面向真人口播与内容视频的本地 AI 剪辑工作流
从原始素材，
到可以发布的成片。
咔嚓让 Codex 或 Claude Code 按专业流程完成结构精剪、人声处理、字幕校准、视觉包装、增量返工与质量检查。AI 负责执行，你保留最后的判断。
01素材优先留在本地02不剪断完整语义03每次修改可追踪
LOCAL
VIDEO
SYSTEM
KACHA / RUN_001VERIFIED
STORY
VOICE
VISUAL
QC
不是一次生成，而是一条可以检查、返工和交付的流程01 / 06
01 / PROBLEMS
真正耗时间的，不只是拖动时间线。
关注 AI 剪辑的人通常不是缺少一个特效，而是担心自动化把内容剪错、声音做坏、字幕做乱，最后还要自己从头返工。
停顿删了，半句话也被删了
单纯按静音切割容易破坏否定、条件、因果和结论。精剪必须先理解语义，再决定切点。
声音、字幕和画面对不上
多工具串联后最容易发生时间漂移。对白、BGM、音效、字幕和画面需要共享同一组帧边界。
效果很多，但风格越来越乱
字幕、信息卡、画中画和转场如果各做各的，成片会像素材拼盘。它们需要同一套设计系统。
改一个地方，却要重新做整条
字幕、音频或局部画面返工不该拖累全部流程。系统应该知道哪些层要重建，哪些必须保持不变。
02 / RESULTS
先看变化，再看功能。
咔嚓把观众真正能感受到的结果，拆成可以执行和验收的编辑合同。
常见问题咔嚓处理
STRUCTURE
说完整，也更紧凑
删除无效停顿、口误和重复，同时保留完整句义、自然强弱和幽默节奏。
切点检查语义、呼吸、画面连续性与前后余量。常见问题咔嚓处理
AUDIO + CAPTIONS
听得清，也看得懂
先分离人声，再处理噪声、齿音与动态；字幕以口播为主、文稿校准，并服从平台安全区。
对白、字幕、BGM 与 SFX 使用同一时间合同。常见问题咔嚓处理
VISUAL SYSTEM
效果有理由，画面有秩序
信息卡、PIP、蒙版、字幕强调和转场只在信息、情绪或视角变化时出现。
统一字体、颜色、圆角、阴影、运动和版面避让。常见问题咔嚓处理
INCREMENTAL REWORK
反馈来了，不必推倒重来
把“字幕上移”“BGM 再低一点”这类反馈编译成差异，只重建真正受影响的层。
冻结无关音视频流，并用摘要证明它们没有变化。以下为能力示意；真实成片与持续演示可在页面底部联系“行者大灰”查看。
03 / CAPABILITIES
把一条视频真正做完，需要这些能力一起工作。
咔嚓不是单项 AI 功能集合，而是让内容、声音、画面、字幕和质量检查共享上下文的执行系统。
CONTENT EDIT
结构精剪
识别口误、重复、废话和无效停顿；切点不能损坏完整语义与自然表达。
VOICE & SOUND
人声与混音
人声分离、降噪、增强、BGM、SFX 与响度控制围绕长时间听感共同完成。
CAPTIONS
字幕校准
语音为主、文稿补充；校正专名、数字和语境，并处理单行长度、意群与双语层级。
VIDEO DESIGN SYSTEM
视觉包装
统一驱动字幕、信息卡、PIP、流程图、蒙版、开场、转场、封面和运动语言。
OPTIONAL PORTRAIT
克制的人像优化
Beauty v2 默认关闭；明确启用后只做磨皮、美白、匀肤和法令纹弱化，不改变身份。
FAIL-CLOSED QC
质量门禁
先检查解码、轨道、尺寸、响度、同步、黑帧与静音线索，再交给人完成最终通看。
04 / WORKFLOW
一条素材，六个阶段，直到可以交付。
每一步都记录输入、输出、授权、失败条件和返工范围。做到了什么、为什么这样做、怎样确认，都能被追溯。
- 01↘
理解任务
锁定内容目标、受众、平台、尺寸、授权与成功标准。
- 02↘
结构精剪
删除无效内容，校验每个切点的句义、节奏与连接。
- 03↘
处理声音
分离并优化人声，再安排音乐、音效和最终响度。
- 04↘
包装画面
按统一设计系统加入字幕、素材、PIP、蒙版与转场。
- 05↘
响应反馈
把修改要求编译成差异，只重渲染受影响部分。
- 06✓
检查交付
自动技术 QC、同源 A/B 与人工审片共同决定是否发布。
DELIVERY STATE
READY FOR HUMAN APPROVAL05 / WHY KACHA
“AI 负责重复劳动，你保留最后判断。”
咔嚓不把一次生成叫作最终成片，也不把技术通过冒充人工认可。它的优势不是替你决定品味，而是让每个决定都更容易执行、验证和修改。
本地优先
默认不上传素材；外传、付费生成与发布都需要单独明确授权。
过程可控
计划、配置、素材来源、变化范围和 QC 证据都保留，出现问题可以定位。
质量可证
预览、候选版、自动检查、人工通看和正式发布是不同状态，不混为一谈。
06 / FIT
尤其适合这些视频和创作者。
咔嚓当前优先服务需要保留真人表达、又希望显著减少重复后期工作的内容生产者。
真人口播与知识视频
需要删除口误和停顿，同时保住语气、逻辑、表情和自然节奏。
教程、访谈与播客视频
需要长内容结构、清晰人声、准确字幕、信息图和多平台版本。
持续更新的个人 IP
需要统一视觉风格、可复用场景、稳定封面，以及低成本的长期返工。
使用 Codex 或 Claude Code 的团队
希望 Agent 不只给建议，而是按明确合同完成本地制作、检查和交付。
07 / FAQ
开始之前，通常会问这些。
把隐私、控制权、画质和能力边界先说清楚，比承诺“一键完成”更重要。
01素材会上传到云端吗？＋
默认不会。咔嚓优先使用本地工具处理；只有网络素材、云端生成或发布确有需要，并且获得明确授权时，相关文件才会离开本机。
02会不会把一句话剪断，或者把节奏剪得很假？＋
结构精剪不能只按静音阈值执行。咔嚓会检查完整语义、呼吸、表情、画面连续性和连接余量；自动结果仍需当前版本人工通看。
03能尽量保持原画质和原尺寸吗？＋
默认保持源像素尺寸、宽高比、有效帧率和色彩合同。局部返工会尽量冻结或复制无关媒体流；具体是否重编码取决于实际修改内容。
04我还可以继续自己修改吗？＋
可以。咔嚓保存计划、配置、差异和中间资产，既可以让 Agent 继续增量返工，也可以把结果交给现有 NLE 或项目指定引擎继续处理。
08 / START
把咔嚓交给你的 Agent。
支持 Codex 与 Claude Code。安装后用自然语言说明素材、目标和限制，咔嚓会先建立方案与边界，再进入实际制作。
CODEXCLAUDE CODELOCAL FIRST
~/install-kacha
curl -fsSL https://raw.githubusercontent.com/colorcross/kacha/main/scripts/install.sh | bash -s -- --agent both需要 Node.js 20+；完整媒体链路还需要 FFmpeg 与 FFprobe。安装器不会覆盖已有版本。
09 / CONTACT
看真实效果，或者直接联系我。
“行者大灰”持续发布咔嚓的真实剪辑、前后对比和制作复盘。欢迎通过常用平台关注，也可以直接发邮件交流使用问题、合作或反馈。
邮箱dodofun@126.com扫码查看真实视频效果
