跨国深谈← 返回←让智能体替你剪视频：Reelful 的智能体视频剪辑流水线

让智能体替你剪视频：Reelful 的智能体视频剪辑流水线

关联

人物 Ekaterina Deyneka

公司 Reelful

概念 智能体 · 智能体视频剪辑 · 沙箱 · Remotion

你在大会、旅行、聚会上录了一堆视频，却几乎从没发到网上——因为视频剪辑又繁琐又基本靠手工，像一门艺术而不是能自动化的活。这场演讲的主角 Kate 是 Reelful 的创始人兼 CEO,她要做的事就是把这个活交给智能体：你把照片和视频丢进来，加一句指令(或什么都不说)，智能体自己理解素材、挑出最好的片段、加字幕、配音乐、配音、做 B-roll(补充画面素材)，最后给你一条可以直接发社交媒体的成片 。

什么智能体视频剪辑，以及它难在哪

用户侧的体验很简单：放入媒体文件，加上下文——可以是描述素材里发生了什么，也可以是指令，比如「加字幕、加音乐、加配音」。然后智能体自己完成剩下的一切 。再举个例子：你录了一段对着镜头说话的视频，里面满是停顿和废镜头，智能体自己判断该删什么、怎么接，交付一条可直接分享的片段 。

从基础设施角度看，智能体视频编辑器和智能体应用构建器(比如帮你写应用的那种)结构非常相似：都有提示词入口(视频编辑器是「媒体 + 提示词」)，后端都会启动一台远程机器——沙箱，里面有一个带着工具和技能的智能体在干活；应用构建器操作的是代码库，视频编辑器操作的是视频合成；前者交付应用预览，后者交付渲染好的视频 。

但 Reelful 特意选择了更难的那条路：只剪辑真实素材，不大量生成内容。生成等于给智能体一张空白画布，想做什么做什么；而剪辑要求智能体自己判断哪些片段最好、省略什么、怎么组织，素材还可能凌乱不完整，却仍要交付专业水准的成果——理想情况下，观众根本分辨不出是 AI 剪的还是人剪的 。

流水线五步：从素材到成片

Reelful 的完整流程是这样的 :

第一步，媒体理解。智能体要先看懂每段视频和照片里发生了什么，并对着镜头说话的视频做语音转录。

第二步，创意方案。在真正动手剪之前，先生成一份创意方案给用户确认——喜欢就批准，想改就改，也可以要求重新生成。这一步把「品味」的最终决定权留给用户。

第三步，启动沙箱执行。用户批准后，智能体在沙箱里开工，自带两类东西。

一是技能：比如剪辑规则(怎么挑最佳片段)、字体搭配(什么场景用什么字体)、怎么生成 B-roll——Kate 强调，这正是品味和手艺真正沉淀的地方 。二是子流程：智能体可以按需启动生成匹配这段构图的音乐、生成配音、添加音效，甚至把你提供的照片做成动态的，让画面更有动感 。

第四步，Remotion 合成。Remotion 是一个开源框架，用 React 代码来写视频——一个文件按顺序定义所有素材、轨道和衔接方式。选它的理由很直接：智能体非常擅长写代码，所以让它们用写代码的方式造视频 。

第五步，验证层。智能体会犯错，所以 Reelful 专门开发了验证层，检查整个合成是否干净、定义良好、能不能全部渲染出来；发现问题就打回去让智能体迭代修改 。

把复杂工作流卖给大众消费者的三招

这套流水线很复杂，但 Reelful 的目标是让用户对它一无所知也能用。具体做了三件事 :

移动优先——让用户能在开车、走路甚至举铁时剪视频；方向性模板——Kate 承认用提示词描述剪辑需求本身就难，所以提供「对着镜头说话」「加 B-roll」「加配音」这类模板，用户选一个、拖入素材即可，完全不用写提示词也能出片；传统编辑器兜底——用户先让智能体生成视频，想微调(删掉一秒、改字幕里一个词)时，可以进一个熟悉形态的编辑器手动改。

演示的例子是她自己拍的：一条关于 Cursor 创作者晚宴的视频，全程只用智能体组装，没用任何常规视频编辑器，她已经直接发上了社交媒体 。Reelful 还处于早期，刚发布了第二个版本的 beta,并拿到了 A16Z speedrun 的投资 。

本集带走

• 智能体视频剪辑的流水线五步：媒体理解(看懂素材 + 转录语音)→ 创意方案(先给用户确认再动手)→ 沙箱执行(技能 + 子流程)→ 用 Remotion 写成代码合成 → 验证层检查可渲染性，有问题就迭代。
• 「剪辑比生成更难」：生成是空白画布随便画，剪辑要智能体自己挑最佳片段、决定取舍，还要在素材凌乱时交付观众分不出人机的专业成品。
• 品味沉淀在「技能」里：剪辑规则、字体搭配、B-roll 生成方法，这些是智能体手艺的载体，也是产品差异化的核心。
• 让智能体写视频代码：选 Remotion(用 React 写视频的开源框架)的逻辑是——智能体最擅长写代码，那就让它们用写代码的方式做视频。
• 大众化的三板斧：移动优先、方向性模板(零提示词也能用)、传统编辑器兜底做微调。