一条长视频拆 5 条切片：用 AI 找高光并配文案

一句话结论

让 AI 先把长视频转成带时间码的文字稿，挑出 5 个高光段并各写一条口播文案，再回剪辑软件按时间码裁切即可。

这篇解决什么问题

一条 40 分钟以上的访谈或者直播回放，运营和编导要在当天交出 5 条能独立发布的切片。真正卡人的不是剪，是从头到尾看一遍，还得记住哪几句话能单独拎出来。

适用：人声连续、有对谈或口播的长视频。不适用：纯音乐 MV、靠画面叙事又没人解说的片子，这类没有文字稿可依托。

开始前要准备什么

• 剪映，自动字幕的免费额度够跑完一条 40 分钟的片子，不用付费
• 豆包网页端，免费，单次贴 3 万字以内比较稳
• 一条 30 到 60 分钟的原片，人声清楚，背景音别盖过人声
• 一张三列的表：时间码、原话、切片标题，文档或表格都行
• 预计耗时：40 分钟的片子，熟练后一小时内能出 5 条

具体怎么做

第 1 步 · 先把字幕稿洗干净

用剪映的自动字幕识别一遍，导出带时间码的文本。机器识别的稿子口水词多、断句乱，直接丢给模型会影响它判断哪句才是重点。

下面是一份视频自动识别生成的字幕稿，每行是一个时间码加一句话。请你做三件事：第一，删掉连续重复的口头语，比如同一句里出现两三次「就是说」「那个」，合并被切断的半句；第二，保留每个段落开头的时间码，统一成 00:00:00 格式；第三，按话题把整份稿子分段，每段起一个小标题，小标题不超过 10 个字。不要改写原话，不要补充稿子里没说过的内容，不确定的地方保留原样并在后面加一个问号。稿子在下面：

预期产出：一份按话题分段、时间码统一的文字稿，40 分钟的片子大概是六七千字，比原片看着长，但信息密度高得多。

第 2 步 · 让 AI 打一张高光候选表

这一步决定后面所有质量。我在实操中发现，只写「挑出精彩片段」，模型会偏爱金句和观点，全是漂亮话没有细节，剪出来观众听完就忘。

把判断标准拆成维度写进提示词，它就老实了。

你是一位做过多年访谈类短视频的编导。下面这份文字稿来自一条约 45 分钟的对谈，嘉宾化名林舟，做社区咖啡店。请通读之后挑出 10 个可以独立成片的片段，每个片段 30 到 60 秒。挑的时候按四个维度打分，每项 1 到 5 分：一是脱离上下文能不能看懂；二是有没有具体数字或具体场景；三是有没有情绪起伏或者反常识的判断；四是开头三秒能不能抓住人，也就是第一句本身够不够具体。输出一张表，列包括：序号、起止时间码、一句话概括、四个维度的分数、合计分。按合计分从高到低排序，不要凑满 10 个，找不到就说找不到。稿子在下面：

预期产出：10 条上下的候选，带起止时间码和分项分数。我一般会先看哪个维度分数特别低，那几条通常是靠情绪分虚高上来的。

第 3 步 · 定 5 条，顺手把文案写了

候选里分数最高的几条，经常是同一个话题的重复表达。定稿别按分数机械取前五，按侧面分工。

接着上面那张表，帮我定下 5 条。要求：话题不能重复，5 条要覆盖不同侧面，方法、踩坑、成本、观点、个人经历各一条；每条开头三秒必须是具体信息，不能是「大家好」「今天聊聊」这类开场。定完之后给每条写四样东西：一句 15 字以内的切片标题；一段 80 到 120 字的口播文案，第一人称，保留原话里的数字和名词；一句不超过 12 字的封面字；三个话题标签。文案里不要出现求关注、求点赞的话，也不要把原片没说过的话加进去。如果某条凑不出足够的原话素材，直接说这条建议放弃并说明原因。

预期产出：5 组「标题 + 口播文案 + 封面字 + 标签」，能直接贴进发布后台，中间不用再改结构。

第 4 步 · 转成剪辑能看懂的执行单

剪辑那边不一定有时间读完整稿。把文案翻译成入点、出点、必须保留的原话，交接成本会低很多。

把上面这 5 条整理成一份给剪辑的执行单，一条一段，每段写清楚：切片编号、入点时间码、出点时间码、时长、这条要保留的原话，也就是一字不改地从稿子里摘出来的句子、开头三秒放哪句、字幕里需要手动改的错别字、封面字、结尾停在哪一句。原话摘录必须来自稿子原文，不许你自己重写或润色。如果某条的时间码横跨了两个话题，单独标出来提醒我重新裁。

预期产出：一张按编号排的执行单。我习惯把这个表当交接单用，谁剪都看得懂，返工基本出在时间码上而不是文案上。

第 5 步 · 出片前让 AI 当一次审片人

切片最容易死在「脱离原片看不懂」上。发布前过一遍自检，比发出去再删省事得多。

你现在是审片的人。下面是 5 条切片的文案和对应的原话摘录，请逐条检查四件事：一，这条脱离原片能不能看懂，看不懂就指出缺了哪句背景；二，5 条之间有没有观点重复；三，口播文案里有没有夸大或者原片没表达过的意思；四，开头三秒是不是在讲一件具体的事。每条给一个结论，写「通过」或「要改」，要改的写清楚改哪一句、改成什么方向，不要整段重写。最后告诉我这 5 条里哪一条最有可能没人看完，为什么。

预期产出：每条一个明确结论，需要改的地方精确到句子，返工范围很小。

实测记录

工具这一侧没有额外支出，成本就是人的时间，一小时上下。

和手工比：以前挑片段靠拖进度条来回看，40 分钟的片子通常要一个半到两个小时，还容易漏掉中段的内容，因为看久了注意力会掉。

失败也遇到过。有一次 5 条里 2 条的时间码横跨两个话题，裁出来开头半句是上一个问题的回答，只能重裁。所以第 4 步里我特意让模型把这种情况标出来。

最容易错的 3 个地方

1. 不给评分维度就让 AI 挑，出来全是金句。把四个维度写进提示词。
2. 直接照搬识别出的时间码，开头常吞掉一两个字。每条往前留 1 到 2 秒。
3. 5 条选题撞车。先按话题分组再挑，别只按分数取前五。

可复用的东西

这五段提示词其实共用一个骨架：交代背景，片子多长、嘉宾化名是谁、做什么的；然后是明确任务；再给判断维度；定输出格式；最后贴材料。换选题只改第一段和末尾那段稿子。

建议把第 2 步那张候选表留着。做久了你会发现，自己反复选中的都是同一类片段，那就是你的内容偏好，后面挑片可以直接朝这个方向收窄。

流程跑顺之后，一条长视频出 5 条切片基本能压在一小时内，中间最花时间的其实是等字幕识别跑完。整套东西没什么门槛，难的是忍住不凭印象挑片段。

你手上那条片子，是访谈多还是单人录制的口播多？

如果你也经常要做这件事，欢迎在评论区说说你的卡点和做法；也可以留言告诉我，你想看哪个岗位的哪件活怎么用 AI 拆。

admin 普通

收藏 海报 链接