最近让 AI 帮我剪了一批《彩虹六号：围攻》的高光视频：5 个 1GB 的游戏录屏，每个 20 分钟，最后产出 8 条几十秒的精彩片段，发布到抖音和 B 站。整个过程里 AI 干的活不是「自动剪」，而是「按我定的审美规则执行流水线」——我想聊聊这中间的差别，以及踩过的坑。
为什么是「AI 帮我剪」，而不是「AI 自动剪」
游戏录屏有个特点：体量大、密度低。一个 1GB、20 分钟的文件里，真正值得剪的回合可能就两三段，每段几十秒。让 AI「全自动」剪，它很容易把「有人开枪」当成「精彩」，剪出来是一堆没人味的枪声合集；人肉剪呢，对着 20 分钟视频一帧一帧找高光，一场打完要花掉大半个晚上。
我的解法是把两者拆开：精彩与否，由我的人类审美定义成规则；定位和裁剪，交给 AI 执行。 AI 不需要有审美，它只需要有一份可验证的验收清单。
素材进场：1GB 大文件的下载战争
录屏存在阿里云盘上，本地用 aliyunpan 这个开源 CLI 拉取。看起来很简单，实际上光是下载就打了三仗：
- 后台进程必被杀：nohup、setsid 挂后台的下载进程，在这个环境里活不过 10–42 分钟，反复中断。最后只有一种方式稳定：用框架自带的 run_in_background 跑，再配一个定时任务每小时兜底检查。
- 同名文件跳过续传：aliyunpan 对已存在的同名文件直接跳过续传，所以下载中断后光重跑没用——必须删掉损坏的残留文件再重下。
- 1GB 要下 8 小时：网盘限速，加上断点续传，两个大文件从中午挂到晚上。
最终验收用 ffprobe 检查没有 moov atom not found 报错才算完整，时长必须精确到 1200 秒级别。
看懂画面：AI 怎么定位精彩回合
拿到视频后第一件事是定位高光。最直觉的方案是让视频理解模型直接分析整段，但 20 分钟的长视频跑理解任务直接超时；MediaKit 的抽帧接口在这种体量下也慢得离谱。
最后落地的方案很朴素：本机 ffmpeg 抽帧 + 多模态读图。
ffmpeg -ss <秒数> -i 源视频.mp4 -frames:v 1 -q:v 2 frame.jpg
《彩虹六号》是 45 秒部署制，每回合的时间轴天然对齐：回合开始、部署、交火、结算的节奏非常固定。按这个节奏把 20 分钟切成若干时间窗，每个窗口抽几帧，AI 一张张看图，就能拼出完整的回合叙事——哪秒交火、哪秒出结算、哪秒开始击杀回放。
这个方法的关键是证据链：每一个剪辑决定（从哪里开始、到哪里结束）都有抽出来的帧作为依据，不是模型拍脑袋。
规则即审美：把「精彩」写成可验证的清单
这是整个项目最核心的部分。剪了几轮、被用户回馈教育了几轮之后，我总结出五条验收规则：
- 开始点：精彩片段开始之前，留出上下文；
- 结束点：完整回合结算面板（含对战胜利加分），或者赛事回放播完；
- 最后一个人不是主播杀的时候，必须播完最后的赛事回放；
- 人质模式没有标准结算面板：回合结束的标志是切换到选人/准备界面，到那里就停；
- 结算文字出现 ≠ 回合结束：成片尾帧必须抽出来确认——完整结算面板，或回放真的播完了。
第五条是被骂出来的。第一版剪辑在回合刚结束时戛然而止，游戏里的语音播报都没说完；后来加了规则，每一片出片前都抽尾帧验证，宁可多留一秒，不要少剪一帧。AI 最大的价值就在这里：它把我脑子里的「这个位置剪得舒服」翻译成了机器可以逐条检查的清单，而且每次都能稳定复现。
出片工程：转码与剪切的硬仗
定位完高光，裁剪本身也全是坑。
首先是编码问题：录屏是 AV1 编码，MediaKit 的裁剪接口直接吃 AV1 会报 decode error（23020011），必须先转成 H.264。全片转码的速度大约只有实时的 0.3 倍，一个 20 分钟的视频要转 1 个多小时，而且转到 93% 还中断过一次——文件写了一半，moov atom 没落盘，整个文件报废。
重转全片太亏，后来我换了思路：分段直出。
# 快速 seek 到目标附近，转出带余量的缓冲段
ffmpeg -ss 660 -i 源.mp4 -t 100 -c:v libx264 -crf 23 -preset medium -c:a aac -b:a 128k -movflags +faststart 缓冲段.mp4
# 抽帧校准实际起点后，无损切出精确区间
ffmpeg -ss 0 -t 97 -i 缓冲段.mp4 -c copy -movflags +faststart 成片.mp4
经验是：ffmpeg 的精确 seek（-ss 放在 -i 后面）在这种大文件上会先解码到目标时间，慢到被环境杀掉；快速 seek（-ss 放在 -i 前面）又快又稳，落在关键帧上时起点误差能到 0。配合抽帧校准，就能拿到精确到秒的成片。
每一片出来，最后一步永远是：抽尾帧、看图、确认它停在验收清单里规定的位置。
发布：标题是审美的一部分
剪辑定稿后发布也是流水线的一部分。双平台（抖音 + B 站合集）上传，标题遵守两条规则：不带日期、不带序号，要有钩子。比如发布过的两条：
- 「残局1v3拼到最后一秒，下包争夺战太刺激了」
- 「2v4劣势极限防守，缴下拆弹器守住决胜回合」
而不是「2026.10.04 剪辑 001」这种流水账——同样的素材，标题的差异就是流量的差异。过程中还有登录态过期、扫码失败之类的插曲，最后发布环节干脆交给本人手动完成，AI 把成片和标题备好。
成果与反思
这一轮下来：5 个 1GB 源文件 → 8 条成片，全部通过尾帧验收，用户认可后发布。
我最想说的反思是：AI 剪视频的瓶颈从来不是模型能力，而是规则工程。 模型不需要懂得「精彩」，它只需要有一份明确、可验证、可复现的验收清单；人类把自己的审美翻译成清单的过程，才是这个项目里真正值钱的部分。所有的坑（下载、转码、seek、结算帧判断）我都沉淀进了自己的私有知识库，下次再剪同类视频，流水线是现成的——AI 的价值在于，它让「剪得好」从一次性的手感，变成了可以复制的能力。