加入 PATH。Claude Code 执行命令时的 PATH 环境和你的终端 PATH 环境不一致。第二种情况更隐蔽。我的问题就出现在 macOS 上我用 Homebrew 装了 FFmpeg终端里能正常执行但 Claude Code 就是报找不到。后来发现是 Claude Code 的启动环境没有加载 Homebrew 的 PATH。解决办法是把 FFmpeg 路径写进项目的.env文件或者直接给 Claude Code 配置完整的 PATH 环境变量。Windows 用户则要注意FFmpeg 的 exe 路径不要包含空格比如不要把 FFmpeg 放在C:\Program Files\这种目录下否则一些调用的解析会出问题。放在C:\tools\ffmpeg\bin这类简洁路径里踩坑少得多。4.3 内容生成质量不稳定自然语言剪辑最让人头疼的问题就是“这次能跑通下次就翻车”。我遇到几次典型的场景同一个指令换了个模型服务商结果完全不一样。有些模型生成的 FFmpeg 命令过于天马行空甚至拼接语法错误。Claude Code 在执行过程中“自作主张”比如我说“简单拼接”它却给我做了重编码导致耗时长、画质反而变差。多步任务做了一半突然中断没有按计划继续执行。排查思路其实很简单如果指令本身逻辑清晰那大概率是模型对 FFmpeg 的理解不够或者上下文太长导致“忘事”。针对“自作主张”的问题我会在指令里增加“限制条件”“不要重新编码除非编码不一致直接拼接保持原画质。”针对中断我会要求“先输出完整执行计划确认后再执行”这样至少能知道它打算干什么。4.4 长视频、大文件的资源瓶颈处理长视频时有两个瓶颈一定会遇到一个是上下文长度。Claude 在分析视频信息时如果每一步都反复读取元数据、列出大量文件几千字的上下文很快就被耗尽。这个问题的缓解办法是把一个复杂任务拆成多个小任务每个视频单独开会话。比如“先给这两个视频去静音再在另一个会话里做拼接和导出”而不是一个会话里从头做到尾。另一个是磁盘和内存。FFmpeg 处理大文件时会生成中间文件如果临时目录空间不足会直接报错退出。我建议视频项目的工作目录预留至少两倍于原始素材的可用空间。处理 4K 素材时这个数字可能要到三倍。有一次我处理一个 4K 长视频temp 目录直接被塞满Claude 反复重试都失败我看日志才发现是磁盘满了。长视频处理要点速查问题典型表现处理建议API 连接失败启动卡住、鉴权报错检查 Key、地址、余额、网络环境ffmpeg 找不到command not found确认安装、检查 PATH、避免空格路径质量不稳同指令不同结果增加限制条件、拆分任务、指定参数上下文超限执行中途“失忆”拆分小任务、新会话处理磁盘不足渲染中途崩溃预留 2 倍以上空间清理临时文件5. 我的使用心得与扩展建议5.1 什么样的场景真正适合自然语言剪辑用了一段时间 video-use 之后我对它的能力边界有了比较清晰的认识。最适合它的场景是那些“流程固定、参数明确、规模大”的批量剪辑任务。比如把一周的直播录像切片成短视频给几十个视频统一加片头和字幕按照文案里的时间点从长视频里抽取素材。这些任务本质上是“按照规则执行重复劳动”用自然语言描述清楚规则后AI 可以稳定、快速地完成。不太适合的场景也很明显高度依赖审美判断的剪辑比如节奏感很强的卡点视频、复杂转场动画、调色风格化等。这些领域目前的 AI 代理还做不出专业剪辑师的判断指令再精确也白搭。5.2 我的提示词模板分享最后分享几个我在实战中沉淀下来的指令模板可以直接抄作业。批量去头去尾模板请对当前目录下所有 .mp4 文件执行以下操作 1. 去掉每段视频开头的前2秒和结尾的后3秒 2. 保持原有分辨率和编码方式不要重新编码 3. 输出到 output 目录文件名保持原名。 先列出你将执行的命令确认后再执行。拼接并统一转场模板按文件名数字顺序拼接素材01.mp4、02.mp4、03.mp4。 视频之间添加0.3秒交叉淡化转场。 输出分辨率统一为1920x1080H.264编码CRF 20。 如果某个素材的分辨率不符合要求先用scale和pad补齐。 请先展示拼接方案再执行。智能去静音模板对 video.mp4 去除所有超过1秒的静音片段。 要求环境噪音较大时先做降噪处理保留说话间隔中的轻微停顿不要把所有停顿都去掉 输出后用 ffprobe 对比一下原文件和输出文件的时长把剪掉的时长汇总给我。这些模板的共同点是目标 参数 兜底策略 执行前置确认。多写这四部分成功率会明显提升。5.3 后续可以怎么扩展video-use 的出现其实打开了一个更大的想象空间自然语言操作视频只是 Agent 能力的一种应用类似的思路还能迁移到音频处理、图片批量处理、办公文档批量化等场景。现在社区里已经有人在做“用自然语言查询数据库”“用自然语言做表格处理”这类项目底层逻辑和 video-use 一模一样——让大模型理解意图、规划步骤、调用工具。我的建议是不要只把 video-use 当成一个剪辑工具而是把它当成一个“AI 如何操作真实世界工具”的范本。你把 FFmpeg 换成 Pillow它就能批量处理图片换成 Pandas它就能处理表格。理解了这个迁移逻辑以后任何新工具出来你都能快速上手。最后的最后说点个人体会。用 video-use 剪视频最大的改变不是“省了多少时间”而是它把“剪辑”这件事从“手艺活”变成了“管理活”。你不再需要亲自盯着时间线做重复劳动而是把精力放在创意和表达上——告诉 AI 你要什么然后让它去折腾。当然它目前还不完美偶尔会理解错、会钻牛角尖、会把简单问题复杂化但那种“你在旁边看着它干活、随时纠正”的协作感正是我觉得这个方向最有意思的地方。如果你也喜欢折腾 AI 工具我强烈建议亲手跑一个最简单的合并视频任务试试感受一下自然语言剪辑的完整链路。