做视频最烦找素材, 写字幕? 这个开源 AI 导演 Skill, 一句话把全流程包圆了

做视频这件事，最难的从来不是“剪”，而是前面那一堆杂活：素材去哪找、版权怎么避坑、字幕怎么对齐、转场怎么卡点、片头片尾怎么不显廉价……

说出来你可能不信，我最近翻到一个刚开源没几天的小项目，思路挺打动我：它不跟你吹“一键生成大片”，而是把“做视频”这件模糊的事，变成一套 agent 能执行、能验证、还能复现的工程。

qiaomu-cut 架构示意图

▲ qiaomu-cut 的工作流：一句话需求 → QiaoCut IR → 多源素材 → 多引擎渲染 → 可验证成片

它叫 qiaomu-cut（乔木智能视频导演），是推特大神向阳乔木的开源项目。

一句话讲清楚：你只说一句“我要什么视频”，它就把素材、分镜、字幕、转场、动效、渲染和质检，组织成一个可复现的视频工程。

它先生成一份中间的 QiaoCut IR（时长、比例、受众、风格、分镜、素材策略、渲染器都写清楚），再按环境路由到一堆可用引擎，最后由 ffmpeg-full 合成成片。重点不是“替你拍”，而是把专业流程结构化。

具体帮你干这几件事

01 · 一句话变成视频工程

“用免费素材做个 60 秒挖掘机英语启蒙”“介绍乔布斯，做个电影感人物短片”……这些口语需求，会被拆成带分镜、素材策略和渲染档位的结构化计划，而不是丢给你一段剪辑建议就完事。

02 · 素材有人“治理”，不是随便抓

接入 33台词（电影台词）、ClipSeek / Pexels / Pixabay（免费素材）、本地文件、ListenHub / MarsWave（图/视频/TTS/配音/音乐）、Coli 本地 ASR，还有 AI 生图补缺口。每个素材都记进清单，标清来源和许可状态——这点对想正经发视频的人很关键。

03 · 字幕是真“专业级”

三层双语 ASS：主字幕 + 中文层 + 顶部注释层（词义/音标/来源）；移动端大字号、平台安全区都考虑到了。做英语学习和跨语言视频，直接省掉大量手工对齐。

04 · 品牌感 + 三档渲染 + 验收

内置 20 套品牌片头片尾模板；preview / standard / final 三档渲染，先快速预览定内容，再出正式成片；每档都带技术校验和渲染报告，不是“生成完就甩给你”。

它内置了 10 种“剧本”

不用从零想结构，直接选工作流开干：

（还有 talking-head 口播精剪、data-story 数据动画、cinematic-short 电影感短片、hybrid-studio 复杂客户项目，共 10 种）

上手其实就一行

装这个 Skill（给装了 agent 工具的环境用）：

npx skills add joeseesun/qiaomu-cut-skill --skill qiaomu-cut

装完自检本机能力：

node ~/.agents/skills/qiaomu-cut/scripts/qcut.js doctor --json

说一句“做个 60 秒挖掘机英语启蒙视频”，它就会先生成计划、搭好工程、渲染预览，你确认内容后再出正式成片。

📌 一句大实话

它现在 星数还很少、刚刚开源，别指望“装上就封神”。要真正跑起来，得先备好 ffmpeg-full 和各家 key（ListenHub / 33台词 / AI 生图等），有一定上手门槛。作者也明说：它不是“一键魔法永远完美”——事实准确性、影视素材权利、字幕语义、审美和平台规则，仍要你按项目复核。HTML 视频捕获、Manim/PPT 直出、复杂遮罩、速度渐变这些，目前还是工作流接口和扩展方向，没冒充全部内置。 但正因它把“版权标注、素材去重、分层验收、可复现缓存”这些都当一等公民，而不是糊弄过去，我觉得思路比一堆只会喊口号的“AI 剪辑神器”靠谱得多。适合愿意折腾、想把视频制作流程工程化的人。

如果你经常要做科普 / 课程 / 产品发布 / 口播精剪的视频，又受够了素材和字幕的杂活，这个 Skill 值得加进你的工具箱先观察一波。

👉 项目地址：https://github.com/joeseesun/qiaomu-cut-skill