用 Opus 5 剪片：我沒教它怎麼剪，只跟它說「剪完要長什麼樣」
如果你是在 IG 留言「剪輯」被傳送過來的——對，就是這篇，指令都在下面。
我最近發了一支 45 秒的直式短影音，有字幕、有系統動畫、有 CTA——整支是我用 Claude Code 剪的。
原料是兩段隨手錄的片段，加起來三分鐘，內容非常零散：同一句話講了三四次、中間一堆停頓、想到什麼講什麼、順序也是亂的。錄影時間不到五分鐘。
重點不是「AI 會剪片」——這件事我一年前就寫過了。這次不一樣的是：我完全沒教它怎麼剪。
先講最短的做法：你其實可以直接開口
如果你現在就想試，不用先讀完這篇。把素材丟進一個資料夾，打開 Claude Code，跟它說：
我的影片素材在 [資料夾]，請幫我剪成一支 60 秒的短片。 先幫我把台詞辨識出來，然後照語意幫我安排劇本。
真的就這樣一句。它會自己去看素材、跟你說缺哪個工具（缺的它可以直接幫你裝）、把台詞抓出來、排一版劇本回來問你行不行——你只要一直回答「可以」或「這裡我想改成 OO」，它會帶著你走完。
下面那些——怎麼把目標講得更清楚、B-roll 怎麼配、怎麼驗收——都是讓成品更好看的，不是開始的門檻。先跑一次，你會比較知道自己要什麼。
為什麼是現在：Opus 5 的三個特性
以前用 AI 剪片，我得像個工頭：先轉錄、再標時間、然後在第 12.4 秒切一刀、去掉這個「呃」……每一步都要盯。
Claude 這次發布的 Opus 5，有三個特性讓這件事整個翻過來：
- 它最擅長的就是「長時間自主完成任務」——官方的定位是複雜的、長時程的工作。而且它偏好你一次把目標講完整、然後讓它跑，這樣的效果比你一步一步盯著更好。這跟剪片的性質剛好對上：剪一支片是幾十個決定串在一起，中間被打斷反而更慢。
- 它會自己驗證自己的工作——這不是我發現的偏方，是這個模型本來的特性：你不用叫它檢查，它自己會做。下一段就是這件事的實例。
- 一百萬 token 的上下文——兩支影片的完整逐字稿、我累積的所有剪輯規則、整套程式碼，一次全部放得下。它不會做到後面忘記前面講過什麼。
所以指令的重心從「怎麼做」變成「做完要長什麼樣」。
這次我基本上只講了四件事：
- 我希望45 秒左右
- 我不想露臉太久，中間都切畫面
- 講到重複的、停頓太長的、語速不一致的都處理掉
- 結尾要能引導留言
然後它就自己去做了：從那三分鐘裡挑出能用的段落、重排成一條有起承轉合的敘事、把贅字和停頓剪掉、配上畫面、上字幕、調色、對齊音量。
上面第 2 點的實例：它自己把檢查表翻出來跑
做到後面我沒有叫它檢查任何東西，它自己冒出一張清單，然後一項一項跑：
- 字幕是不是等於聲音
- 每一句的尾音有沒有被切掉
- 接點會不會有爆音
- 影片長度是不是等於音訊長度
- 片尾不是黑畫面
而且真的有擋下來過。中間有三次它直接拒絕出片，跟我說字幕跟聲音對不上——一次是它把品牌名聽錯、一次是我同一句重講四次讓它標錯時間、一次是片尾的雜音被誤認成一句話。這些如果沒擋，成品就是字幕在飄。
老實說，這些條件不是它憑空想出來的——是我過去做片一次次踩坑累積下來的規則，早就寫在專案的說明文件裡了。差別在於：
- 以前：規則寫在那，但我得一條一條提醒它「記得檢查字幕有沒有等於聲音喔」，忘了講就是漏掉。
- 現在：我只說「你自己列一張表跑一遍」，它會自己去把規則翻出來、套上去，不過就擋下來不給我。
這才是我覺得 Opus 5 適合拿來做這種事的原因：你把「什麼叫做好」交給它以後，它會對自己負責。 而且你踩過的坑會累積——寫下來一次，之後每一支都自動生效。
以上是「為什麼可以這樣做」。下面是想做得更好看、更省時間的做法——環境怎麼裝、目標怎麼描述、指令怎麼下、畫面怎麼配。只想先跑一次的話，看到這裡就夠了。
開始之前：其實只要裝一個東西
（走上面那條「直接開口」的路可以先跳過這段——缺什麼它會在需要的時候跟你說。想先弄清楚會用到什麼再開始，就往下看。）
你手動要裝的只有兩樣：
- Claude Code——桌面版 App 裡就有，不用另外裝，記得切到 Opus 5（付費版）。
- FFmpeg——處理影音的免費工具，剪接、轉檔、上字幕全靠它。
- Mac：
brew install ffmpeg（沒有 Homebrew 的話去 ffmpeg.org 下載靜態版） - Windows：
winget install ffmpeg
- Mac：
其他的讓 Claude Code 自己裝就好，但先知道等一下會冒出什麼比較安心：
| 用途 | 套件 |
|---|---|
| 把影片的話轉成文字＋標時間 | mlx-whisper（Mac M 系列最快）或 openai-whisper |
| 把時間標到「每個字」的精度 | torch、torchaudio、transformers（跑 wav2vec2 對齊） |
| 畫 B-roll 圖卡動畫 | Pillow |
| 算音量、做音訊分析 | numpy |
不用自己一個一個裝。開工前先丟這句給它就行：
我要做影片自動剪輯，請先幫我檢查環境：
ffmpeg 有沒有裝、Python 版本、需要的套件有沒有齊，
缺什麼你直接幫我裝，裝之前先跟我說你要裝什麼。先學會描述目標：四個空格
指令沒有什麼神奇咒語，難的是把「你要什麼」講清楚。我的做法是先填這四格，填完就等於指令寫好了：
| 空格 | 怎麼填 | 例子 |
|---|---|---|
| 規格 | 多長、直式還是橫式、發哪裡 | 45 秒、直式、發 IG Reels |
| 臉跟 B-roll 的比例 | 你的臉佔多少、其他畫面佔多少 | 開頭跟結尾露臉，中間七成切 B-roll |
| 一定要拿掉什麼 | 講「不要」比講「要」好定義 | 贅字、超過一秒的停頓、我重講的部分 |
| 結尾要幹嘛 | 收在哪裡 | 引導觀眾留言「OO」兩個字 |
三個小訣竅：
- 講「完成後長什麼樣」，不要講「你要怎麼做」。「我不想露臉太久」比「第 8 秒切到 B-roll」好一百倍——後者是你在做它的工作。
- 不確定的就寫「你決定，但先告訴我你打算怎麼做」。它會給你一版方案，你再挑比較快。
- 「不要什麼」通常比「要什麼」容易講。你可能說不出好影片長怎樣，但一定講得出「不要有一堆呃」。
三段可以直接複製的指令
把上面填好的四格貼進第一段的框裡就能跑。（配畫面另外還有一段，在下一節。）
① 開工（給目標，不要給步驟）
我有幾段隨手錄的影片素材在 [資料夾路徑]，內容很零散。
請先幫我把台詞辨識出來，然後排一版剪輯劇本給我看。
我要的成品：
- 規格：[ ]
- 臉跟 B-roll 的比例：[ ]
- 一定要拿掉：[ ]
- 結尾要：[ ]
素材的順序可以重排，你覺得怎麼講比較好懂就怎麼排，
排完先跟我說你為什麼這樣排。② 過稿（只確認順序，其他讓它去做）
開始剪之前先給我兩樣：
1. 你打算留下來的台詞逐字表（照順序）
2. 你砍掉了什麼、為什麼
我確認過順序再做完整的影片。這裡我要老實講一件事：以前這一步我會多要一樣東西——一段「只有聲音的粗剪」，先用耳朵聽接點順不順。這次完全沒用到。
因為它剪得夠準了，接點的問題直接看成品講就好，不用先聽半成品。反而是**「順序」值得先用文字看一眼**——敘事順序排錯，後面所有工都白做；而順序對不對，讀那張逐字表三十秒就知道了。
剩下的別急著在中間卡關，讓它一路做到成品，你再一次講完要改哪裡。
③ 驗收（讓它自己定義什麼叫好）
出片之前，你自己列一張檢查表跑一遍：
把「這支影片要沒問題、必須成立的條件」全部寫出來，
有任何一項沒過就不要出片，直接告訴我哪一項沒過。它列的通常比你想得到的還多。然後把你自己聽出來的問題也補進去——寫成一份規則檔放在專案裡，下次它會自己翻出來用。你踩的坑就是這樣一次一次變成資產的。
中間那些畫面怎麼來：五種 B-roll 做法
「不要一直看到我的臉」講起來容易，但總得有東西補上去。這五種都能用，成本跟效果差很多：
| 做法 | 怎麼弄 | 最適合 | 成本 |
|---|---|---|---|
| ① 你自己的舊成品 | 把你做過的東西全螢幕插進來 | 講「我做過什麼」的時候，這是最有說服力的 | 0 |
| ② 螢幕錄影／截圖 | 錄一段操作過程，靜態圖就用推近、平移動起來 | 教學、工具介紹 | 0 |
| ③ 程式畫的圖卡動畫 | 讓 Claude 寫 Python（Pillow）一格一格畫 | 抽象概念、沒有東西可拍的時候 | 0 |
| ④ 免費素材庫 | 到 Pexels 找情境影片 | 鋪陳情緒、氛圍 | 0 |
| ⑤ AI 生成 | Kling、Seedance 生片段 | 完全拍不到的場景 | 要錢，且不一定一次過 |
我那支影片裡的系統畫面，全部是 ③——不是 AI 生成的影片，是 Claude 寫程式一格一格畫出來的。好處是文字不會歪、要改哪個字就改哪個字、幾百張圖的成本跟幾十張一樣（AI 只花在寫程式，畫圖是程式自己跑）。
兩個實際好用的判斷：
- 哪幾句要配畫面？ 講到具體的東西（數字、名詞、流程、步驟）就配；講感受、講結論就回到你的臉上。人講心裡話的時候，觀眾要看的是你的表情。
- B-roll 要蓋多滿？ 三種都可以，混著用最好看：整個蓋滿（畫面資訊多的時候）／上面放畫面、下面留一塊你的小視窗（想維持存在感）／畫中畫小框浮在你旁邊（只是補一眼）。
要 Claude 幫你做 B-roll，這樣講就好：
中間這幾句需要配畫面。素材我有的放在 [路徑]，
沒有素材的段落你直接寫程式畫成圖卡動畫，風格：[簡潔的系統介面／手繪感／純文字大字卡]。
講到具體的東西才配畫面，講感受的地方回到我的臉上。
先給我一版「哪一句配什麼畫面」的表，我看過再做。一個提醒：耳朵還是你的
雖然它會自己檢查，但有些東西機器量不到。
這次我聽出三個接點怪怪的，都是同一個原因：那是「同一句話中間的猶豫」，不是句子與句子之間的換氣。它把停頓剪掉了，但沒剪掉前面那個拖長的尾音——聽起來就還是在猶豫。這種事沒有指標可以量，只能戴上耳機聽。
所以流程是：它負責做到「機器能驗的都過」，你負責聽最後一遍。 這樣分工最省力。
從手機裡隨便一段沒剪的影片開始就可以。把四格填一填，剩下的交給它。
延伸閱讀
- 用 Claude 自動剪影片：Whisper + FFmpeg 實作筆記——想知道底層怎麼運作看這篇
- AI 影片量產心法：建一次模板，之後換劇本 10 分鐘就出片——要固定產片流程看這篇
想用 AI 讓生活與工作更輕省，追蹤 AI 生活實驗室 👉 @life.coach.mtcity，我們一起玩 AI！