通过 Everything Claude Code 的 video-editing 及相关 Skill，开发者能在 AI 编程助手中构建一套端到端的自动化视频生产工作流。该工作流以 FFmpeg 为骨干进行批量切段与预处理，利用 Remotion 的 29 条领域规则进行编程式合成与模板化叠加，并通过 ElevenLabs 与 fal.ai 补充生成配音、音乐及视觉素材，最终借助 VideoDB 完成视频摄取、智能索引与时间线编辑。这套全栈方案将传统数小时的手工剪辑压缩为可自动化、可编程、可复用的智能流程，显著提升内容生产效率。

AI 视频工作流全栈：FFmpeg 剪辑、Remotion 编程合成与多模态素材生成

处理长达数小时的录屏、访谈或活动录像，传统做法需要手动浏览、标记、切片、拼接，再逐一添加字幕、配音和转场，整个过程繁琐低效。Everything Claude Code 提供的 video-editing Skill 及其关联生态，将这一流程升级为一套由 AI 协调、工具链自动化的全栈工作流。本文将以操作指南的形式，拆解从原始素材到多平台成片的完整步骤。

1. 工作流全景与核心组件

这套全栈方案并非单一工具，而是由多个专业组件协作的系统，每个组件解决流程中的一个关键痛点：

AI 结构规划与决策：负责理解视频内容，自动识别有效片段，生成剪辑决策表（Edit Decision List）。
FFmpeg 批量处理层：负责执行裁剪、拼接、格式转换、音量标准化等高强度本地处理任务，是工作流的骨干。
Remotion 编程合成层：负责以 React 代码定义视频的视觉层，实现字幕、品牌元素、动画、数据可视化的精准叠加与模板化复用。
ElevenLabs / fal.ai 多模态生成层：负责补全缺失的音频（配音、音效）和视觉（B-roll、插图）素材。
VideoDB 智能管理层：负责视频的云端摄取、内容索引、基于语义的搜索以及时间线编辑，适合处理大量素材或实时流。

2. 完整工作流分步指南

步骤一：素材采集与结构规划

输入：原始视频文件（如 raw_meeting.mp4）或视频转录文本。输出：包含时间戳、主题和保留原因的剪辑决策表，以及后续步骤的指令。

准备素材：使用 Screen Studio 等工具录制，或直接导入现有视频文件。确保视频文件位于项目工作目录。

触发 AI 规划：在 Claude Code 或 Cursor 中，向 AI 助手下达明确指令。指令的清晰度直接影响后续自动化的质量。

示例 Prompt：

分析这段 1 小时的产品演示录屏（video: demo_raw.mp4），找出所有核心功能展示的片段，剔除准备和调试部分，生成一份剪辑决策表，目标输出 10 分钟的精华版。请为每个片段标注起止时间和主题。

获取剪辑决策表：AI 将输出一份结构化文本，通常是 CSV 或 Markdown 表格，包含 start（开始时间）、end（结束时间）、label（片段标识）、reason（保留原因）等字段。这是后续所有自动化操作的“蓝图”。

步骤二：FFmpeg 批量切段与预处理

输入：原始视频文件和剪辑决策表（例如 cuts.csv）。输出：一组按主题命名的视频片段文件，以及可能的代理文件。

此步骤完全自动化，AI 根据决策表生成并执行 FFmpeg 脚本。

生成并执行切段脚本：AI 会生成类似以下 Bash 脚本并执行：

#!/bin/bash
# 确保 segments 目录存在
mkdir -p segments

# 读取决策表并逐个切割
while IFS=, read -r start end label; do
  # -c copy 表示直接复制流，不重新编码，速度极快
  ffmpeg -i "raw_meeting.mp4" -ss "$start" -to "$end" -c copy "segments/${label}.mp4"
done < cuts.csv

验证方法：检查 segments/ 目录下是否生成了对应数量的 .mp4 文件，每个文件时长应与决策表中的 (end - start) 基本一致。

可选预处理：对于超大文件，可以生成低码率代理文件以加速后续编辑：

# 为每个片段生成 720p 代理文件
for f in segments/*.mp4; do
  ffmpeg -i "$f" -vf scale=1280:720 -c:v libx264 -crf 23 "proxies/$(basename "$f")"
done

步骤三：Remotion 编程式合成

输入：切好的视频片段、品牌资产（Logo、字体）。输出：一个可渲染的 Remotion 组件，定义了视频的视觉结构。

Remotion 允许你用 TypeScript/React 代码定义视频。video-editing Skill 会辅助 scaffold 出基础组件。

初始化 Remotion 项目（如果尚未有）：
```
npx create-video@latest
```

生成或编写主合成组件：AI 会根据你的需求生成代码。一个典型组件会按时间轴排列视频片段，并在特定时刻叠加字幕或动画。

// src/Composition.tsx
import { AbsoluteFill, Sequence, Video, useCurrentFrame } from "remotion";
import { Subtitles } from "./Subtitles"; // 假设的字幕组件

export const MyVideo: React.FC = () => {
  const frame = useCurrentFrame();
  return (
    <AbsoluteFill style={{ backgroundColor: "black" }}>
      {/* 片段1：开场，持续 150 帧（约 5 秒 @ 30fps） */}
      <Sequence from={0} durationInFrames={150}>
        <Video src="/segments/intro.mp4" />
      </Sequence>
      {/* 叠加标题，从第 30 帧开始，持续 90 帧 */}
      <Sequence from={30} durationInFrames={90}>
        <AbsoluteFill
          style={{
            justifyContent: "center",
            alignItems: "center",
          }}
        >
          <h1 style={{ color: "white", fontSize: 80 }}>
            智能视频工作流
          </h1>
        </AbsoluteFill>
      </Sequence>
      {/* 片段2：功能演示，从第 150 帧开始 */}
      <Sequence from={150}>
        <Video src="/segments/feature_demo.mp4" />
      </Sequence>
      {/* 字幕层，根据数据自动生成 */}
      <Subtitles startFrame={150} />
    </AbsoluteFill>
  );
};

本地预览：使用 npm start 启动 Remotion Studio，在浏览器中实时预览效果。这是调整节奏、动画和字幕同步的关键环节。

步骤四：多模态素材生成（ElevenLabs / fal.ai）

输入：文本描述、视频片段。输出：配音音频文件（.mp3）、背景音乐、音效或补充性视觉素材（B-roll）。

当视频缺少旁白或需要增强听觉体验时，调用 AI 生成服务。

生成配音：使用 fal-ai-media Skill 的 ElevenLabs 接口。

# generate_voiceover.py
import os
import requests

ELEVENLABS_API_KEY = os.getenv("ELEVENLABS_API_KEY")
VOICE_ID = "21m00Tcm4TlvDq8ikWAM" # 示例声音ID

text = "接下来，让我们看看这个功能是如何工作的。"
url = f"https://api.elevenlabs.io/v1/text-to-speech/{VOICE_ID}"

headers = {
    "xi-api-key": ELEVENLABS_API_KEY,
    "Content-Type": "application/json"
}
data = {
    "text": text,
    "model_id": "eleven_turbo_v2_5"
}

response = requests.post(url, json=data, headers=headers)
with open("voiceover.mp3", "wb") as f:
    f.write(response.content)
print("配音文件已生成：voiceover.mp3")

验证：播放 voiceover.mp3，确认语音清晰、内容正确。

生成补充视觉素材：使用 fal-ai-media Skill 的文本生图能力。

// 调用 fal.ai 的 Nano Banana Pro 模型生成产品场景图
generate(
  app_id: "fal-ai/nano-banana-pro",
  input_data: {
    prompt: "abstract technology background with flowing blue particles, 4k",
    image_size: "landscape_16_9"
  }
)

输出示例：返回一个图片 URL，可下载后放入 Remotion 项目的 public 文件夹。

步骤五：最终渲染与多平台适配

输入：完成的 Remotion 组件、生成的配音/音乐文件。输出：不同分辨率和画幅的最终视频文件。

渲染主视频：

npx remotion render src/index.ts MyVideo output/master.mp4

生成多平台版本：AI 可以生成 FFmpeg 命令，将主视频裁剪或缩放至不同平台要求。

# 从 16:9 主视频裁剪出 9:16 竖屏版（居中裁剪）
ffmpeg -i output/master.mp4 -vf "crop=ih*9/16:ih,scale=1080:1920" output/tiktok_vertical.mp4

# 生成 1:1 方形版
ffmpeg -i output/master.mp4 -vf "crop=min(iw\,ih):min(iw\,ih)" output/instagram_square.mp4

3. 进阶：与 VideoDB 集成进行智能管理

对于更复杂的场景，如需要从长达数天的监控录像中提取特定事件，或管理一个庞大的视频素材库，videodb Skill 提供了更强大的能力。

摄取与索引：将视频上传至 VideoDB 云端，自动建立语音和视觉索引。

import videodb
conn = videodb.connect()
coll = conn.get_collection()
video = coll.upload(file_path="long_conference.mp4")
video.index_spoken_words() # 索引所有语音内容
video.index_scenes() # 索引场景

内容搜索与剪辑：通过自然语言搜索特定内容，并直接生成剪辑流。

# 搜索所有提到“预算”的片段
results = video.search("预算讨论")
shots = results.get_shots()
# 将搜索结果编译成一个可播放的视频流
stream_url = results.compile()

时间线编辑：在云端 API 层面进行更复杂的编辑，如添加字幕、叠加图片，无需本地处理文件。

from videodb.timeline import Timeline
from videodb.asset import TextAsset, TextStyle
timeline = Timeline(conn)
timeline.add_inline(video_asset) # 添加主视频
timeline.add_overlay(0, TextAsset(text="重要结论", duration=5, style=TextStyle(fontsize=48)))
final_stream = timeline.generate_stream()

4. 注意事项与排错

FFmpeg 命令失败：检查输入文件路径是否正确，时间戳格式是否为 HH:MM:SS.ss 或秒数。确保 segments/ 目录有写入权限。
Remotion 渲染卡顿或崩溃：检查是否有组件在时间轴外的帧访问了未定义的资源（如视频、图片）。使用 useCurrentFrame() 进行条件渲染或错误边界处理。
AI 生成内容不一致：避免在整个视频中过度使用 AI 生成内容。最佳实践是“人工规划结构，AI 执行细节”，并在关键视觉风格（如调色、品牌元素）上保持人工最终把关。
API Key 错误：所有外部服务（ElevenLabs, fal.ai, VideoDB）都需要有效的 API Key。请确保在环境变量或 .env 文件中正确配置。

FAQ

Q: 整个工作流必须按顺序完成吗？能否跳过某些步骤？ A: 可以根据需求灵活组合。如果已有配好音的素材，可以跳过步骤四；如果只需简单拼接，可以不用 Remotion 而只用 FFmpeg。核心是理解每个工具的定位，按需调用。

Q: 为什么推荐用 Remotion 而不是直接用剪辑软件？ A: Remotion 的优势在于“编程化”和“可复用”。一旦定义好模板（如带有标准字幕栏、片头片尾的 vlog 模板），就可以通过替换数据批量生成一系列风格统一的视频，非常适合内容创作和产品演示的规模化生产。

Q: 这套方案对个人电脑性能要求高吗？ A: 主要性能消耗在 FFmpeg 的视频编码和 Remotion 的渲染上。对于 1080p 视频，一台主流的现代笔记本电脑完全可以胜任。涉及 4K 或复杂动画时，渲染时间会显著增加，可考虑使用 Remotion 的云渲染服务。AI 生成和云端处理（VideoDB）部分不消耗本地算力。

AI 视频工作流全栈：FFmpeg 剪辑、Remotion 编程合成与多模态素材生成 #

1. 工作流全景与核心组件 #

2. 完整工作流分步指南 #

步骤一：素材采集与结构规划 #

步骤二：FFmpeg 批量切段与预处理 #

步骤三：Remotion 编程式合成 #

步骤四：多模态素材生成（ElevenLabs / fal.ai） #

步骤五：最终渲染与多平台适配 #

3. 进阶：与 VideoDB 集成进行智能管理 #

4. 注意事项与排错 #

FAQ #