AI 终于能帮我剪视频了：Codex + 达芬奇实测

剪辑对很多人来说，是件很专业的事。即便会剪，我也常常觉得麻烦。

出去旅游，相机、无人机、运动相机录了一堆，回来看到这些素材，懒癌立马就犯了。

一拖再拖，几个月过去，片子还没动。

都到 AI 年代了，难道不能让 AI 帮忙剪视频吗？

现在还真能了。这次我用Codex Astra + 达芬奇 MCP，剪了一条新疆旅行短片和一条口播。

看着它自动选素材、排时间线，效率快得让我一度觉得，自己这双剪片子的手快用不上了。

目前用 AI 操作达芬奇，有两种方式：Computer Use 直接操控界面，或者通过达芬奇官方提供的 MCP。

后者做批量操作更快，本文就以它为主。

下面按剪辑顺序，以口播串起流程，穿插旅行案例，提示词可以直接复制。

01 连上达芬奇

这套 MCP 功能需要先把达芬奇升级到21.1。我用的是 Mac 和 DaVinci Resolve Studio 21.1。

MCP 是让 AI 调用外部软件功能的接口协议，有了它，Codex、Claude 等就能向达芬奇发出操作指令。

在达芬奇里打开File → Setup AI Assistant，按提示安装配置，完成后重启对应客户端，在 Codex 中选择 Astra。

▲ 图：配置成功，列表里出现 Codex in ChatGPT

还不会用 Astra 的，可以先看我之前的新手教程（文末有链接）。配置好后，发一句确认连上了正确项目：

通过 Resolve MCP，读取当前项目名称、素材数量和时间线，确认连接正常。只检查，不修改。

我第一次调用 MCP 时，弹出了下面这个工具执行确认。核对它要做的操作，再选择允许，才会继续读取项目。

▲ 图：本次首次调用 MCP 时的执行确认

为了避免 Astra 改用 Computer Use 点界面，我在操作达芬奇的提示词前都加上了“通过 Resolve MCP”。后面默认保留已确认内容，做不了的地方直接说明。

02 选素材：先让它帮我翻一遍

选素材就是剪辑的第一个头疼事，口播也不例外。

我经常 NG 好多次，录完却记不清哪一版最好，有时还得从几个版本里各取一段，费时又费力。

这次我把多条口播交给 AI 比较，让它自己挑，最后它分析完挑了一个，再加入时间线。

通过 Resolve MCP，分析这几条口播的实际画面和音频，挑出表达完整、流畅的录制，说明建议保留哪条或哪几段。先不剪。

跨好几天的旅行 Vlog 更麻烦。

我这次新疆游以拍照为主，视频也拍了235 条，约 3 小时 22 分钟，行车、航拍、湖泊、夜市什么都有。回来快两个月了，一直没心情剪。

这么长的素材，即使 2 倍速连续看，也要约1 小时 41 分钟，还没算暂停、比较和做标记。

光是想到要从头翻一遍，就已经不想动了。

通过 Resolve MCP，查看旅行素材的画面，选出适合短片的片段并说明理由。避免重复风景，不虚构路线；无法查看的素材请列出。

▲ 图：AI 整理出的新疆候选画面

它没有只挑漂亮风景，还选了孩子做表情、同行人拿着食物互动、花田里走动等片段。地面的人物和航拍的环境放在一起，更像“我们出去玩了一趟”。

我特别喜欢它给的选片清单：选了哪些镜头，为什么选，都写出来了。我可以沿着理由判断，而不是对着一堆文件名猜。

▲ 图：Codex 给出的旅行选片清单，包含代表素材和选择理由

这次主要通过抽帧初筛，再细看候选区间，并没有完整看完三个多小时。选出来之后，我再检查一遍，比自己从头翻起轻松。

说实话这个过程真的爽到炸裂，太适合我这种懒人了，而且它选的片我真的觉得非常不错！

03 初剪：先把内容剪顺

选好素材，就让它建时间线。旅行片先做一版，看看整体感觉：

通过 Resolve MCP，用选出的片段新建时间线，剪成约 3 分钟的横屏旅行短片。避免重复风景，保留有意思的现场声，先不加配乐和特效。

▲ 图：旅行初剪调整版：改为公路开头，增加游玩与人文镜头

即便是 AI 选片也不可能一步到位，检查完之后我们可以让它进行调整。比如我后来又让它改成高速行驶开头，多放游玩和人文镜头，把湖边的片段归到一起。

这些修改直接说出来就行。

口播的重点则是删掉重复录制、口误和无意义停顿，同时保留自然换气：

通过 Resolve MCP，新建“口播初剪”时间线，以选好的 C0708 为主，删掉重复、口误重说和无意义长停顿，保留完整表达与自然换气。别切掉字头字尾，标记明显跳切，先不加字幕、配乐和特效。

▲ 图：片段批量进入时间线，原速节选（视频预览）

▲ 视频：播放高清视频：片段批量进入时间线，原速节选

▲ 图：口播初剪后的时间线与剪口标记

最后留下约4 分 38 秒、33 个片段。这一步我挺满意，基本把不需要的内容剪掉了，还留下了待处理的剪口。

这里特别值得一提的是，这种方式剪出来的片子，居然比剪映里的一键剪口播还要好。因为剪映这个功能虽然很快，但它会把所有气口全剪掉，所以最终看起来很不自然。

标记也不是只写“这里有问题”。它会记下源素材位置、需要复听什么，以及适合用什么画面覆盖，后面接着做就很方便。

▲ 图：剪口备注包含源素材位置、复听提示和补充画面建议

看到时间线自动排出来，真的很爽。

素材和选段确认后，这次执行初剪、排进时间线，我感觉不到一分钟就完成了。原来最耗我时间的活，竟然就这样做完了。这个时间不包括前面的素材分析。

如果你经常做发布会、活动现场的快剪，应该会很喜欢这种批量排时间线的功能：素材和选段确认后，能更快做出一版初剪。

先把这版看顺，再往上加东西，免得后面删一句话，字幕、动画和音乐都得跟着挪。

04 景别、防抖和转场

初剪完，我通常会立刻调整一下画面衔接。单机位口播删掉中间一段话后，人物动作会突然跳一下，就可以在合适的地方切换中景、近景：

通过 Resolve MCP，根据段落和剪口标记，适量调整中景、近景，保持构图自然，不频繁推拉。适合用演示画面覆盖的位置加标记，保留原声。

▲ 图：中景切近景的衔接效果（成片节选）

旅行片还可以在地点或段落切换处加一点叠化，口播的普通剪口就保留直接切换。

通过 Resolve MCP，在地点或段落切换处适量添加简短叠化，其余保留直接切换。检查重复帧和黑帧，保留现有剪辑与音频。

手持素材则按需防抖。我通常在调色里面用稳定器来处理，但 MCP 没法操作这个功能。

后来 Astra 告诉我调用Stabilize()可以。别因为某个面板不好控制，就认定整个功能做不了。

剪辑里遇到不会处理的问题，也可以随时问 AI：这个剪口为什么不顺，有没有更合适的处理方法？先听它解释，再决定怎么改，不必一开始就会写完整指令。

通过 Resolve MCP，对 C0742 调用 Stabilize() 测试防抖，检查裁切和扭曲，保留正常运镜。先做一段，无法验证的说明。

先看一个镜头的前后效果，确认没有过度裁切或扭曲，再让它检查其余片段、按需处理。

后面的调色、声音，我也基本按这个顺序：先做一个，确认效果，再批量应用。

不能只看接口返回“成功”。

05 做动画：先定风格，再让它动

一个人一直对着镜头说话，很容易枯燥。讲解或教程里加点动画，既生动，也容易看懂。

但做动画要用专门的软件，或者达芬奇里的 Fusion，我不会，以前常常就只能干讲。

这次终于能试了。不过第一次只说“做个流程动画”，结果很丑。后来先让它出静态稿，才有了方向：

先不改时间线，为“工程系统”做两种静态效果稿。配合暗调口播，用深蓝灰背景、彩色文字和图标，突出当前环节，避免六个等大方框机械排列。

确认样子后，再让它在 Fusion 里实现：

通过 Resolve MCP，按确认的效果在 Fusion 制作流程动画，跟随讲解出现，保留原声和可编辑节点，避免字幕遮挡，不用外部视频替代。

▲ 图：口播中的流程动画，按讲解突出相应环节

以前看别人旅行 Vlog 的酷炫片头，我也想做，可惜不会，往往只能找 AE 之类的模板。

这次直接把想法交给 AI：“新疆游”三个字里面播放旅行镜头，再放大穿过文字，进入公路画面。

通过 Resolve MCP，在 Fusion 做约 6 秒“新疆游”片头。三个字内都播放动态旅行镜头，背景压暗虚化；第 1 秒开始逐渐放大，平滑加速穿过文字接公路。保留可编辑节点。

▲ 图：文字内部填充旅行镜头

▲ 视频：播放新疆片头高清版

看到效果时，我真的很震撼。剪了这么多年都没学会的东西，现在说清楚想法，它就能很快搭出来，让我做到了原来做不到的事。

当然，最早那版只有一个字明显在动，放大也太突然，后来又改过，不能说是一次完成。

配色、布局和节奏说具体一点，比“高级一点”管用。到这里，内容和主要画面的时间线基本定下来了。

06 字幕：生成后，用 SRT 集中校对

做过视频的人都知道，字幕很磨人。

剪映的自动字幕帮我省过不少事，这次换到达芬奇，也想看看能不能一句话让 AI 做完：

通过 Resolve MCP，为当前口播生成中文字幕，合理断句，每屏最多两行，列出可疑识别结果。

▲ 图：整条字幕轨道生成，原速节选（视频预览）

▲ 视频：播放高清视频：整条字幕轨道生成，原速节选

没想到真能自动创建。但这次识别结果，比我平时用剪映的体验差不少：“大毛巾”“SARS”都出来了，DeepSeek 也被拆开。

逐条纠正太费时间，MCP 又没找到直接改字的接口。好在它默认生成的是SRT字幕，可以自己直接导出。于是换个办法，把整条字幕 SRT，交给 Codex 集中校对：

通过 Resolve MCP 读取字幕和时间，整理成 SRT，列出“原文 → 建议修改”，我确认后另存校对版，保留时间对应。

它把问题列出来，有些是名称、术语识别错了，有些则需要结合上下文判断。

下面从当时的两张表里各节选几条，保留原文。第二张表里的问号和回听提醒也一起留下，能看到它当时哪些地方还拿不准：

▲ 图：原始校对输出节选：当前字幕与建议修改

▲ 图：原始校对输出节选：可能想表达的内容，保留待确认提示

我确认修改后，自己把校对版导回达芬奇。这个动作手工比 Computer Use 快，也省去了在时间线上逐条找错字的麻烦。

让我意外的是，这种方式比之前在剪映里面快多了。之前剪映我都是手工去校正。。。当然，剪映也能借助导出 SRT 这样处理。

字体也没法通过 MCP 改，不过手工操作也非常快。选中任意一条字幕，在检查器的“轨道”里进行相关设置，使用轨道样式的字幕就会统一更新。

▲ 图：在轨道中统一设置字幕字体

术语和人名仍要对照原声，不能把 AI 校对当成零错误。

07 调色：确认一个，再匹配其余镜头

调色是达芬奇的强项，也是我觉得最专业、最费功夫的环节之一。

我日常很多素材用 HLG 拍摄，放进 SDR 成片前得先正确还原，之后还要一个片段一个片段地调整。

这次先拿拍摄条件一致的口播试：选一个代表画面，让脸亮一点，同时保留背景的暗调和蓝绿色灯光。

通过 Resolve MCP，保持色彩管理，在已有 Color 节点上调整一个人物镜头，让肤色自然、人物稍亮，保留背景暗调，避免白衬衣过曝。先做前后对比。

▲ 图：同一帧调色前后对比，左为修改前，右为修改后

确认后，再让它按参考效果逐镜匹配。这次用的是已有空节点做全画面校正，没有新增节点，也不是单独抠出人脸提亮。

▲ 图：调色时逐镜切换与查看，8 倍速，无声（视频预览）

▲ 视频：播放高清视频：调色时逐镜切换与查看，8 倍速，无声

新疆更复杂，相机有 HLG 素材，无人机又有 Rec.709 素材。要先核对色彩空间、完成还原，再调曝光和颜色，不能统一套 LUT。

通过 Resolve MCP，先核对各设备素材的色彩空间和现有转换，以 SDR Rec.709 为目标给出还原方案。无法确认的列出，先不改设置。

新疆这次还留下了一份逐镜校正对比清单：哪些改了、哪些保留原样，都能对照着看。

下面只取两个镜头；这份记录检查的是同一时间点的静帧，全片动态效果仍要另外检查。

▲ 图：逐镜校正对比节选：左为修改前，右为修改后

调色这块，本次通过 MCP 跑通的能力还比较有限，主要是在已有节点上做基础校正；自动添加并控制 CST 没跑通，也遇到过设置覆盖和卡住。（主要是 MCP 目前还不支持这么多功能）

批量处理能省时间，但要精细调整，我还是更愿意逐个镜头手工看。

另一种值得试的配合是：先手工调好代表片段，保存到画廊，再批量应用并微调。这里是后续思路，本次没有验证整套自动套用流程。

08 美颜：这一步我手工补上

口播要发出去，我通常还会看看需不需要美颜、瘦脸。以前这部分我更习惯放到剪映里处理，达芬奇用起来没那么顺手。

达芬奇原来就有Face Refinement（面部修饰）等工具，现在这版还可以用AI Face Reshaper，面部重塑器来调整脸型。

不过本次 MCP 没找到直接控制它的参数和跟踪的方法，我就手工设置，再让 Codex 保留效果继续做。

▲ 图：手工加入的 Face Reshaper

几步能完成的操作，不必非让 AI 绕一圈。

09 声音和 BGM：先顾好人声

看视频时，画面差一点，可能还能看下去；但如果噪音刺耳、讲话听不清，就很难有耐心继续看了。声音处理是剪辑里很重要的一步。

个人博主的收音条件往往没那么专业：房间里有杂音，口播时声音忽大忽小，加上 BGM 后，音乐又把人声盖住了。

这些问题听得出来，真要调好，却需要一些技巧。

这次口播的声音比较一致，主要平衡轻声、重音，检查剪口；旅行里的车内、集市、湖边现场声差异大，更需要分段处理。

▲ 图：旅行初剪的部分音轨，不同片段的现场声波形有明显差异

通过 Resolve MCP，分析实际音频，按需平衡各段音量、检查峰值和剪口。对白优先，保留重要现场声，不统一套相同增益、不强行降噪。导出试听。

口播实际用的是片段级对白电平器，并没有在 Fairlight 轨道上新增压缩器。本次能改片段音量和淡化，但没找到精细控制轨道压缩器、EQ 等参数的接口。

处理得是否自然，最终还是要听。

▲ 图：口播成片混音试听，原速 20 秒，包含人声与配乐（视频预览）

▲ 视频：播放高清视频：口播成片混音试听，原速 20 秒，包含人声与配乐

找配乐也是个耗时间的事。有时不知道片子该配什么音乐；就算心里有方向，翻曲库、挨个试听，也能找上很久。

这次 Codex 不仅给了配乐方向，还提供了可免费下载的链接。我下载后放进媒体池，再让它放到独立音轨。

根据这条口播的内容和节奏，推荐几首不抢人声的背景音乐，先不要加进时间线。

选好后再发：

通过 Resolve MCP，将媒体池中的 Minimal Tech 加到独立音轨，不要盖住口播。平滑处理起止和循环，检查混音峰值，保留人声处理。

▲ 图：全片配乐的循环与衔接调整，4 倍速，无声（视频预览）

▲ 视频：播放高清视频：全片配乐的循环与衔接调整，4 倍速，无声

▲ 图：全片配乐，循环处重叠淡化

我们先试听约 30 秒，确认后铺满全片。

10 补标题、片尾和少量音效

一条片子准备交付前，通常还要做些基本包装：主标题、章节提示、片头片尾，以及适量的转场音效。这次也一起补上：

通过 Resolve MCP，根据口播补齐主标题、必要的章节标题和片尾。字稍大、稍粗，不要厚重黑底，避开人物和字幕。只在动画进入处加少量轻柔音效。

这次标题也翻车了：“01”出了画框。原来人物镜头放大了 1.2 倍，Fusion 标题也跟着被裁切。后来补偿位置和字号、去掉底板，才改成下面这样。

▲ 图：修正后的章节标题

音效只放了几处，不给每个剪口配“嗖”的一声。短音由 Codex 在本地合成后通过 MCP 导入，最终听感仍要检查。

11 导出，自己完整看一遍

终于走到导出这一步了。

我会先出一版预览，看看前面分开处理的画面、字幕和声音，放到一起有没有问题。

通过 Resolve MCP，导出完整时间线为 1080p H.264 MP4，帧率跟随时间线，包含全部音频和烧录字幕，保存到 outputs。检查文件、时长和可播放性，给我路径。

▲ 视频：播放口播全片预览

以前导出的时候还要研究一堆的东西，比如码率等，这回什么都不用管。

这个视频完全由 AI 选材、剪辑、调色、配乐、调音、上字幕、加标题，没有任何一个地方是我手动操作的，你觉得如何？（旅行 Vlog 剪辑得也不错，涉及家人隐私就没放出来了。）

实际上还是有一些小瑕疵，但直接发其实也没啥问题，我不得不服！

12 用下来，MCP 加手工更顺手

剪了这么多年视频，真的没想到，有一天能看到一直想要的 AI 自动剪辑。选素材、初剪、批量调整，连原来不会的动画，现在都能让它帮忙做。

看到这些，有人会焦虑：剪辑还值得学吗？

我至少在这次测试里，没有觉得自己的经验变得多余。恰恰是因为懂一点剪辑，才知道哪里跳得难受、哪段声音盖住了人声，也知道应该让它怎么改。

AI 的短板还不少，技术会继续进步，但我更在意的是自己还要作出的判断：这个故事怎么讲，哪个镜头最打动我，颜色往哪边调，配什么音乐才贴合这段经历。

这些选择，决定了片子最后是什么样子。

至少目前，我还不愿意把它们全交出去。

所以，懂剪辑的人有了一个能替自己干活的帮手；不懂的人，也能先做出简单的片子，再边做边学。

AI 越方便，专业知识越容易用起来。

我的办法仍然是AI 加手工（人工+智能），省下重复操作的时间，多看几遍画面，多听几遍声音。

那堆拖了快两个月的新疆素材，终于剪起来了。

你也可以拿一个小项目试试，从“帮我选素材、做一版初剪”开始。

欢迎留言说说，你最希望 AI 替你省掉哪一步；也可以把这篇转给同样被剪辑拖住的朋友。