嗨，大家好，我是格子，一个天天和 AI 打交道，但本质上还是技术小白的女生。

前几天我录了一条口播视频，原素材有 38 分 21 秒，里面有口误、重复、停顿，也有录屏内容需要放大。

如果按照我以前的做法，大概就是打开剪映，放着录制的视频，一点点找废话减掉。

粗剪的过程，我估计就需要1-2小时，还要识别字幕，校对字幕，添加一些关键性信息，没有三五个小时，我感觉自己搞不定。

于是我就想啊：codex能不能帮我剪辑呢？

搜了一圈资料，发现 codex 搭配 chatcut 可以达到我的目的。

于是我先让 Codex 安装 ChatCut，再直接用自然语言指挥它剪。

结果比我预想的完整，但过程也比“一键出片”真实得多。

下面我把安装指令、正式剪辑指令、每一轮修改，以及我踩到的坑都拆开写。不会代码也没关系，照着复制，再把素材和要求换成自己的就可以。

一、先把 ChatCut 安装进 Codex

这一步我没有打开命令行，也没有自己找安装包。

我直接在 Codex 里输入：

阅读 chatcut.io/chatgpt ，帮我安装 ChatCut 插件并创建一个新任务

Codex 先读取了 ChatCut 的安装说明，然后去添加插件市场、安装插件，并发起登录授权。

中间第一次没有直接完成，我又补了一句：

你帮我安装ChatCut 插件，看看怎样才能安装上

后面的事情基本由 Codex 接手了。根据当时的任务记录，它依次做了这些事：

找到 Codex 自带的命令行工具。

添加名为 chatcut-inc 的插件市场。

安装 chatcut@chatcut-inc。

执行 ChatCut 登录，并在浏览器打开 OAuth 授权页。

检查 ChatCut 插件和 MCP 是否已经启用。

创建一个新任务，让刚装好的工具能够被调用。

这里的 MCP，可以先把它理解成“Codex 和 ChatCut 之间的连接口”。

普通用户不用记命令，知道授权成功以后，Codex 才能真正操作 ChatCut 就够了。

浏览器弹出授权页时，需要自己完成确认。这一步不能跳过。

安装结束后，Codex 检查到 ChatCut 插件、ChatCut MCP 和相关运行工具都已启用，才算真正装好。

为什么还要创建一个新任务？

因为插件是在旧任务运行期间才装进去的。新任务重新加载以后，Codex 才能拿到刚增加的 ChatCut 工具。对我这种小白来说，最简单的判断就是：不要只看“安装成功”，还要确认新任务里真的能打开 ChatCut。

目前官方页面给出的方式也是在桌面端把安装要求交给 ChatGPT 或 Codex 执行。安装入口和支持范围可能变化，实际操作时建议再看一眼 ChatCut 官方安装说明。

如果现在让我重新写一遍安装要求，我会写得更完整一点：

请阅读 https://chatcut.io/chatgpt-plugin 的官方说明，
帮我安装 ChatCut 插件，完成登录授权并验证插件可以调用。
安装完成后，请创建一个能够使用 ChatCut 的新任务，
最后告诉我看到什么结果才算安装成功。

二、装好以后，怎么真正打开 ChatCut

进入新任务后，我发的指令很短：

帮我在这个页面打开chat cut

Codex 随后打开了 ChatCut 项目页。

判断是否成功，不只是“浏览器打开了”。还要看 Codex 能不能读取项目、素材库和时间线，并继续执行编辑操作。页面能看见，工具也能控制，这才叫接通了。

我之前测试过另一个素材，所以正式开剪前，还先让它把旧项目清理干净：

这个项目先不做了，我会给你另外一个口播+屏幕录制的视频，
你先把前面已经粗剪的视频删掉，确保chatcut是干净的，
完成后告诉我你已经准备好了，我再发视频素材给你

这句话值得保留。

如果项目里已经有旧视频、旧字幕或旧音乐，直接换素材很容易弄混。先清空，再等它明确回复“已经准备好”，后面排查问题会轻松很多。

三、导入 38 分钟素材后，我给了它什么要求

项目清理完成后，我导入了 7.23.mp4。这是一个 1920×1080 的横屏视频，内容是单人口播加屏幕录制，原始时长约 38 分 21 秒。

接下来是整次剪辑最重要的一条指令。我当时写的是：

帮我把这个口播+屏幕录制的视频剪成成片，
希望你在加载 talking head guide skill 后一步步带我做。
口播清理，卡顿的地方要清掉，语气词也要清掉，
但是不要影响整个视频的质感、B-roll、MG动画、音乐、字幕,一起敲定最终剪辑。
每一步需要什么尽管问我。

这段看着有点长，其实只说清了四件事。

第一，告诉它素材是什么。口播、访谈、课程和纯录屏，剪法不一样。

第二，说明清理尺度。我让它删卡顿和语气词，但不能把正常语气也剪碎。

第三，列出最终成片需要的东西：B-roll、MG 动画、音乐和字幕。这样它不会只给我一条“去掉废话的裸视频”。

第四，让它一步步问我，而不是自己闷头做到最后。

ChatCut 随后让我确认成片长度、画幅、B-roll 密度、MG 风格、音乐和字幕等选择。我选的是横屏 16:9、克制的屏幕放大、轻科技 MG、分段 Lo-fi 音乐、中文字幕，并且每个阶段都先让我验收。

这一步千万别嫌麻烦。

前面多确认两分钟，通常比最后对着一条十几分钟的成片逐帧返工省事。

四、第一阶段：粗剪

ChatCut 先复制出一条新的成片时间线，保留原始素材，再处理明显口误、重复、卡顿和低信息内容。第一轮结束后，时间线从约 38 分 21 秒变成了约 27 分 43 秒。

我检查的重点不是“删得多不多”，而是句子开头有没有被剪掉、剪切点有没有跳音、思考停顿是不是全被删光了，以及人的语气有没有被剪成机器人。

对了，ai粗剪完，一定要自己再听一遍，当时我发现有些重复的语句没被剪掉，所以我人工又过了一遍，千万不要觉得ai做完就行了。

我过一遍，没问题后，回答：

口播通过，继续 B-roll

如果你听到某个地方不对，不要只说“这里剪得不好”。最好按这个格式讲：

在 02:18 到 02:24 之间，上一句话结尾被剪断了。
请恢复完整句子，但保留后面重复内容的删除结果。
修改后检查前后两处衔接，不要影响后面的时间线。

时间点越准，问题越具体，AI 越不容易修错地方。

五、第二阶段：B-roll 不一定要去网上找素材

这条视频本身带屏幕录制，所以我没有让它额外找一堆“程序员敲键盘”的通用素材。

ChatCut 从原录屏里选了五个需要看清界面的地方，做成全屏放大：

03:29～03:35，模型选择区域；

07:31～07:37，模型市场和顶部导航；

13:19～13:27，图片模型入口；

15:08～15:14，生成结果和费用区域；

18:00～18:09，下载区域。

这种 B-roll 很朴素，但对教程视频挺实用。观众需要看的时候就放大，不需要看的时候回到口播画面。

审核时我又发现，02:45 左右到 03:23 左右的录屏里有二维码。我不想让它以清晰状态一直出现在画面里，于是补了一条：

有一个需要优化的，就是2分45秒开始，一直到3分23秒左右，
那一块的二维码，我觉得可以打个半模糊的码，
免得被平台识别，导致违规

ChatCut 随后只处理了这段二维码区域，没有把整张录屏都糊掉。

这一阶段我会检查三个地方：放大的位置对不对、放大后文字能不能看清、进出全屏时有没有突兀跳变。

确认以后，我回复：

B-roll通过，继续MG样片

六、第三阶段：MG 动画先做一个，别急着批量

MG 可以理解成覆盖在画面上的动态图形，比如关键词、步骤提示和小卡片。

ChatCut 先在大约 03:44 的位置做了一条轻科技风样片，而不是一口气铺满整条视频。这个做法很对，因为第一版确实不太合我心意。

我的反馈是：

你做的这个mg样片，我看了下，
一个是出场过早了，另外一个时间太长了，
我已经适当调整，可以按照我调整的去批量做MG了

我直接在 ChatCut 时间线上把样片的起点和长度拖到合适位置，再让 Codex 读取我的修改。后面它按照这个节奏批量补了 11 处 MG，每处大约 1.4 秒。

这个过程让我觉得 ChatCut 比纯聊天式剪辑更踏实的一点是：**我不用把所有调整都描述成文字。**能拖的，我自己拖一下；需要重复执行的，再交给 Codex。

我已经调整过了，请你按照我调整的，继续音乐字幕

七、第四阶段：音乐很省事，字幕最容易出问题

音乐部分，ChatCut 导入了一条 Lo-fi 音乐，并根据口播内容分成 13 段使用。有人声的地方压低音量，不需要氛围的时候不硬塞。

我对音乐没有大改，真正返工比较多的是字幕。

第一版中文字幕看着没问题，但继续看就会发现：有些本来属于一句话的内容，被硬拆成了两条字幕。

我这样反馈：

字幕还可以，但是有点瑕疵，
就是有时候一句话是完整的，但是字幕却隔开了。
一句完整的话，尽量不要隔开。

它重新整理了字幕分页。之后我又觉得字幕条位置偏高，于是补充：

我觉得字幕条还可以往下，
可以放到我框住的地方，看看能不能再调整下

这里也有个小经验：字幕审核不能只看有没有错别字。

至少要看四件事：专有名词、断句、每行长度、字幕有没有挡住按钮或演示区域。

八、第五阶段：第一次导出后，我还是让它返工了

音乐、字幕和画面都检查完以后，我回复：

终审通过，导出

ChatCut 导出了视频和 SRT 字幕文件。

按理说，到这里该结束了吧？

没有。

我看第一版成片时，还是发现了字幕错误。例如 Claude 被识别成了 Cloud，TokenHubHK 基本全程都没有识别对，另外还有 Codex、Claude Code 之类的专有名词需要统一。

于是我把错误词直接列给它，让它全片搜索并修正，而不是只改眼前这一条。

最后我还发现 00:13.13～00:15.05 之间有将近两秒内容是多余的。我的要求不只是“删掉这两秒”，还特别说明：

00:13.13 到 00:15.05 这一段内容是多余的，请删除。
删除后，后面的画面、字幕、音乐和 MG 都要一起向前调整，
保持原来的对应关系，不要出现音画错位。

这类修改在剪辑里叫联动或波纹调整。名字不重要，关键是要告诉它：删掉以后，后面的所有内容都得跟着走。

完成修改后，我回复：

没问题，导出

最终文件是 1920×1080、30fps，时长约 18 分 34 秒。

九、这次到底花了多久

如果只统计 Codex 在这次剪辑任务中的实际执行时间，大约是 2 小时 45 分钟。

但从开始处理到最终修改并重新导出，整个流程跨了大约 19 个小时。中间包括我离开电脑、第二天继续审核、查看第一版成片，以及几轮人工反馈。

我不会把它写成“两小时自动剪完一条视频”，从开始到结束，确实花了19小时，包含我晚上睡了一觉哦，哈哈哈。

AI 替我做掉了大量寻找剪点、批量生成、调整时间线和导出的工作，但审核仍然是我自己的。

尤其是字幕专有名词、MG 出场时机，以及“这句话到底该不该删”，AI 没法替我做最终判断。

十、给小白的可复制指令包

1. 安装 ChatCut

请阅读 https://chatcut.io/chatgpt-plugin 的官方安装说明，
帮我安装 ChatCut 插件并完成登录授权。
安装后请验证 ChatCut 插件和 MCP 已启用，
再创建一个可以调用 ChatCut 的新任务。
每一步完成后告诉我结果，遇到需要我授权的页面就提醒我。

2. 打开并清理项目

请打开 ChatCut 项目。
如果项目中已经有旧素材、旧时间线、字幕或音乐，
先清理干净，但不要删除我这次新上传的素材。
完成后先告诉我当前项目状态，不要直接开始剪辑。

3. 口播完整剪辑

请把这个口播+屏幕录制视频剪成一条 16:9 横屏成片，
先加载 talking head guide skill，再分阶段带我完成。

第一阶段清理口误、明显重复、卡顿和多余语气词，
但保留自然停顿，不要把说话节奏剪碎。
口播通过后，再依次做 B-roll、MG 动画、音乐和中文字幕。

每完成一个阶段就停下来让我检查，
没有得到我的“通过”之前，不要进入下一阶段。

4. 阶段验收

口播通过，继续 B-roll
B-roll 通过，先做一处 MG 样片，不要直接批量
MG 样片通过，请按我调整后的时间批量制作，再继续音乐和字幕
终审通过，导出视频和 SRT 字幕

5. 返工通用模板

请修改 [开始时间] 到 [结束时间] 的内容。

现在的问题是：[描述看到或听到的具体问题]。
正确结果应该是：[说明要保留、删除、替换或恢复什么]。

这次修改 [需要 / 不需要] 联动后面的画面、字幕、音乐和 MG。
修改完成后请检查前后衔接，并告诉我具体改了什么。
先不要导出，等我复核通过。

这套模板里最有用的是时间点、问题、正确结果和联动范围。四样写齐，返工会少很多。

写在最后

这次跑完，我对 Codex＋ChatCut 的判断很简单。

它适合不想自己处理每一个剪点，但愿意分阶段看视频、给反馈的人。你可以不会复杂的剪辑快捷键，也不用全程盯着时间线；但如果连成片都不想看一遍，那字幕错误和节奏问题大概率就存在。

我最喜欢的并不是“AI 自动剪辑”这几个字，而是可以用人话提要求，也能随时进入 ChatCut 时间线自己去调整。

它没有把我变成专业剪辑师，只是让我不需要花大量的时间去干重复的劳动，我觉得有了codex，我的时间可以拿去做更有价值的事情。

当然，上面的流程有一个前提：电脑里得先有 Codex。如果你还卡在 Codex 的安装和网络环境这一步，可以了解一下 tokenhubhk 里有个工具叫 QoPad，可以自动一键安装市面上的ai工具，比如codex，claude code等，先把 Codex 装好，再回来复现这套流程。