MiniMax M2 智能口播剪辑系统：30倍效率提升

Source: (unknown)

Summary

作者用 MiniMax M2 搭建了一套口播视频智能剪辑系统，将一小时素材的剪辑效率提升约 30 倍。核心设计是将视频剪辑问题转化为文本判断问题：视频 → 音频 → 带时间戳字幕 → AI 分析文本 → ffmpeg 剪切，全程 AI 只消耗文本 Token。系统分三步：AI 初筛标记废话/口误并生成审核稿，人工在时间轴审核修正，系统根据修正行为自进化以适应个人剪辑习惯。下一步计划接入 MiniMax 多模态能力，自动为口播内容补生成图表、解释画面等素材，并已开放 skill 版本供 agent 调用。代码全部开源。

Key Points

• 核心节省 Token 的设计：AI 只读纯文本字幕，视频剪辑问题被转化为文本判断问题
• 四步流程：视频提取音频 → 音频转带时间戳字幕 → AI 分析文本标记废话/口误 → ffmpeg 执行剪切
• 人机协作设计：AI 初筛生成审核稿（含时间戳、原因），人工在界面点击直接跳转画面进行最终把关
• 自进化机制：人工修正后系统自动分析修正逻辑，使用越多越懂个人剪辑风格
• 下一步：接入 MiniMax 多模态（图像/语音/视频），口播提到数据自动生成图表，补充过渡素材
• 已封装为 skill 节点，可直接接入 agent 工作流调用

Transcript

transcript