Codex + ChatCut，Agent 剪视频成了！

最近刷小红书，总能刷到 ChatCut。

大家兴奋的点很一致，毕竟天下苦剪视频久矣。

能看着 AI 真的在替自己剪完视频，真的可以解放我们很多时间。

今天我也去完整体验了一下。整个剪辑都在 codex 里完成，左侧对话，右侧看成片效果。这是我想要的 Agent 剪视频效果，就融入我最常用的 Agent 工具，比开发一个新的工具粘性更高。

在 Codex 里装上 ChatCut 插件，把我平时 Screen Studio + 剪映的剪辑流，整个换成了口喷。

5 句话就完成了我平时 一小时 工作量。

但具体效果如何？可以跟着我的实践往下看。

01 安装就一句话

使用上没什么门槛，在 Codex 里直接说一句：

阅读 chatcut.io/chatgpt，帮我安装 ChatCut 插件并创建一个新任务。

它会自己去读安装说明、装好插件，然后弹出浏览器让你 OAuth 授权登录 ChatCut 账号。登录一次，后面的会话就一直可用。

装完之后，上传视频、剪空白、删重复口误、配字幕、调样式、做封面、导出，全程都在 Codex 对话框里完成。

你不需要再打开一个传统剪辑软件，在一堆菜单里找按钮。

02 5 句话干完我 1 小时的活

先说下我发在小红书视频的流程。

我主要用 Screen Studio 录屏，导入剪映，然后手动做几件事：

剪掉中间停顿和说错重来的话，加字幕，逐条检查识别结果，调字幕样式，做封面，导出。

一条几分钟的口播视频，从导入到导出差不多 1 小时。

真正痛苦的是你要一直听自己说话，一边听一边找空白、找重复、决定哪里要删。

这个过程很碎，也很耗注意力。

这条流程换成 Codex + ChatCut，上传了一条 4 分多钟的口播视频「10 个工具.mp4」

然后我基本上只说了 5 句话：

1 发送视频目录给 Codex

按下面所示，codex 会把视频上传到 ChatCut，并且在右侧面板加载出剪辑画面

右侧是 codex 的对话窗，和我们常用的剪辑工具一致，它本质是利用 codex 内置的浏览器登录了你再 chatcut 里的账号，也是把你本地的视频上传在 chatcut 里进行剪辑的。

在这个窗口可以查看 codex 剪辑完的视频，也能自己手动操作，上传素材、剪辑、预览。

2 删除空白和重复的片段

发送 codex 删除空白和重复的片段，它就开始剪辑视频，这里的原理是把字幕和时间戳进行分析，把重复的、空白的字幕对应的时间解析并剪辑掉。

3 加字幕并改成 1.2 倍速

4 最后再优化一下字幕，改成黄色加阴影，再做一张封面

5 导出视频

导出需要在右侧视频预览窗口，实际上就是在浏览器里把视频下载到本地。

整个过程，就像我在指导一个剪辑师帮我完成任务。

我的剪辑任务很简单，没有用到 B-roll 这些工作。

4 分钟的视频它总共剪辑掉了 15 秒重复内容， 我用的 GPT-5.5 的模型，消耗了 40% 的额度。

03 效果能不能赶上手动剪辑？

使用过程中，除了在导入素材这一步我遇到过上传一直 uploading、右侧面板加载不出来的问题，后续的整个流程都很顺畅。

我最喜欢的一点是，它没有覆盖原片，而是复制出一条「10 个工具 清理版」时间线再剪。你可以继续让 AI 改，也可以自己进 ChatCut 编辑器手动接管。

我剪辑的过程中体验很好，拉高了我对成片的期待，这种交互的效果结合 codex，就是我幻想的AI 剪辑任务的形态。

左侧对话，右侧剪辑，可以虽是手动插入。

但说实话，我把视频导出来看了又看。这条视频，赶不上我自己用剪映剪出来的效果。

差距主要在两点。

第一，字幕识别准确率不如剪映。中文口播里的英文词、模型名，以及字幕的缓缓归，不如剪映那样几乎不需要手动处理。

第二，空白和重复话处理了 80%，剩 20% 要手动补。很明显的停顿和重复它都能删，但更细的节奏，哪里该多留半秒、哪里可以切得更狠、哪里不算重复但听着啰嗦，还是得人来。

但可以代替我粗剪花费的 10- 30 分钟的时间。

这次我只用到了粗剪、字幕、封面，官网列的能力还有不少：文字稿剪辑（像改文档一样删句子，时间线跟着变）、AI 图片生成、AI 视频生成（补 B-roll 和缺失镜头）、AI 音乐、AI 配音。

免费版注册送 20 个 starter credits，够完整跑一遍剪辑流程。

Pro 从 25 美元/月 100 credits 起，往上有 100 美元/月 400 credits。

AI 相关动作都消耗 credits，对话、生成、Motion Graphics、音乐、配音；

但浏览项目、手动拖时间线、预览、上传不消耗。

这次我在 Codex 里跑完整个流程没有消耗到积分，但消耗了 codex 5 小时 token 额度的 50%。成本还是可以接受的。

04 实现原理分析

我去翻了它的 GitHub 仓库（ChatCut-Inc/agent-plugin），原理不复杂，有三个点值得讲。

第一，插件背后有个 MCP server。

ChatCut 把自己的剪辑能力封装成一组标准 MCP 工具挂在 API 上，Codex 装上插件就能直接调用。

工具包括：导入媒体、修改时间线、生成 Motion Graphics、生成素材、音频转写、加字幕、导出视频，甚至还有一个"验证剪辑效果是否可见"的工具。

第二，模型不生成视频，只制定方案。

你说一句"删除空白和重复片段"，Codex 先把它理解成剪辑任务，调工具读取素材、时间线、转写文本，判断哪些是空白、哪些是口误、删完时间线怎么拼，最后调用剪辑工具真的去改时间线。

大模型负责理解意图，ChatCut 负责把方案落到真实的视频工程里。

第三，产物是工程，不是成片。

这是它和大多数 AI 视频工具最不一样的地方。

很多工具给你一个生成结果，ChatCut 给你一个还能继续编辑的多轨时间线。

视频创作很少一次生成就结束，字幕挪一点、封面换个字、前面删半秒，都要反复改。AI 只给成片，后面就没法改；AI 给的是时间线，你就可以随时接管。

插件仓库里还带了一个 skills 目录，把常见剪辑任务写成了现成的工作流，这个设计对用 Claude Code 和 Codex 的人应该很眼熟。

05 我的感受

Codex + ChatCut，口喷剪辑视频行得通吗？

行得通，但别把它想成"一句话生成完美成片"。

更现实的定位是：把剪辑里的机械劳动先做掉，给你一版可继续编辑的粗剪。

这条视频它完成了导入、清空白、删重复、加字幕、调速、调样式、做封面，保留了可编辑时间线。

还需要人工的是：字幕校对、细节节奏、剩下 20% 没删干净的重复话。

所以我不会说它替代剪映。我更愿意说，它把剪映前面最烦人的那一段，变成了几句话。

会剪辑的人，它帮你省掉粗剪时间；

不会剪辑的人，它让你先得到一版能看的视频。

我看好 chatcut 的工程框架，模型和 codex 的结合体验很不错。

最有价值的地方是它会跟随模型+Agent的进化而进化。

我很期待未来 100% 的剪辑工作都可以用 Agent 实现。

文章来自于"空格的键盘"，作者 "空格"。