一览7 个视频合成Skills

为什么视频 Agent 开始集体长出“技能层”？7 个视频技能项目的能力边界与落地差异

最近一波视频相关的 Agent Skill 项目，已经不只是“帮你调一个模型”这么简单了。

它们开始把视频处理链路拆成可调用、可组合、可复用的技能单元：有人把剪映桌面端变成自动化执行器，有人把口播剪辑做成半自动审核流，有人专注 YouTube 切片与双语字幕，有人把视频总结、电影解说、Remotion 代码生产都纳入 Skill 体系。

这背后其实是一个非常明确的变化：AI 正在从“会写提示词”进化成“会操纵视频工作流”。

这篇文章，我把 7 个项目放在一起看，不只介绍“它们能做什么”，更重点分析：

• 它们分别解决的是视频链路中的哪一段
• 哪些更像“生产工具”，哪些更像“能力底座”
• 哪些适合个人创作者，哪些更适合团队或工作流集成
• 如果你想搭建自己的视频 Agent，该优先借鉴哪一类

如果你最近在关注 AI 视频生产、Agent 技能体系、自动化剪辑、Remotion 编程式视频，这一组项目很值得集中看一遍。

先说结论：这 7 个项目，实际上分成了 4 个层级

为了避免把它们混成一锅，我先给一个专业划分。

1）桌面剪辑执行层

代表项目：

• jianying-editor-skill
• videocut-skills

这一层直接面向“剪视频”本身。

区别在于：

• 一个更强调驱动剪映桌面端完成整套编辑动作
• 一个更强调口播视频的语义识别、问题标注与 FFmpeg 剪辑执行

2）内容切片与二次分发层

代表项目：

• Youtube-clipper-skill
• bibigpt-skill

这一层更关注“已有视频内容如何被拆解、总结、转写、再生产”。

它们面向的不是从零做片，而是：

• 把长视频切成可传播片段
• 把视频变成字幕、摘要、双语内容、公众号图文、社媒文案

3）成片流水线封装层

代表项目：

• narrator-ai-cli-skill

这一层的价值不在于“可自由拼装”，而在于把一整条电影解说生产流水线产品化。

它更像“直接调一个成熟视频工厂”。

4）编程式视频能力层

代表项目：

• remotion-dev/skills
• remotion-best-practices

这一层不是某个成品工作流，而是围绕 Remotion 的知识、规则与工程方法论。

它解决的是：当 Agent 要生成、修改、维护 Remotion 视频代码时，如何少走弯路、少写错代码、建立可靠的工程约束。

一句话总结：

前三层是在“做视频任务”，第四层是在“让 Agent 学会做视频工程”。

一、jianying-editor-skill：把剪映桌面端变成 Agent 的执行器

项目地址：

• https://github.com/luoluoluo22/jianying-editor-skill[1]

它的核心作用是什么？

这个项目最有代表性的点，是它不是重新做一个视频编辑器，而是把剪映专业版当成底层执行环境。

也就是说，它的目标不是替代剪映，而是让 AI Agent 帮你把大量重复的编辑动作自动完成：

• 素材导入
• 时间轴排列
• 配音生成
• 自动字幕
• 配乐选择
• 特效/转场/滤镜应用
• HTML/Canvas 动效转视频素材
• 录屏与智能变焦
• 影视解说视频生成
• 最终导出 MP4

这类能力的价值很直接：

它把“自然语言 -> 剪映项目结构”的转换打通了。

对于大量使用剪映的创作者来说，这非常重要。因为真正耗时的部分，往往不是“剪映不会做”，而是你要不断重复点击、试错、调整、堆时间轴。

它更适合什么场景？

更适合以下场景：

• 短视频批量制作
• 图文转视频
• 解说视频模板化生产
• 录屏教程类视频
• 需要保留剪映现有生态（特效库、素材库、导出体验）的团队

它的专业优势

它最大的优势不是算法，而是工程连接能力强：

• 对接成熟桌面编辑器
• 功能覆盖面广
• 对非专业开发者更友好
• 可以沿用剪映已有工作习惯

它的限制也很明确

项目自己也讲得比较坦诚：

• 它不是剪映替代品，渲染和预览仍依赖剪映本身
• 剪映部分实时 GPU 能力无法通过代码直接调用
• 并不是所有剪映 UI 都能自动化触发
• 自动导出依赖旧版本（5.9 及以下）
• 不支持手机端

所以它更像：

“面向现有剪映生态的自动化外挂层”，而不是一个纯粹独立的视频 AI 引擎。

二、videocut-skills：把口播剪辑从“时间轴操作”升级成“语义审核”

项目地址：

• https://github.com/Ceeon/videocut-skills[2]

它的核心作用是什么？

如果说 jianying-editor-skill 强在“自动搭时间轴”，那 videocut-skills 强在“自动识别哪里该剪”。

这个项目非常聚焦：专门解决口播视频剪辑中的语义问题。

它瞄准的是传统工具经常处理不好的两类问题：

1. 说错以后重新说一遍
2. 重复句、卡顿、语气词、长静音

它不是只做波形检测，而是把语义理解引入剪辑决策：

• AI 逐句分析内容
• 标记重说/纠正/重复
• 静音检测
• 句内重复识别
• 自定义词典纠错
• 审核页人工确认
• FFmpeg 自动执行剪辑

它为什么专业？

因为它解决的不是“剪辑软件有无按钮”，而是口播视频的内容质量控制。

很多创作者的真实痛点不是不会加转场，而是：

• 19 分钟讲稿里有大量口误
• 专业术语字幕识别错误
• 哪句该删、哪句该留很费时间
• 一遍遍看回放做人工挑错极其耗精力

videocut-skills 的价值就是把这些“人工审核负担”前移给 AI。

它更适合什么场景？

特别适合：

• 知识口播
• 教程录制
• 产品演示讲解
• 播客视频化
• 开发者内容创作

它与传统剪映思路最大的不同

传统剪辑工具更多是“你来判断，我来执行”。

而这个项目更像：

“AI 先做内容级审稿，再让你做最终确认。”

这意味着它在“口播清洗”这件事上，比通用桌面编辑自动化更垂直，也更容易做出稳定收益。

它的边界

它的边界同样清晰：

• 偏口播，不是全品类视频生产平台
• 强项在审核与裁剪，不是复杂视觉包装
• 依赖转录质量、词典质量与审核流程设计

所以它不是“万能视频 Agent”，而是一个非常强的垂直口播剪辑 Skill。

三、Youtube-clipper-skill：把长视频拆成可传播片段

项目地址：

• https://github.com/op7418/Youtube-clipper-skill[3]

它的核心作用是什么？

这个项目瞄准的是另一类高频任务：

一条长视频，如何快速变成多个短片段、双语字幕和可传播内容？

它的能力组合很典型：

• 下载 YouTube 视频
• 基于语义生成细粒度章节
• 精准切片
• 中英双语字幕翻译
• 字幕烧录
• 自动生成社媒内容

这里面最值得注意的不是“下载视频”，而是语义章节生成与切片逻辑。

这意味着它不是机械地每 3 分钟切一刀，而是尝试理解内容结构后再切。

它解决的真实问题

内容创作者常见需求是：

• 从播客/访谈/演讲中提取适合传播的片段
• 做中英文双语内容分发
• 把长内容拆成适合小红书、视频号、公众号、抖音的二次素材

Youtube-clipper-skill 本质上是在做：

长视频的“语义切片 + 多平台再包装”。

它更适合什么场景？

适合：

• 海外视频搬运与研究
• 播客精华切片
• 演讲内容再分发
• 长视频内容矩阵运营
• 双语字幕视频生产

它的专业特点

它比一般字幕工具更进一步，因为它把几个环节串成了闭环：

• 内容理解
• 结构切分
• 视频截取
• 字幕翻译
• 视觉输出
• 社媒文案生成

这让它更接近“内容再加工流水线”，而不是单点工具。

它的局限

但也要看到，它主要还是围绕 YouTube 或长视频切片生态展开：

• 对原生拍摄型复杂剪辑帮助有限
• 对重视觉设计、复杂包装不算强项
• 更偏内容拆解而非从零创作

四、bibigpt-skill：把视频、音频、播客变成可消费知识

项目地址：

• https://github.com/JimmyLv/bibigpt-skill[4]

它的核心作用是什么？

如果前面的 Youtube-clipper-skill 更偏视频切片，那么 bibigpt-skill 更偏内容理解与知识转写。

这个项目围绕 BibiGPT CLI / API 构建，把视频、音频、播客等内容转成：

• AI 摘要
• 分章节总结
• 原始字幕/转录
• 文章改写
• 批量处理结果
• 多源综合分析
• 笔记导出
• 画面分析

它本质上是把“多媒体内容理解”做成了 Agent 可调用工作流。

它与前者最大的差异

Youtube-clipper-skill 更像“从视频中切出可传播片段”；

bibigpt-skill 更像“从视频中提取可复用知识”。

换句话说：

• 前者偏视频生产再利用
• 后者偏信息提炼与内容重写

为什么它值得单独看？

因为它非常贴近内容运营的真实链路。

很多团队不是非得先做视频，而是更关心：

• 这条视频讲了什么
• 能不能快速出公众号文章
• 能不能形成研究简报或学习笔记
• 能不能多链接综合对比
• 能不能输出到 Notion / Obsidian / 本地文件

所以它是一个明显偏“知识中台”的视频 Skill。

它更适合什么场景？

适合：

• 视频转图文
• 播客转文章
• 行业内容监测
• 批量总结学习资料
• 多视频主题研究
• 知识库沉淀

它的专业定位

它不是一个剪辑器，也不是一个视觉视频生成器，而是：

视频/音频内容理解层 + Agent 工作流分发器。

这让它特别适合作为上游能力，接到图文生产、研究分析、知识管理链路上。

五、narrator-ai-cli-skill：把“电影解说”做成一条完整产品流水线

项目地址：

• https://github.com/jieshuo-ai/narrator-ai-cli-skill/blob/main/README_CN.md[5]

它的核心作用是什么？

这个项目非常典型，它不是想做一个通用视频引擎，而是直接定义了一个具体结果：

帮你做电影解说视频。

而且不是只给一个 API，它是把整条链路打包了：

• 搜索影片
• 选择模板
• 选择 BGM
• 选择配音
• 生成文案
• 合成视频
• 返回下载链接

同时还区分：

• 二创文案（爆款学习）
• 原创文案（快速模式）
• 热门影视 / 原声混剪 / 冷门新剧 等创作模式

它为什么重要？

因为它代表的是另一种 Skill 方向：

不是让 Agent 学会一堆零散视频技能，而是直接把垂直行业 SOP 做成可调用产品。

这一点和 videocut-skills 这种偏流程增强型项目不一样。

它更像“专业服务接口化”：

• 有资源库
• 有模板库
• 有风格模板
• 有完整 API 错误处理
• 有成本预估
• 有数据流映射

这说明它更接近商业级视频生成服务，而不仅仅是开源工具拼装。

它更适合什么场景？

适合：

• 电影解说账号
• 娱乐内容批量生产
• 二创内容工厂
• 已有 Narrator AI 能力接入条件的团队

它的优势与限制

优势：

• 完整度高
• 上手路径清晰
• 垂直场景非常明确
• 从文案到成片链路闭环完整

限制：

• 场景相对收束，不是通用型视频 Skill
• 对外部平台/服务与 API Key 有依赖
• 灵活度通常不如纯编排型工具

所以它更像“成熟工厂接口”，不是“通用积木箱”。

六、remotion-dev/skills：Remotion 团队自己的 Agent 技能仓库

项目地址：

• https://github.com/remotion-dev/skills[6]

它的核心作用是什么？

目前公开可见资料不多，仓库说明也比较少，但从命名与归属可以看出，它对应的是 Remotion 官方/团队侧的 Agent Skills 方向探索。

这类项目的意义不在于直接提供一个现成视频工作流，而在于：

• 把 Remotion 相关能力整理为 Skill 形式
• 让 Agent 更容易理解 Remotion 项目结构
• 为后续代码生成、动画编排、组合管理提供基础支持

它更像什么？

它更像一个“能力容器”或“内部技能仓库”，而不是单独面向终端创作者的完整产品。

也正因为公开信息不算完整，所以看这个仓库时，更应该把它理解为一个信号：

编程式视频工具链，正在主动拥抱 Agent 化。

这件事的行业意义其实很大。

因为当 Remotion 这种代码驱动视频方案开始进入 Skill 体系，就意味着 AI 不只是“帮你剪一条视频”，而是在尝试：

• 写视频工程代码
• 改动画逻辑
• 接素材与字幕
• 生成合成配置
• 调整 composition 与 metadata

这会把视频生产，从“工具操作”带向“工程生成”。

七、remotion-best-practices：让 Agent 在 Remotion 世界里少犯错

项目地址：

• https://github.com/openclaw/skills/blob/main/skills/am-will/remotion-best-practices/SKILL.md[7]

它的核心作用是什么？

如果说 remotion-dev/skills 更像能力方向，那么 remotion-best-practices 更像规则手册。

它不是一个成品视频工具，而是一套面向 Agent 的 Remotion 领域知识说明。

从公开内容看，它覆盖了很多关键规则主题：

• 3D 内容
• 动画基础
• 资源导入
• 音频处理
• 动态 metadata
• 解码检查
• 图表可视化
• compositions 管理
• 字幕展示
• 视频抽帧

它为什么专业价值很高？

因为 Remotion 这类工具的难点，往往不是“能不能写出代码”，而是：

• 代码是否符合框架约定
• 资源导入方式是否正确
• 时长、尺寸、props 是否联动合理
• 音频/字幕/帧处理是否踩坑
• 复杂动画是否具备可维护性

对 Agent 来说，没有这些规则，最容易发生的就是：

• 代码看起来像对的，但跑不起来
• 组合关系混乱
• 视频可渲染性差
• 修改一处，其他地方全坏

所以这个 Skill 的真正价值是：

把“Remotion 经验”显式化，让 Agent 在生成代码前先获得行业规则。

它更适合什么场景？

适合：

• 用 Agent 写 Remotion 视频项目
• 做模板化视频生成系统
• 自动化字幕视频、图表视频、3D 视频
• 团队沉淀 Remotion 开发规范

八、专业对比：这 7 个项目到底差在哪？

下面直接做一个面向实战的比较。

1. 从“产物类型”看

偏成片执行

• jianying-editor-skill
• videocut-skills
• narrator-ai-cli-skill

这一类最终追求的是直接得到一个视频成品或接近成品。

偏内容拆解与再利用

• Youtube-clipper-skill
• bibigpt-skill

这一类更强调从已有内容中提取片段、字幕、摘要、文章、知识结构。

偏工程能力与规则底座

• remotion-dev/skills
• remotion-best-practices

这一类不直接给你一个成片流水线，而是让 Agent 能更可靠地构建视频工程。

2. 从“自动化深度”看

最接近端到端生产

• narrator-ai-cli-skill
• jianying-editor-skill

前者偏垂直解说成片，后者偏通用桌面编辑执行。

最接近半自动审核流

• videocut-skills

它保留人工审核节点，这是非常实际的设计，因为口播剪辑最怕“AI 误删”。

最接近内容再编排流

• Youtube-clipper-skill
• bibigpt-skill

它们更像“信息与素材重组器”。

最接近知识约束流

• remotion-best-practices

重点不是执行任务，而是约束 Agent 的生成质量。

3. 从“适用用户”看

适合普通创作者

• jianying-editor-skill
• narrator-ai-cli-skill

因为结果导向明确，上手路径也更直观。

适合知识型创作者 / 开发者内容创作者

• videocut-skills
• Youtube-clipper-skill
• bibigpt-skill

这些更适合对内容质量、语义结构、再分发效率有要求的人。

适合技术团队 / 工作流搭建者

• remotion-dev/skills
• remotion-best-practices

因为它们更偏工程方法，不是轻量即用型工具。

4. 从“核心壁垒”看

工具集成壁垒

• jianying-editor-skill

核心壁垒在于能不能稳定驱动剪映生态。

语义审核壁垒

• videocut-skills

核心壁垒在于能不能真正理解口播内容并做出可靠裁剪建议。

长内容结构化壁垒

• Youtube-clipper-skill
• bibigpt-skill

核心壁垒在于内容理解、章节拆分、摘要重写与多格式输出。

垂直行业 SOP 壁垒

• narrator-ai-cli-skill

核心壁垒在于资源库、模板库、风格库和服务链路完整度。

工程规范壁垒

• remotion-best-practices
• remotion-dev/skills

核心壁垒在于把复杂视频工程经验沉淀为 Agent 可用规则。

九、如果你要自己搭视频 Agent，最值得借鉴的不是“功能”，而是“分层方式”

很多人看这类项目时，会先问：

• 哪个最强？
• 哪个能一把梭？
• 哪个能全自动？

但真正更值得借鉴的，其实是它们背后的分层思路。

第一类：执行器型 Skill

特点是直接操纵工具或流程，例如：

• 剪映自动化
• FFmpeg 自动裁剪
• 视频合成 API 调用

第二类：理解器型 Skill

特点是负责语义理解、转录、摘要、章节划分、脚本生成。

第三类：规则型 Skill

特点是不给你直接结果，而是帮助 Agent 在复杂工程里少犯错。

第四类：产品化工作流 Skill

特点是围绕单一场景，把资源、模板、API、错误处理都打包好。

真正成熟的视频 Agent，往往不是只靠其中一类，而是这几类组合起来：

• 用理解器分析内容
• 用执行器完成处理
• 用规则型 Skill 保证工程质量
• 用产品化工作流加速特定场景

从这个角度看，这 7 个项目最大的价值，不只是“各自能做什么”，而是它们已经把下一代视频 Agent 的形态提前演示出来了。

十、最后判断：视频 Agent 正从“单点能力”进入“技能编排时代”

如果把这批项目放在一起看，我的判断是：

视频 Agent 的竞争，正在从“谁能调一个模型”转向“谁能把内容理解、工具执行、工程规则、垂直场景封装成可复用技能”。

这意味着未来比拼的重点会变成：

• Skill 能不能复用
• 工作流能不能组合
• Agent 能不能在多步任务中保持稳定
• 人工审核节点放在哪里最合理
• 不同层能力之间是否解耦

从落地价值看：

• 如果你要提高视频生产效率，优先看 jianying-editor-skill 和 videocut-skills
• 如果你要做长内容拆解与多平台再利用，优先看 Youtube-clipper-skill 和 bibigpt-skill
• 如果你要做电影解说垂直流水线，重点看 narrator-ai-cli-skill
• 如果你要做编程式视频与视频工程 Agent，重点看 remotion-dev/skills 和 remotion-best-practices

这也是我觉得这组项目最值得关注的原因：

它们不是在重复做“AI 视频”，而是在分别补齐视频 Agent 体系里不同层的空白。

对于创作者来说，这意味着更高效的生产方式；

对于开发者和团队来说，这意味着视频自动化终于开始有了清晰的软件分层结构。

参考来源

• https://github.com/luoluoluo22/jianying-editor-skill[8]
• https://github.com/Ceeon/videocut-skills[9]
• https://github.com/op7418/Youtube-clipper-skill[10]
• https://github.com/remotion-dev/skills[11]
• https://github.com/JimmyLv/bibigpt-skill[12]
• https://github.com/jieshuo-ai/narrator-ai-cli-skill/blob/main/README_CN.md[13]
• https://github.com/openclaw/skills/blob/main/skills/am-will/remotion-best-practices/SKILL.md[14]

声明

本文由山行整理自：https://github.com/luoluoluo22/jianying-editor-skill[15] 、https://github.com/Ceeon/videocut-skills[16] 、https://github.com/op7418/Youtube-clipper-skill[17] 、https://github.com/remotion-dev/skills[18] 、https://github.com/JimmyLv/bibigpt-skill[19] 、https://github.com/jieshuo-ai/narrator-ai-cli-skill/blob/main/README_CN.md[20] 、https://github.com/openclaw/skills/blob/main/skills/am-will/remotion-best-practices/SKILL.md[21] ，如果对您有帮助，请帮忙点赞、关注、收藏，谢谢～

引用链接

[1]https://github.com/luoluoluo22/jianying-editor-skill

[2]https://github.com/Ceeon/videocut-skills

[3]https://github.com/op7418/Youtube-clipper-skill

[4]https://github.com/JimmyLv/bibigpt-skill

[5]https://github.com/jieshuo-ai/narrator-ai-cli-skill/blob/main/README_CN.md

[6]https://github.com/remotion-dev/skills

[7]https://github.com/openclaw/skills/blob/main/skills/am-will/remotion-best-practices/SKILL.md

[8]https://github.com/luoluoluo22/jianying-editor-skill

[9]https://github.com/Ceeon/videocut-skills

[10]https://github.com/op7418/Youtube-clipper-skill

[11]https://github.com/remotion-dev/skills

[12]https://github.com/JimmyLv/bibigpt-skill

[13]https://github.com/jieshuo-ai/narrator-ai-cli-skill/blob/main/README_CN.md

[14]https://github.com/openclaw/skills/blob/main/skills/am-will/remotion-best-practices/SKILL.md

[15]https://github.com/luoluoluo22/jianying-editor-skill

[16]https://github.com/Ceeon/videocut-skills

[17]https://github.com/op7418/Youtube-clipper-skill

[18]https://github.com/remotion-dev/skills

[19]https://github.com/JimmyLv/bibigpt-skill

[20]https://github.com/jieshuo-ai/narrator-ai-cli-skill/blob/main/README_CN.md

[21]https://github.com/openclaw/skills/blob/main/skills/am-will/remotion-best-practices/SKILL.md