Beav 智能剪口播教程：逐词转录+语义分析自动去口头禅，5分钟出成片-育师

人工智能
AI 应用
AI 写作
媒体生成
工作流自动化
网页爬虫
浏览器控制

【免费下载链接】Beav

小红书 AI 运营工作台｜小红书采集、评论区下载、素材库、选题、AI写作、小红书全域解决方案，开箱即用，一键安装，小红书AI工作台，自媒体素材库，AI写作+图片自动编排，小红书版OpenClaw、自媒体资产底座+AI工作台，支持小红书图文+小红书评论区下载、小红书AI创作工具、自媒体版WorkBuddy、抖音、小红书爬虫数据采集

项目地址：https://gitcode.com/gh_mirrors/red/Beav

点击查看免费下载

口播视频拍完，最怕的就是后期剪辑。Beav 是小红书 AI 运营工作台，内置智能剪口播能力：先把口播录音逐词转录成带时间戳的字幕，再用语义分析识别并自动去掉口头禅、废话和断句，最后自动排版渲染出成片——从导入素材到出片，熟练后 5 分钟就能完成。

智能剪口播的三步流水线

在开始之前，先了解一下整个流程是怎么跑起来的（类型定义见 videoAutoEdit.ts）：

转录中 → 就绪 → 自动剪辑中 → 渲染中 → 已导出transcribing → ready → auto_editing → rendering → exported

你不需要记住这些状态，Beav 会自动推进；但它解释了为什么整个过程可以“5 分钟出成片”——每一步都是全自动串接的。

第一步：逐词转录，给每句话打时间戳

把口播原片（或录音）导入后，Beav 会先做一件事：用 FFmpeg 从视频里无损抽取 16kHz 单声道音频，再交给语音识别模型转录，生成 SRT 字幕。

这一步的核心代码在 media_transcribe.rs：

逐词对齐：每个字幕片段都带有startMs/endMs（毫秒级起止时间），甚至记录每段的置信度，方便后续精准切割；
多格式输出：默认 SRT，也支持 VTT / TXT / JSON；
自动兜底：如果上游没有返回时间戳，会按音频总时长估算生成字幕，保证流程不中断；
模型可配置：官方通道默认走fun-asr，也支持在设置里自行配置转写端点。

转录结果会以“字幕轨”（TranscriptTrack）的形式挂到工程里，为下一步的语义分析做准备。

💡 小技巧：转录用麦克风直录的口播效果最好；如果原片里有背景音乐，建议先让 Beav 抽取纯人声音轨再转录。

第二步：语义分析，自动标记口头禅

这是 Beav 智能剪口播的“灵魂”所在。转录完成后，AI 不会只是把文字摆上来，而是给每一句字幕打上语义标签：

标签	含义	处理方式
`hook`	开头钩子/金句	优先保留
`keep`	有效信息	保留
`highlight`	重点强调句	保留并可加字幕强调
`filler`	口头禅、语气词、废话	建议删除
`unclear`	听不清/存疑	人工确认

标签体系定义在 videoAutoEdit.ts#L13。你可以直接对 AI 下达剪辑目标，例如：

“帮我把这条 3 分钟的口播剪成 1 分钟，去掉所有口头禅和重复表达。”

AI 会把你的目标（userGoal）和目标时长（targetDurationMs）一起写进剪辑计划，逐句给出“保留 / 删除”的判断和理由——“嗯、就是、然后呢”这类 filler 片段会被自动剔除，而不是靠你在时间轴上手动一刀一刀剪。

第三步：自动生成剪辑计划，可逐条撤销

语义分析结束后，AI 会产出一份完整的 AutoEditPlan（自动剪辑计划）：

selectedSegments：保留哪些片段、每段的角色（hook 钩子 / proof 证明 / cta 行动号召 / filler-removal 去废话）和优先级；
removedSegments：删掉了什么、为什么删；
titleCards：需要的话自动插入章节标题卡；
warnings：风险提醒，比如某句删掉后上下文断裂。

计划确认后才会应用到时间线，且整个工程带撤销栈（undoStack）——剪错了可以回退，不需要重新来。

第四步：渲染出片，字幕自动烧录

确认剪辑计划后，Beav 会把时间线编译成 Remotion 渲染合成（videoAutoEditRemotion.ts）：

每个保留片段生成一个场景，自动搭配轻微的推拉运镜，避免画面呆板；
字幕轨自动对齐，生成带半透明底色的烧录字幕；
渲染完成后进入媒体库（MediaLibrary），可直接发布或二次编辑。

画幅支持 16:9、9:16、4:5、1:1 等——做小红书竖版口播直接选 9:16 即可，做横版知识类选 16:9。

不用时间轴？聊天里也能一键剪辑

如果你只是想快速切几条能发出去的短视频，不用进入时间轴。上传视频到 AI 对话后，附件菜单自带三个一键工作流（Chat.tsx#L693-L737）：

爆款分析：分析前 3 秒钩子、情绪曲线，输出改造方案；
字幕提取：一键导出 SRT / TXT 清洁字幕；
剪辑切片：自动找出 3-5 个最值得发布的切片，逐个给出开始/结束时间、爆点理由和推荐标题，再直接剪成独立成片，并且保证每片上下文完整，不会只剪一句没头没尾的话。

常见问题

为什么 AI 生成口播视频单段最长 15 秒？这是上游视频模型的硬限制，超过 15 秒的成片会被拆成多段生成后自动拼接成一个完整文件，对你来说仍然是“一条成片”（规则见 video-director/SKILL.md）。
转录不准怎么办？在设置中检查转写端点/模型配置；Beav 官方通道使用fun-asr，对中文口播识别效果较好。
口播数字人视频怎么做？Beav 内置 video-director 技能：先出脚本和分镜、你确认后再生成，避免“AI 自由发挥”导致的返工。

总结

Beav 智能剪口播的完整链路是：逐词转录 → 语义分析去口头禅 → 自动生成剪辑计划 → 渲染出片，全程 AI 决策、人工只需确认，5 分钟拿到成片只是起点。它同时也是一个完整的小红书 AI 运营工作台：素材库、选题、AI 写作、评论区下载一应俱全，适合自媒体人“采集-创作-发布”一体化使用。