开源技能 /video-short 发布：让 AI 智能体把口播原片剪成带字幕、B-roll 的短视频
10 月 21 日，Peter Yang 开源了一个名为 /video-short 的 AI 技能（MIT 协议），装进 Claude Code、ChatGPT 桌面版等智能体后，可把一段口播原片自动去掉口误和空白，配上逐字字幕、动效图形和 B-roll，并提供一个按帧留言的审阅页反复修改。AI 生成画面和配乐是可选项，需要自备付费的 Gemini API Key。
据 Peter Yang 10 月 21 日在 X 上的发布帖和 GitHub 仓库说明，他做了一个免费开源的 AI 技能 /video-short，目标是把「自己录一段口播」到「成品短视频」之间的剪辑工作交给 AI 智能体完成。
几个要点：
- 怎么用：在 Claude Code、ChatGPT 桌面版或其他支持技能的智能体里安装后，指向一段原始录像即可。它先在本地转写语音、剪掉重录、口误和空白，再给出逐镜头的计划（画面、台词、要生成什么），你确认后才开始剪；
- 能加什么：与语音逐字对齐的字幕、用 HTML 写的动效图形、与内容相关的 B-roll 素材，支持全屏口播、近景强调、上图下人、全屏 B-roll 四种版式；
- 按帧给反馈：初版剪完会打开一个审阅页面，可以暂停在任意一帧留言，智能体按意见改完再出新版本，每次渲染都单独保存，方便对比；
- 运行环境：首次运行会检查并提示安装 ffmpeg、yt-dlp、Python 3.10+、Node.js 22+ 等，约需 1 GB 磁盘空间（主要是本地语音识别模型）；转写和渲染用的是 HeyGen 开源的 HyperFrames；
- 可选的 AI 生成：AI 图片、视频片段和配乐通过 Google 的 Gemini API 生成，需要自备开通计费的 API Key，也可以换成自己的素材；字体、颜色和字幕样式可以用一个配置文件统一设定。
对创作者意味着什么： 做口播类短视频的人，最耗时的往往是粗剪、上字幕和找配图这些重复活，/video-short 把它们打包成一个可在本地跑的流程，而且「先出计划再动手、按帧留言修改」的方式，比在聊天框里描述「第几秒改一下」顺手得多。不过它面向的是愿意折腾命令行和智能体的用户，上手有一定门槛。另外要注意素材版权：工具会用 yt-dlp 从网上抓 B-roll，发布前务必确认这些画面你有权使用，否则宁可换成自己拍的或可商用素材库的内容；AI 生成部分按 Gemini API 实际用量计费，批量使用前先小规模试一下成本。
信息来源：Peter Yang 在 X 上的发布帖与 GitHub 仓库（本文为编辑整理改写）
