Codex 剪辑工作流：爆款参考、素材匹配和剪映草稿

先看适不适合

这篇原文讲的是一套 Codex 自动化剪辑工作流。它的思路很清楚：参考视频给结构和节奏，自己的素材库给画面，Codex 负责拆镜头、找素材、生成配音字幕，最后做出一个剪映草稿。

我会把它当成「批量短视频生产」的方法，而不是精品原创剪辑的方法。带货视频、营销混剪、产品素材拼接、固定节奏的 Vlog，都适合先试。需要强镜头语言、复杂转场、情绪递进的原创视频，还是要人工主导。

先准备这些工具

这套流程最少需要四类东西：Codex、FFmpeg、Python 和剪映专业版。配音可以先不做，等流程跑通后再接豆包 TTS、VoxCPM 或其他语音工具。

请帮我检查自动化剪辑环境：

1. 检查 FFmpeg 是否可用
2. 检查 Python 版本是否大于等于 3.8
3. 检查是否能安装 opencv-python、numpy、pillow
4. 检查本机是否安装剪映专业版
5. 不要直接改系统配置，先告诉我缺哪些东西、怎么补

项目文件夹怎么放

我很认同原文里强调的文件夹结构。自动化剪辑最怕的是素材乱放，Codex 一边找一边猜，最后把原素材移动、覆盖、重命名。目录先定好，后面的工作才不容易乱。

video-workflow/
  AGENTS.md
  assets/
  work/
    2026-07-06/
      reference-2026-07-06.mp4
      video_clips/
      script.txt
      material/
        fragment01/
        fragment02/
      voice/
      jianying_draft/
  final/

assets/ 放长期素材库，剪辑时只复制，不移动。work/ 放每次剪辑的过程文件，按日期分开。final/ 只放确认过的成品。AGENTS.md 写清楚项目目标、目录、流程和验收标准。

完整流程怎么跑

第一步：拆参考视频

先让 Codex 用 FFmpeg 做镜头切分，提取每个镜头的关键帧和音轨，再生成 recipe.json。这个文件是后面所有动作的依据，里面应该记录每个镜头的开始时间、结束时间、时长、关键帧路径和文案分段。

这一步做完不要急着往下跑。先打开关键帧看一遍，确认镜头切得对不对。一个完整镜头被切碎，或者两个镜头没切开，都会影响后面的素材匹配。

第二步：从素材库匹配画面

这一步最有价值。Codex 会读取参考视频的关键帧，再遍历 assets/ 里的素材，按颜色、亮度、构图、场景、产品可见度去做匹配，最后生成 matches.json 和 fragment_plan.json。

这里我会加一条硬规则：低置信度素材宁可标记为缺素材，也不要硬凑。自动化剪辑最容易翻车的地方，就是为了让每个镜头都有画面，随便塞一个不相关素材进去。

第三步：生成配音和字幕

文案可以来自参考视频的音频转写，也可以来自自己写好的口播稿。Codex 可以帮忙按镜头分段，但文案一定要人工检查。自动 OCR 或 ASR 会错字，错字进了配音和字幕，后面修起来更麻烦。

如果接了 TTS，建议让 Codex 记录每段配音的真实时长。视频节奏要跟着真实音频走，不要只按参考视频的原始时长硬塞。

第四步：生成预览视频和剪映草稿

剪映草稿是这套流程里最麻烦的部分。路径必须存在，素材必须能找到，草稿里的内容 ID、元数据 ID、根索引 ID 不能乱。这里不建议第一次就追求全自动批量出片，先生成一个能打开、能检查、能继续编辑的草稿。

我会把剪映草稿当成「交付给人审核的中间件」。打开剪映之后，先看时间轴顺序、素材是否丢失、字幕是否遮挡、配音和画面有没有错位。

可以直接改的提示词

我需要拆解一个参考视频。

参考视频位置：@reference-2026-07-06.mp4
输出目录：work/2026-07-06/

请完成：
1. 用 FFmpeg 识别镜头切换点
2. 为每个镜头提取关键帧
3. 提取音轨
4. 生成 recipe.json，记录开始时间、结束时间、时长、关键帧路径
5. 如果能识别文案，整理成 script.txt，并按镜头分段

完成后先停下来，告诉我切出了多少个镜头，让我确认。

请根据 recipe.json 匹配素材库。

输入：
- recipe.json：work/2026-07-06/recipe.json
- 素材库：assets/

要求：
1. 为素材库视频抽关键帧
2. 按构图、亮度、颜色、产品可见度、场景相似度匹配
3. 每个片段给出置信度
4. 低于 0.6 的片段标记为缺素材，不要硬凑
5. 选中的素材复制到 material/fragmentNN/，不要移动原素材
6. 生成 matches.json 和 fragment_plan.json

完成后列出：匹配成功、低置信度、缺素材的片段。

请生成预览视频和剪映草稿。

输入：
- recipe.json
- matches.json
- material/
- voice/final_voice.mp3
- script.txt

输出：
1. remix.mp4 预览视频
2. captions.srt 字幕文件
3. jianying_draft/ 剪映草稿

注意：
- 素材路径必须是绝对路径，并且文件真实存在
- 不要覆盖已有剪映草稿
- 内容 ID、元数据 ID、根索引 ID 必须一致且唯一
- 生成后先停下来，让我打开剪映检查。

最后怎么验收

自动化剪辑不能只看文件有没有生成。能生成视频，不代表视频能用。我会拆成两轮检查。

先看文件和素材

• 剪映草稿能不能打开，素材有没有丢失。
• 原素材库有没有被移动、重命名或覆盖。
• 每个镜头的顺序和时长是否接近参考视频。
• 素材是否真的匹配当前镜头，不用无关画面硬凑。

再看声音和画面

• 连续三个镜头里，不要反复出现同一素材或同一构图。
• 字幕有没有错字，是否按语义断句。
• 字幕有没有挡住产品、人物脸、关键动作。
• 配音和画面是否同步，开头和结尾有没有突兀停顿。

怎么封成 Skill

原文最后提到一个很适合 Codex 的做法：这套流程跑通以后，可以把它封成 Skill。我不会一开始就急着写 Skill。先手动跑 2-3 条视频，记录每次卡在哪一步，再把稳定下来的目录、提示词、验收标准写进去。

一个可用的剪辑 Skill，至少要写清楚这几件事：目录结构、输入文件命名、素材只复制不移动、低置信度怎么处理、剪映草稿怎么验收、什么时候必须停下来让人确认。