别再拖时间轴了：这个开源剪映 Skill，说话就能剪视频

剪一条一分钟的口播视频，你要花多久？

把素材拖进时间轴，一句一句对字幕，翻半天找一段不违和的 BGM，再挨个加转场——等你弄完这些，大半个晚上就没了。第二天还要发，你看着时间轴发呆：我到底是来创作，还是来当鼠标操作员的？

最近看到一个挺有意思的开源项目，思路是反着来的：别让 人学软件，让软件听人话。

项目叫 jianying-editor-skill，它是一个装给 AI 编辑器用的「剪映技能」。装好以后，你不用打开剪映，也不用拖时间轴，直接用大白话说你想要什么视频，它就在你自己的剪映里把工程搭好。

GitHub 上直接能拿到：github.com/luoluoluo22/jianying-editor-skill，开源免费。

它到底能替你干什么

先说范围，基本把剪辑里最耗时间的活全包了：

• 写文案——你给个主题，它出稿子
• 配音——按文案自动拆句来配，不用你一句句粘
• 字幕——逐句对齐，不用再手动卡时间点
• 选音乐、上特效——告诉它想要什么感觉就行
• 最后导出——也是它的事

一句话总结这套流程：你负责说清楚「我要一个什么视频」，剩下的组装活它干。

Claude Code、Cursor、Trae 这些主流 AI 编辑器都能装，不挑工具。

实际用起来是什么感觉

举个例子，你对它说这么一句：

「把旅行素材文件夹剪成 Vlog，配个轻快的音乐，标题叫周末露营记」

说完这句，你文件夹里的照片和视频就自动排进时间轴了，音乐也配上了，标题也打好了。你从头到尾没碰过时间轴。

这不是什么未来畅想，它就是这么工作的——因为剪映的工程文件本质上是结构化数据，AI 编辑器完全有能力直接读写。以前你要用鼠标点几十下才能搭出来的东西，现在就是几行描述。

这个思路为什么现在才跑通

你可能会问：让 AI 帮忙剪视频这事，喊了挺久了，为什么之前一直不灵？

因为以前的思路大多走偏了。要么让 AI 直接「生成成片」，结果画面糊、节奏怪、还不能改一个字；要么做个网页版剪辑器，功能比剪映差十条街，你还得重新学一遍怎么用。

这个项目聪明的地方在于，它根本不跟剪映竞争。剪映该有的素材库、特效、渲染能力，一个都不少，它只是在剪映前面加了一层「翻译」：把你说的人话，翻译成剪映工程里的一条条轨道、一个个片段、一段段字幕。

技术上看这事不神秘。剪映的草稿在本地就是一份结构化文件，里面写着哪段素材放在哪个轨道、从第几秒排到第几秒、每条字幕的内容和时间。以前没人把这层格式包装成 AI 能直接读写的接口，现在这个 Skill 把壳敲开了。

所以它才敢说「在你自己的剪映里搭工程」——不是替代剪映，是替你操作剪映。这个定位想明白了，你就知道它稳在哪：底层永远是那个你用熟的软件。

三个场景，个个都戳痛点

第一个，配音和字幕。

它按文案自动拆句配音，字幕逐句对齐。做过口播的人知道，对字幕是最消磨热情的环节：一句话说完，你得拖着进度条来回听，找到准确的起止点，再手动敲进字幕框，一条三分钟的视频光这一步就能磨掉半小时。

更细的是，它还能给两个角色分别配上男声和女声——做对话类、剧情类内容的人应该懂这个有多省事，以前你得在两个配音软件之间来回倒，导出导入好几趟，现在就是一个提示词的事。

第二个，影视解说。

丢一段电影片段进去，告诉它你要一个 60 秒的解说。它会先看懂画面里发生了什么，然后写分镜脚本，最后合成解说视频。

注意这个顺序：先理解、再写稿、再合成，不是拿文案模板硬套。以前做一条解说视频，光「看片 + 写稿」就要一两个小时，现在流程被压成一个提示词，你剩下的工作是审稿和调优，这才是该人干的活。

第三个，录软件教程。

这个设计我觉得最聪明：你演示操作的时候，鼠标点到哪，画面就自动推近到哪，顺手还给你加个小红圈把重点标出来。

做教程的人都知道，观众最烦的就是找不到你点的是哪个按钮——录屏全屏一放，一个下拉菜单藏在角落，评论区全在问「刚才点了哪里」。它直接把这问题消灭了，而且是录制时顺手做的，不用后期一帧一帧补。

我认为最关键的设计：它不吐成片

市面上很多「AI 一键出片」的工具，给你一个定死的 MP4，改都没法改，想调一帧都得重来。

这个项目不是。它出来的是一份正常的剪映草稿——你打开自己的剪映，草稿就躺在那，哪里不满意接着改。想换 BGM 换 BGM，想调字幕调字幕，剪映里会的手艺全用得上。

我觉得这一点比「直接吐一个成片」靠谱得多。AI 负责把最枯燥的组装活干完，人负责最后的美感和判断，这才是合理的分工。全部交给 AI 和全部自己干，都走了极端。

什么人适合装一个

对号入座：

• 批量出短视频的——一天要发好几条，剪辑时间根本不够用
• 做口播的——文案、配音、字幕这条流水线正好是它的强项
• 做影视解说的——分镜脚本自动生成，这活最熬人
• 录软件教程的——自动推近 + 红圈标注，直接命中痛点

如果你一个月就剪一条视频，而且享受剪辑过程本身，那没必要装，手剪挺好的，创作本来也有手感这一说。工具是给「量」和「时间」发愁的人准备的——当剪辑时间开始挤占选题和拍摄，就该把重复的部分交出去了。

两个提醒，先说在前面

第一，它依赖剪映。 它生成的是剪映草稿，所以本机得装剪映，版本兼容问题遇到再说。剪映草稿格式官方并没有完全开放文档，社区项目偶尔会因为剪映更新而小毛病，遇到就去看项目仓库的 issue 区，一般都有解。

第二，AI 出的初稿要看一遍再用。 尤其是配音的情感和字幕的断句，机器拆的句不一定符合你的语感。反正草稿就在剪映里，改起来不费劲，但「不看就发」不可取。

今天就能试的一步

不用先想清楚整个工作流，今天花十分钟做最小验证：

• 打开项目仓库，照 README 把 Skill 装进你的 AI 编辑器
• 挑一小段不重要的素材（别拿你最好的 footage 开刀）
• 说一句最简单的：「把这几段素材剪成 30 秒短片，配轻快的音乐」
• 打开剪映看它生成的草稿，感受一下哪里好、哪里要改

跑完这一遍，你就知道它适不适合你的活了。

说到底，剪辑这件事里，拖素材、对字幕、卡时间点是重复劳动，而「这条视频想表达什么」是你的判断。把前一半交出去，后一半攥在手里，这个项目恰好把边界画对了。

GitHub 搜 jianying-editor-skill 就能找到，去试试。