我用 Codex + GPT-6 Astra 搭了一条自动化剪辑流水线，从安装到批量出片全流程分享

做知识分享类视频的博主应该都有同感：剪辑是最消耗时间的环节。一条 60 秒的口播视频，从转录、挑片段、对字幕到导出，手动操作下来一两个小时就没了。

最近我把这套流程交给了 Codex（OpenAI 的终端 AI 编程助手）+ GPT-6 Astra 模型，配合 FFmpeg 这套命令行工具链，实现了「丢进素材、说出需求、自动出片」的工作流。这篇文章把完整过程拆给你看，每一步都可以直接照抄上手。

先说清楚这套方案的核心思路：

模型负责决策，工具负责执行。 Astra 来理解你的需求、分析素材、生成剪辑方案；FFmpeg、FFprobe 这些命令行工具负责真正的转码、裁剪、拼接。

步骤 1：先把工具链装齐

基础环境

Node.js 20+ ：Codex CLI 的运行环境，去 nodejs.org 下载 LTS 版本即可
Git：版本管理，可选但强烈建议装
Python 3.11+（可选）：后面装语音转录工具 Faster-Whisper 需要

装完验证一下：

bash 复制代码

node -v    # 应显示 v20.x.x 或更高
python -V  # 应显示 Python 3.11.x 或更高

安装 Codex CLI

macOS / Linux：

bash 复制代码

curl -fsSL https://chatgpt.com/codex/install.sh | sh

或者用 npm（全平台通用）：

bash 复制代码

npm i -g @openai/codex@latest

Windows 用 PowerShell：

powershell 复制代码

powershell -ExecutionPolicy ByPass -c "irm https://chatgpt.com/codex/install.ps1 | iex"

安装视频处理工具

bash 复制代码

# macOS
brew install ffmpeg

# Ubuntu / Debian
sudo apt install ffmpeg

# Windows（用 winget）
winget install ffmpeg

可选但推荐的语音转文字工具（生成逐字稿和 SRT 字幕用）：

bash 复制代码

pip install faster-whisper

验证清单

codex --version 能正常输出（需要 0.153.0 以上版本才能用 GPT-6 Astra，建议直接升到最新）
输入 codex 启动后，用 /model 能选到 gpt-6-astra
ffmpeg -version 正常
建好 raw/（放原始素材）和 output/（放成片）两个目录

💡 提示：ChatGPT Plus 用户在 Codex 和 ChatGPT Work 里就能用 GPT-6 Astra；普通聊天窗口里是看不到的。如果模型列表里找不到，先升级 Codex 版本再重启终端。

步骤 2：认识自动化剪辑的常用工具

真正让 Codex「动起来」的不只是模型，还有这些执行能力：

工具	干什么用	一句话说明
FFmpeg	转码、裁剪、拼接、烧录字幕	视频处理的基石
FFprobe	读取时长、分辨率、码率、音轨信息	精准获取视频信息
Faster-Whisper	自动转录音频，输出 txt / srt	语音转文字利器
yt-dlp（可选）	下载你有权限使用的网络素材	获取素材
Python / Node 脚本	批量重命名、切片、整理字幕	自动化处理流程

同时在 Codex 里建议开启这些能力：

Terminal：执行命令、调用工具（核心中的核心）
Files：读取、写入、管理文件
Git：版本管理，协作更高效
Web / Search（可选）：获取信息、扩展素材来源
MCP / 自定义脚本（可选）：连接更多工具，打造专属能力

步骤 3：用 AGENTS.md + Skill 固化你的剪辑规范

这是整套工作流里最关键的一步，也是大部分人忽略的一步。

没有规则文件，你每次都要重新教 AI 一遍「我要竖版」「字幕不超过两行」「输出到 output 目录」。有了 AGENTS.md，这些规范一次写好，永久生效。

AGENTS.md 最小规则（可直接复制）

markdown 复制代码

# 视频项目规则

1. 先读取 raw/ 并列出素材清单
2. 先转录，再生成镜头表
3. 默认输出竖版 1080×1920
4. 所有结果写入 output/
5. 每步执行前先给计划，确认后再动手

skills/video-editor.md 职责定义

markdown 复制代码

# video-editor Skill

- 角色：短视频剪辑助手
- 输入：素材、脚本、平台参数
- 输出：剪辑方案、字幕、导出命令、封面文案
- 目标：减少重复操作，提高稳定出片率

整个流程就变成：

素材输入（raw/） → 按规则分析（AGENTS.md） → 执行剪辑（video-editor） → 输出成片（output/）

💡 核心原则：让 AI 按你的 SOP 工作，而不是每次重新教。

步骤 4：从素材到成片的 6 步自动化流程

记住口诀：先分析，再执行；先结构化，再导出。

① 读取素材

扫描 raw/ 目录，识别视频、音频、图片，列出清单。

② 自动转录

提取音频，用 Faster-Whisper 生成逐字稿和 SRT 字幕：

bash 复制代码

ffmpeg -i raw/demo.mp4 -vn -ar 16000 -ac 1 raw/demo.wav

然后让 Codex 调用转录脚本，得到带时间轴的文本。

③ 选高能片段

根据节奏、信息密度挑片。口播视频重点看「观点密度」，混剪视频重点看「情绪变化和动作清晰度」。

④ 生成镜头表

把选中的片段整理成结构化的表格：顺序、时长、字幕、BGM 位置，一目了然，方便你审阅后再执行。

⑤ 执行粗剪

调用 FFmpeg 完成拼接、裁剪、加字幕。常用命令：

bash 复制代码

# 裁剪片段（从 12 秒开始，截取 16 秒）
ffmpeg -i raw/demo.mp4 -ss 00:00:12 -t 16 -c copy output/clip1.mp4

# 烧录字幕
ffmpeg -i raw/demo.mp4 -vf "subtitles=output/out.srt" output/final.mp4

# 转竖版 1080×1920（居中裁剪）
ffmpeg -i raw/demo.mp4 -vf "crop=607:1080,scale=1080:1920" output/vertical.mp4

⑥ 复检导出

检查节奏、错别字、分辨率后输出 final.mp4。

常用指令速查

bash 复制代码

# 启动 Codex 并指定模型
codex -m gpt-6-astra

# 在 Codex 里直接说
请扫描 raw/，转录全部素材并输出 srt

# FFmpeg 烧字幕
ffmpeg -i raw/demo.mp4 -vf "subtitles=output/out.srt" output/final.mp4

建议目录约定：raw/ 放原素材，assets/ 放 BGM 和贴图，output/ 放成片与字幕。

步骤 5：拿来就用的剪辑提示词模板

把需求说清楚，Astra 才能稳定帮你出片。下面三个模板是我自己实际在用的，直接复制改参数即可。

模板 A：知识分享口播

复制代码

你是专业视频剪辑助手。请扫描 raw/ 中全部素材，先生成逐字稿和时间轴，
再挑出 6-8 个高信息密度片段，输出一条 60 秒竖版知识分享视频的剪辑方案。
要求：开头 3 秒有钩子，字幕每次不超过 2 行，保留关键词，
并给出可执行的 ffmpeg 命令。

模板 B：混剪 / B-roll

复制代码

请从素材中提取「问题---过程---结果」结构，生成节奏更快的混剪方案。
优先保留情绪变化明显、动作清晰、画面稳定的片段，
并补充字幕建议与转场建议。

模板 C：批量处理

复制代码

请对 raw/ 下每个 mp4 重复执行：转录 → 镜头表 → 字幕 → 导出，
并把所有结果写入 output/，最后生成一个 summary.md 汇总文件。

出片检查清单

💡 会写提示词 = 会管理一个自动化剪辑流程。 提示词不是咒语，而是你对剪辑思路的结构化表达。

写在最后

这套工作流的价值不在于「AI 帮你剪视频」这个噱头，而在于三点：

重复劳动被消灭了：转录、切片、烧字幕这些机械操作全部自动化
你的经验被固化了：AGENTS.md 和 Skill 文件把你的剪辑审美变成可复用的资产
可以批量了：模板 C 那种批量处理，手动做是一天，自动做是喝杯咖啡的时间

从想法到成片，只需要更少的时间。省下来的时间，去做真正重要的部分------内容本身。

如果你在实操中遇到具体问题（比如 FFmpeg 报错、字幕对不上、Astra 额度不够），欢迎在评论区留言，我看到会回复。觉得有用的话，别忘了点赞收藏，我们下篇见。

我用 Codex + GPT-6 Astra 搭了一条自动化剪辑流水线，从安装到批量出片全流程分享