把一套 AI 剪辑工具箱塞进手机里，我到底做了个什么东西

素材大多是日常：孩子、旅行、家人聚餐、随手一段街景。量大、杂乱、重复率高，真要出片的时候又特别费劲——挑镜头、排顺序、对卡点、配音乐，一条三分钟的视频能磨掉一整天。

麻烦在于这些动作其实高度套路化。挑镜头有规则，卡点有数学，转场有节奏，剩下的只是体力活。既然套路化，就不该每次都由人从头做一遍。

所以我换了个思路：不做"某一条片子的工程"，而是做一套通用能力包——把剪片的知识写成给 AI 看的作业指导书，把剪片的动作写成能直接执行的代码，把审美部分做成可复用的素材库。素材丢进去，出来的应该是成品。

这套东西叫 AI 快剪工程包，整套跑在一台安卓手机的 Termux 里，不需要电脑。

它是什么，不是什么

先说清不是什么：它不是模板包。打开不会看到一堆"点一下应用"的预设，也不会把片子塞进固定壳子里。

它是一份分工明确的组合：

• 14 篇作业指导书 —— 写给 AI 的。素材怎么体检、镜头怎么按相似度打散、卡点怎么算、运镜怎么配、镜头时长怎么给、成片怎么验收，每一篇对应一个具体决策。
• 13 个 Python 模块 —— 素材体检、音乐分析（BPM 与拍点提取）、特效与转场库、EDL 渲染引擎、成片质检、多机位三件套（音频对齐 / 色彩贴合 / 编排对位）、照片支持、整片规划器，外带 6 个回归测试。
• 45 个定制 LUT —— 按人像、美食、家居、夜景、户外、胶片、电影感、短视频、黑白九类场景分开，全部按手机 Rec.709 素材设计。
• 9 份特效预设速查 —— 关键帧推拉、变速坡道、56 种转场全库、曲线调色、风格化效果、卡点组合。
• 片头片尾与文字库 —— 22 套片头模板、24 种文字效果、14 个入场动画、6 种融合模式、56 款字体接口。

代码不打包运行时。ffmpeg、python、numpy 全部用系统包管理器装，工程包本身不含几百 MB 的二进制，随时能更新。

一条片子实际是怎么出来的

流程分五步，全部串行，手机上不并发抢资源。

一、素材体检。 读出每个文件的分辨率、帧率、时长、码率、有无坏帧，把拍废的、抖到不能用的、重复的先筛出来。查重不靠人眼：先用直方图 + 差值哈希 + 灰度结构三路本地初筛，只把疑似重复的候选对拼成对比图交给模型复核。全量喂给 AI 逐张看，八页素材要看二十多分钟，纯浪费。

二、音乐分析。 提取 BPM 和拍点，标出前奏、主歌、副歌、尾段。卡点不是"感觉对了"，是拍点时刻减去帧对齐误差。

三、整片规划。 素材清单 + 音乐 + 目标时长，产出一张分镜规划表和一版 EDL（镜头清单）。这一步决定骨架：哪些镜头进、进多长、谁跟谁挨着。

四、渲染。 EDL 交给渲染引擎，逐镜头渲染再拼接，带镜头级缓存——改一版只重渲变动的镜头，命中缓存时四秒出片。

五、质检。 这一步最容易被跳过，也最不该跳。渲染打印"成功"不等于画面有内容：抽五个时间点取帧算灰度标准差，全程低于阈值说明成了纯色底，文件体积异常小是同一个信号。这套检查上线后抓出过三次静默失败——字段搬漏导致文字全丢、表达式写错渲出零帧、特效名不被识别整段降级成色块。三条都没有报错。

默认什么都不动

这条想单独说，因为它是我自己用下来最看重的。

没有明确要求时，它一律：不调色、不改分辨率、不改帧率、不改速度。输出就是原始素材的样子，只做剪辑和节奏。

工具最讨厌的地方是自作聪明。你给了一段素材，它顺手套个滤镜、压个暖调、裁成竖屏，然后你发现原始质感没了。所以我把它写死成默认不动，要动必须明确说"要什么风格 / 要 4K / 要慢动作"。

跑在手机上是什么意思

整套东西不需要电脑。一台安卓手机、一个 Termux 环境，二三十秒的成片几分钟内能出。自适应策略按设备降级：手机自动走单路串行、veryfast 编码、缩放预采样降到 1，避免内存炸掉和发烫降频。

代价也真实：手机渲染慢于带独显的台式机，十分钟以上的长片要跑一段时间，这期间别指望同时干重活。

说到效果，得把话说清楚

这套工具解决的是"重复劳动"和"有结构地出片"，不解决审美。

具体讲：镜头选择、节奏卡点、转场衔接、片头文字这些结构性的事，它能做得相当规整，比手忙脚乱拖时间线快得多，出来的东西挑不出硬伤。

但成片效果只能按常规标准看——发朋友圈、家庭群、日常记录完全够用，也不掉价。要和真正的专业剪辑比，差距是明确的：调色的层次与肤色控制、声音设计的细节、情绪推进的段位、镜头语言的设计感，这些靠规则和预设堆不出来。真要做商业级的片子，还是得交给剪过成百上千条的剪辑师，那部分经验和手感的差距不是工具能填的。

所以把它当效率工具，别当替代品。它替你干的是体力活，不是审美判断。

一句话收尾

我不太相信"一键生成电影"这种说法。但"把重复的剪辑劳动交给机器，人只做判断"，这件事在手机上已经能跑通——而且全程只要一句话：素材在哪，要多久。