KACHA咔嚓
ENGitHub

面向真人口播与内容视频的本地 AI 剪辑工作流

从脚本或素材，
到可以发布的成片。

咔嚓是本地、AI 辅助、证据化的视频生产工作流：把内容策划、结构精剪、人声处理、视觉包装和增量返工组织成可恢复项目；人负责判断、完整审片和发布。

看看能解决什么快速安装
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默认本地处理素材
HUMAN判断、审片与发布由人负责
DELTA返工只改受影响层
171自动回归检查

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。

01

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。

02

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。

03

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。

04

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。

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。

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。

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。

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，最多三段预览覆盖全部变化，只重建真正受影响的层。

冻结无关音视频流，强指纹复用高成本产物，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 / EDITING GRAMMARS

五种风格，不是同一套卡片换颜色。

效果身份永远先于风格表达：品牌角标仍是角标，PIP 仍是双源画面，折线图仍保留数据关系。只有命中场景级语义时，系统才允许改变空间结构；五套风格共享人物保护、字幕可读性和品牌规范，却使用不同的时间单位、空间拓扑、转场与声音逻辑。操作工作台可自动路由，也可指定优先语法；没有真实触发时回退干净画面。

EDITORIAL CONTINUITY

浅暖轻浮层

保持真人口播连续，用画面边缘旁注和负空间补充信息；完整观点优先于热闹切换。

  1. 01完整意思
  2. 02边缘旁注
  3. 03证据区
  4. 04回到真人
默认安静；重大旁注最多一枚轻纸张或空气声。

DEPTH NAVIGATION

空间光路

先建立固定世界坐标，再让光路、焦点与镜头沿真实关系移动；文字属于景深，而不是漂浮网页卡。

  1. 01建立空间
  2. 02路径到达
  3. 03焦点移动
  4. 04终点停稳
起点和终点共用一条方向性 tonal phrase。

COMEDIC TIMING

幽默漫画

只有真实反差成立时才分格；铺垫、停顿、反应与回扣共同完成包袱，不把漫画材质当滤镜。

  1. 01铺垫
  2. 02半拍停顿
  3. 03反应
  4. 04包袱
  5. 05回扣
沉默也是节奏；动作后最多一枚干燥短音。

STATE MACHINE

像素风

像素只组织图形状态，人物、证据和正文保持高清；每次只提交一个可验证的真实变化。

  1. 01输入
  2. 02处理规则
  3. 03状态提交
  4. 04结果验证
只有真实状态改变时，才触发对应 UI 声。

FORENSIC REVEAL

暗黑科技风

只在异常、风险、冲突证据、隐性机制或真伪判断中局部收暗；观察孔锁定证据后只落一次裁决，不把人物压成赛博背景。

  1. 01正常基准
  2. 02隔离异常
  3. 03证据锁定
  4. 04一次裁决
  5. 05恢复上下文
口播下保持安静；证据锁定或裁决后最多一枚低频诊断音。
PRODUCTION EVIDENCE5 套语法 · 1200 组语义三元组 · 2400 张峰值帧 · 1200 份合同 · 近似构图 0 · 跨风格完全重复 0

04 / 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。

GLOBAL DIRECTOR

项目编排与全片导演

运行版本、唯一开场、内容主线、留白预算和十三阶段被锁进同一项目；中断后可从真实证据继续。

SEMANTIC REVIEW

统一审片与发布检查

先用绑定当前项目的 1× 音视频预览审查关键决策，再对当前成片哈希完成十一项发布检查；调整会形成可追踪返工请求。

CONTENT FIRST

从脚本到录制交接

没有视频也能先建立内容主线、待核事实、录制方案和素材清单；事实与素材未解决时不能交接到正式剪辑。

ASSET INBOX

素材缺口收件箱

逐条区分真实证据、用户素材和说明性生成候选；许可、来源、文件身份和重新索引缺一不可。

QUALITY-PRESERVING EFFICIENCY

快在试错和等待，不省最终判断

当前证据选择开场、典型信息、复杂视觉与结尾；依赖独立的工作按资源波次执行，完整候选仍须正常速度通看。

05 / WORKFLOW

从脚本或素材开始，四个可确认节点。

十三个专业阶段被收束成四个用户里程碑，并编译成十个依赖波次。每次停下都保存输入、版本、证据和下一步；没有真实证据就不会跳到“已完成”。

  1. 01

    方案确认

    冻结运行版本、输入身份、栏目与授权；完成内容主线、转写、全片导演和素材缺口。

    库存盘点 · 转写与结构
    CONFIRM
  2. 02

    首剪确认

    完成粗剪、人声预处理、所有连接点检查和精剪；语义、口型、动作与节奏一起看。

    粗剪 · 人声 · 连接 · 精剪
    CONFIRM
  3. 03

    成片审阅

    完成视觉、字幕、混音、封面和代表预览；在统一审片中心处理语义决策与技术问题。

    包装 · 字幕 · 混音 · 封面 · QC
    REVIEW
  4. 04

    交付与返工

    十一项检查绑定当前成片哈希；反馈编译成局部差异，未授权时不上传、不付费生成、不发布。

    发布清单 · 增量返工 · 本地交付
    APPROVE

RECOVERABLE STATE

AWAITING EXPLICIT LOCAL RELEASE APPROVAL

06 / 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。

01

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。

02

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。

03

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。

07 / 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。

01

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。

02

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。

03

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。

04

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。

08 / 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。

09 / 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 --channel canary

页面命令明确安装 canary（跟随 main）；需要稳定线时把 canary 改为 stable，当前 stable 仍为 v1.1.0。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。

10 / 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

视频号 行者大灰 QR code
视频号行者大灰
抖音 行者大灰 QR code
抖音行者大灰
小红书 行者大灰 QR code
小红书行者大灰