做自媒体的朋友应该都有这个体会：素材越拍越多，能成片的反而越来越少。拍一整天素材，剪还要再花一整天，最后可能因为节奏不对、口播卡顿太多又推倒重来。大多数人不是不会剪，是耗在流程上的时间太不值了。我这半年彻底换了套剪辑工作流，把主要剪辑动作交给 Antigravity 和 ChatCut 这两款 AI 视频剪辑工具来承担，出片速度直接翻了一倍不止。这篇博客就是把整套组合思路、具体操作顺序和容易翻车的细节完整拆开讲一遍，包含我自己的踩坑记录和调参习惯，给想走"速度流"剪辑路线的人一个可以直接参考的版本。

1. 认知先行：为什么"速度流"剪辑的核心是流程设计

1.1 传统剪辑流程的瓶颈到底卡在哪

我不止一次在社群里看到有人抱怨："AI 剪辑出来的东西根本不能用，还不如我自己拉时间线。" 这话对了一半。用不好 AI 工具的人，往往是拿 AI 当"一键成片"的许愿机，而不是把它当流程里的一环。传统剪辑的问题恰恰在于：几乎所有操作都串行依赖人——看素材、找亮点、拖时间线、调节奏、加字幕、配音乐、多平台导出，每一步都得重新打开一遍工程文件，改一处就要等渲染一次。

以一支 10 分钟的口播视频为例，传统流程里最崩溃的不是"剪切"本身，而是反复确认"这段留不留""要不要换个位置""字幕错了个字得重新导出"。这些动作占掉的时间是剪切本身的几倍。我自己统计过，一条 3 分钟成片，传统流程平均要 4 到 6 小时，其中真正有创造性的判断大概只有半小时，剩下都在做重复确认和等待渲染。

1.2 速度流的核心：把"重复劳动"前移成"一次性标注"

所谓速度流剪辑，不是快手乱剪，而是把流程设计成"一次判断、多次复用"。核心就三件事：

• 用 AI 先把素材里的有效段落识别出来，形成初剪框架；
• 用对话式指令批量完成删停顿、统字幕、调比例这类重复操作；
• 保留最终的人工确认环节，但只做"判断题"，不做"填空题"。

Antigravity 和 ChatCut 在我的流程里正好分别承担前两件事。Antigravity 负责"从无到有"，根据原始素材自动找高光段落、组织叙事结构、生成粗剪版本；ChatCut 负责"从有到好"，用对话指令快速处理批量细节。两者组合之后，人工只需要在关键节点做确认，剪辑时间被大幅压缩，成片的稳定性也会比纯手工高很多。

1.3 我的成片标准变了：先"可用"，再"好看"

走速度流的另外一个重要认知是调整验收标准。我不再要求 AI 第一次就能剪出"有审美"的片子，那是神仙难度。我要求的是：AI 剪出来的初稿在结构上没有硬伤，内容完整、逻辑通顺、时长符合平台要求。剩下那些"这里差一点情绪""那里背景音太吵"的问题，再靠人工精修。

实际操作下来，我发现"先可用再好看"反而更容易达到最终的高质量。因为 AI 给出的框架是稳定的，你只需要在稳定框架上做局部打磨，而不是对着海量素材重新架构。这就像写文章先搭好提纲再逐段润色，比直接对着空白文档憋字效率高太多了。

2. Antigravity：把粗剪变成"填空题"的 AI 主力

2.1 Antigravity 用在哪里最省力

Antigravity 这类 AI 剪辑工具的核心能力，是理解视频内容而不是简单做时间轴拼接。它能识别画面里的人物、场景、对话语音，甚至能判断哪个片段更具备"吸引力"，然后把这些片段按语义顺序组织成一条相对完整的叙事线。

我最常用它的场景有三类：

• 口播视频：素材里有一段段说话，AI 能自动识别语句停顿、去重、保留完整句子；
• 实拍 vlog：同一主题下大量碎片镜头，AI 能按地点、动作、对话内容归类，排出基本顺序；
• 多机位素材：AI 能找出画面质量高、人脸角度正、声音清晰的镜头优先用。

以我手里一个公开版本的常规用法来说，把素材拖进去之后，先告诉它"这是一支关于 XX 主题的 vlog，目标时长 3 分钟，竖屏比例"，然后再指定希望保留的重点段落，剩下的事情它会先给一版不合理但是结构完整的草稿。这个草稿的价值不在于美，而在于把"从零到一"的工作量抹掉了。

2.2 上手之前的三项准备：素材、目标、账号权限

很多人兴致勃勃导入素材后效果很差，多半是准备工作没做。我的经验是，在打开 Antigravity 之前先做好三件事：

1. 素材分类：不要直接把几十个杂乱文件一次性丢进去。先按场景或主题分好文件夹，AI 理解起来会精确很多；
2. 确定输出目标：明确平台（抖音/B站/视频号）、画幅（9:16 竖屏或 16:9 横屏）、时长区间，并在指令里写清楚。AI 不是读心术，目标越具体，结果越靠谱；
3. 确认工具可用状态：登录官网账号之后，先确认当前地区是否在服务开放范围内，不要轻信一些过时的第三方教程。以官方页面公示为准，如果访问不了官方页面，就先联系客服确认情况，别自己折腾。

另外提醒一句：不同版本的功能入口变化很快，我这边测试的实际按钮位置可能和你打开的不一样，但整体逻辑是通的——先让 AI 生成结构，再进入细节调整，不要一上来就指望一步到位。

2.3 以"公开版本常规功能"为准的粗剪逻辑

我一般不会让 Antigravity 直接输出最终成片，而是把它当作"粗剪预处理器"。具体来说我会按这样一个顺序操作：

• 设定粗剪时长：比如最终要 3 分钟，就让它先出 4 分钟版本，留出裁剪空间；
• 设定保留重点：用文字描述"这一段是核心观点""这个镜头一定要保留"，让 AI 知道哪些不能删；
• 保留原声轨道：粗剪阶段不会急着压掉环境音，等确定画面结构后再优化声音；
• 生成字幕草稿：让 AI 顺带输出字幕文本，后面方便批量校对。

这一步输出的东西，我称之为"结构稿"。结构稿不追求完美，但要求每段素材都有明确的"存在理由"——为什么要出现在这里，传达什么信息，下一段从哪里接。拿到结构稿之后，再进 ChatCut 做批量微调。

3. ChatCut：适合批量微调的对话式剪辑搭档

3.1 对话式操作解决了什么问题

ChatCut 的工作方式跟传统剪辑软件完全不同，它更接近"你提要求，它来执行"。你不需要在时间线上慢慢拖动素材，只要用自然语言描述想做的调整，比如"把所有超过 1.5 秒的停顿缩短到 0.8 秒""给前三段加上简体中文字幕""把这段背景音乐音量降到 30%"，工具就会批量执行。

这个模式对速度流的提升是决定性的。传统剪辑里最磨人的"删除所有静音片段"“统一切一版字幕”“批量调整音量”，在 ChatCut 里就是几句话的事。尤其处理长视频时，人工在时间线上找停顿点是非常费神的，机器批量识别又快又准。

3.2 什么样的素材适合交给 ChatCut

根据我的实际使用体验，ChatCut 最适合处理以下三种情况：

• 口播/课堂类视频：消除长停顿、整理语气词、统一字幕风格；
• 多平台分发场景：同一个片子需要导出横屏、竖屏、方屏多个版本，ChatCut 可以按指令批量调整构图安全线；
• 素材管理杂乱的片子：用自然语言按情绪或关键词筛选段落，快速打乱重排。

但也要说实话，它目前并不适合做创意密度很高的剪辑，比如复杂的转场设计、逐帧节奏卡点、多图层特效叠加。这类需求还是需要回到专业剪辑软件里做。ChatCut 是我的"批量劳动处理中心"，不是"艺术创作中心"。

3.3 与 Antigravity 的职责边界

Antigravity 和 ChatCut 的分工需要刻意保持清晰，否则很容易越用越乱：

• Antigravity 管"选什么"：它能理解内容，判断哪些片段值得留下，生成叙事结构；
• ChatCut 管"怎么调"：它不负责判断故事线，只负责把已经定下来的片段按指令处理到位。

简化成一句话：Antigravity 决定留哪些，ChatCut 决定怎么改。如果你让 ChatCut 去判断内容取舍，它会给出一堆"很规则但没灵魂"的结果；如果你让 Antigravity 去做批量微调，效率又不够。各司其职，整套流程才转得动。

4. 组合工作流搭建：从上传素材到导出成片的标准链路

4.1 五步标准链路

我自己现在跑顺的链路一共有五步，每一步都有明确的输入和输出。你照着搭一遍，基本就能把整套流程跑通。

第一步：素材预处理（约 5 分钟）把原始素材按场景建文件夹，粗筛掉明显废镜头（模糊、抖动、穿帮），给关键片段做简单命名。不做精修，只做分类。

第二步：Antigravity 粗剪（约 10 分钟）把分类后的素材按顺序导入，设定目标时长、画幅比例、内容主题，生成结构稿。导出粗剪预览文件、字幕草稿和片段列表。

第三步：人工结构确认（约 10 分钟）快速过一遍结构稿，只回答两个问题：该有的重点段落是不是都在？前后顺序是否符合常理？有问题就通过指令调整，没问题直接进入下一步。

第四步：ChatCut 批量微调（约 10 分钟）把粗剪文件交给 ChatCut，逐条下指令：删除多余停顿、统一字幕样式、调整音量曲线、按平台比例裁剪。每条指令执行完快速检查一次，避免批量化误伤。

第五步：最终出片与备份（约 5 分钟）回到专业剪辑软件或者直接在工具内做最后精修，检查转场、调色、字幕错别字，然后导出目标平台版本，同时保留工程文件和素材备份。

整套链路走下来，熟练之后一次完整的短视频制作可以控制在 45 分钟左右。对比传统流程的 4 小时起步，提升非常可观。

4.2 每一步的检查要点

很多朋友问我"AI 剪出来能不能直接用"，我的回答是"能，但前提是每一步都有检查点"。

在第二步结束后，我特别注意看粗剪稿的字幕和语音是否对齐。AI 在语速快或多人同时说话时，字幕断句常常不准，这属于当前这类工具的普遍薄弱点。我会把字幕草稿导出到文本编辑器里快速扫一遍，把明显错误的断句和人名先改掉，再回填。

在第四步批量微调时，我每次只下一条指令，确认无误后再下一条。千万不要一次性把删停顿、加字幕、压背景音乐、换比例全下完——AI 执行单个指令通常很准，但多条指令叠加时可能出现互相冲突的结果，比如为了压缩时长把语速调得太快，或者为了统一字幕把重点词也改掉了。

4.3 常用参数与导出设置

我整理了一套自己的初始参数，因为每个人素材不同，只能叫参考底数：

这些参数不是死规矩，但能避免一些低级问题。比如静音阈值如果设到 0.5 秒，很多正常呼吸间隙会被当停顿切掉，剪出来的口播会非常机械。我一开始就吃过这个亏。

5. 实战走查：一支 3 分钟口播 vlog 的完整加工过程

5.1 素材现状与成片目标

拿我最近一次实际案例来走一遍。原始素材是 42 分钟的口播视频，讲的是"普通人如何建立自己的素材库"，中间穿插了 6 段实拍操作画面，总共有 74 个文件。成片目标是：3 分钟以内的竖屏短视频，发布到视频号，要求保留核心方法论，节奏紧凑，字幕清晰。

素材量其实不大，但传统剪辑要在这 74 个文件里反复跳转，光看素材就要花掉不少时间。我这次决定全程走 Antigravity + ChatCut 的组合流程。

5.2 全流程逐段走查

先是素材预处理。我把口播素材单独放一个文件夹，6 段实拍分别以"实拍-封面笔记""实拍-文件夹整理""实拍-搜索演示"等命名。命名别嫌啰嗦，AI 是靠文件名和语音双重判断来归类内容的，命名越清楚，后面粗剪的准确率越高。

接着进入 Antigravity。我在项目设置里填了目标时长 4 分钟（实际需要 3 分钟，留了余量），画幅选 9:16，内容描述写的是"口播关于建立素材库的方法，保留三段核心观点，实拍演示镜头插在对应观点后面，整体语气自然"。

粗剪出来之后，我快速过了一遍结构稿。整体顺序是对的，但问题也很典型：AI 把一段 1 分 20 秒的口播删到了只剩 40 秒，虽然保留了我说的"关键词"，但语气连不上，听起来很跳。这里我没有回滚，而是直接在指令里补充："第二段完整保留，不要压缩。"

然后进入 ChatCut 微调。我下的指令按顺序记录一下：

• "删除所有超过 1.5 秒的静音停顿"
• "口播部分添加中文字幕，字体偏大，底部安全区内"
• "实拍演示画面保留原声，其他段落背景音乐降到 25%"
• "导出竖屏 9:16，1080p 版本"

每条指令执行时间大概十几秒到半分钟，比打开专业剪辑软件来回拖时间线快非常多。执行完后我又手动做了一件事：把末尾的口播"我们下期再见"这句的停顿稍微拉长了一点，给观众留一点余韵。这种微调是 AI 目前做不好的，但好在只需要动一次。

5.3 意外情况和处理方式

这次流程里也出现了一次小意外。ChatCut 在批量删除停顿时，把我一段实拍画面里故意留的"操作等待"也删掉了，导致演示步骤看起来衔接太快，观众跟不上。我后来重新下发了一条指令："实拍段落保留至少 0.5 秒的操作间隔"，就正常了。

另外字幕也出了一个典型错误：我把"Notion"说成"诺田"，AI 字幕直接写了"诺田"，这个词在所有字幕里出现七次，手动改了七遍。后来我在预处理阶段养成了习惯，先把术语列表准备好，在 ChatGPT 这类工具里生成字幕时会顺带标注专名，能省去大量返工。

6. 容易翻车的细节清单与我的调参习惯

6.1 踩过的几个典型翻车现场

下面这些坑我基本都踩过一轮，列出来给你避雷。

翻车一：片段切得太碎。AI 默认会把"画面变化大"的段落拆开，导致成片每两三秒就切一次，很碎。解决办法是设置最小时长，比如要求保留的片段不少于 3 秒，重要段落整体保留。速度流讲究保留完整表达，剪切越碎越容易丢内容。

翻车二：字幕识别错专有名词。人名、品牌名、专业术语是重灾区。AI 大概率听不懂也打不对，你必须在人工确认阶段集中扫描。我的做法是先把字幕导成纯文本，搜索专有名词的关键字，逐个修正后再回填。

翻车三：多条指令叠加互相打架。最典型的是既要求"压缩时长"又要求"保留停顿"，既要求"音量调低"又要求"情绪感强"。AI 不是剪片子的人，它没有"你觉得该怎么权衡"的能力。一次只给一个明确目标，这条建议值得贴在桌面上。

翻车四：对"AI 感"的误解。很多人说 AI 剪的片子有"AI 感"，其实是"节奏过于平均、情绪断点没有被尊重"。我处理这个问题的重要方法，是给 AI 提供明确的分段指示，而不是让整支片子追求匀速流畅。该快的地方快，该留白的地方留白，这是人需要做的事，别指望机器想得到。

6.2 我的调参习惯

• 静音阈值设大一点：我平日用 1.2 秒，语速慢的素材用 1.5 秒。阈值设大了只是少删一点，设小了会把正常呼吸也删掉。
• 粗剪时长加 25% 余量：AI 生成的"最低限可用版"往往信息密度过高，没有呼吸空间。加 25% 余量之后，人工精修时才有的选。
• 重要段落强制保留：在 Antigravity 里用文字描述清楚哪些段是不能动的，比事后从垃圾桶里找回被删镜头效率高太多了。
• 专业术语前置准备：把术语表在第一轮就塞进指令里，宁可多打几行字，不要在后面改七遍字幕。

补充一点体会：我始终认为 AI 剪辑工具不是要把剪辑师替代成"按按钮的人"。它的价值是把低质量劳动剥离掉，让人把精力集中到真正重要的地方——内容结构、情绪节奏、表达准确性。

6.3 给第一次上手这套组合的建议

如果你今天刚开始接触这套组合，别急着把我上面整套链路全部照搬。你先做一个小实验：找一条 5 分钟的旧素材，目标剪成 1 分钟，走一遍"Antigravity 粗剪 → 人工结构确认 → ChatCut 微调"的流程，记录下遇到的问题。跑完这一条，你就知道自己最需要调的是素材分类还是指令写法，直接照着问题去补参数就好。

我个人体感是，用工具的第一周主要是"付学费"，但从第二周开始，你的出片速度会明显拉开差距。磨刀不误砍柴工，花一点时间把流程理顺，比在软件按钮上浪费一百个小时值得得多。这套组合我现在还在持续优化，每次版本更新都可能带来新能力，我看到值得聊的变化再来更新。