这份手册怎么用
Vibe 剪辑就是用嘴剪片：你把想要的效果用人话说出来，AI 动手做。这份手册补的是“说”之前要有的那些储备，让你知道有什么可以要、叫什么、怎么要。
它已经在发生了
你大概已经刷到过这样的视频：没有真人，没有实拍，画面里的格子、曲线、数字随着字幕一步一步演出一个道理，干净得不像是人一帧一帧做出来的。它们确实不是。抖音上「Vibe知识大赏」这一类知识短片，整条都是 AI 写代码画出来的，没有打开过任何剪辑软件，照样拿到了很高的播放和点赞。
而这只是 AI 能做的片子里的一种。同样的办法，它还能做产品发布片那种柔和的界面动效，做纸片拼贴的拆解视频，做卡点的快闪文字，把口播原片剪紧并配上 B-roll 和字幕，把一段录屏做成带自动放大的教程。画风图鉴一章列了二十种，每一种现在都做得出来。
什么是 Vibe 剪辑
写代码的人这两年有个说法叫 vibe coding：不自己一行一行敲，而是把想要的东西讲给 AI，让它写，自己看结果、提意见。剪视频现在也可以这么干，这份手册管它叫 Vibe 剪辑。
说白了就是用嘴剪片。你不碰时间线，不记快捷键，只做两件事：开工前把要什么效果说清楚，成片出来后把哪里不对说清楚。中间切素材、对时间、做动效、配声音、导出，全是 AI 的活。
先说模型
有一点要讲在前面：现阶段，不同人用 AI 剪出来的片子差距很大，最底层的原因是模型不一样。能独立写完一整条片子的代码、能自己抽帧检查画面、能连续干很久不跑偏的，目前只有最强的那一档模型。用弱一些的模型照着同样的话去做，结果会打折扣。
但模型的能力一定会追平，这只是时间问题。今天只有顶级模型做得到的事，过一阵子普通模型也做得到。所以不必因为手头的模型不够强就觉得这件事和自己无关。你现在学的不是某个工具的用法，是“怎么看片、怎么把想要的画面说出来”，这门本事换哪个模型都用得上，模型越强它越值钱。
真正的瓶颈：你说不出来
先说一个你大概经历过的场面。刷到一条视频，觉得真好，想让 AI 照这个感觉做一条。张嘴之后，说出来的是“高级一点”“节奏快一点”“要有电影感”。AI 很听话地做了，出来的东西不对。你想让它改，又只说得出“感觉不太对”“再调调”。来回五六轮，越改越远。
AI 的手没有问题。问题出在指令那一头：你说的话里没有可以执行的东西。
“高级”是一个结论。它背后是一串具体的决定：底色选了什么、字用了几种、镜头动没动、动了多快、一个画面停了几秒、切的时候有没有声音。做片子的人是先做了这些决定，观众才得出“高级”这个结论。你把结论直接丢给 AI，它只能替你猜那串决定，猜中的概率不高。
所以 Vibe 剪辑现阶段最大的瓶颈，是你没办法有效地描述出你想要的画面。而描述靠的是积累：你得先知道有哪些东西存在。
知道有，才用得出
举几个例子。你不知道有“拼贴风”“水墨风”“像素风”“故障风”这些画风，就不会想到让 AI 做成那样，它只会给你最平均的那一种。你不知道画面有远景、中景、特写之分，就只会把一张截图整张贴上去，想不到可以先给全图再推到一个数字上。你不知道有慢推、横移、大画布漫游、2.5D 视差，静止的图片在你的片子里就永远是静止的。
这些东西不是每条片子都用得上。很可能你做十条片也用不到一次“顶光”或者“滑动变焦”。但它们得在你脑子里放着，需要的那一刻你才想得起来、叫得出名字。剪辑师的本事有一大半是这种储备，以前它藏在他们的手上，现在动手的活交给了 AI，储备就成了你唯一要带的东西，也因此比以前更要紧。
这份手册就是来补这个信息差的。它不教软件操作，它把那串决定一个一个摆出来，每一个都讲四件事：是什么，为什么要有它，怎么对 AI 说，怎么用得更好。
两条路，都可以
看你现在要什么。
先走快的那条完全没问题，能马上做出东西，人才有兴趣往下学。等你发现抄来的指令换个场景就不灵了，或者成片出来说不清哪里别扭，再回来走稳的那条。两条路最后是通的：那些 Prompt 里每个参数为什么是那个数，答案都在前面的章节里。
AI 剪辑到底是怎么回事
如果你从没碰过这件事，先花两分钟建立一个正确的想象。AI 不会像人那样拿鼠标在时间线上拖来拖去。它做片子走的是三条路，常常混着用：
| 路子 | 它在做什么 | 适合什么片子 |
|---|---|---|
| 写代码画出来 | 用 HTML、Canvas、Remotion、Motion Canvas、Manim 这类工具，把每一帧“算”出来再录成视频 | 动效片、图解、字幕片、数据可视化、产品演示。所有元素都是它画的，可控性最高 |
| 调工具处理素材 | 用 ffmpeg 一类的命令行工具切片段、拼接、变速、调色、加字幕、混音 | 你有现成素材（实拍、录屏、下载的片段），要它剪到一起 |
| 操作剪辑软件 | 直接读写剪映草稿、达芬奇或 Premiere 的工程，或者通过接口操作接了 AI 的编辑器 | 你最后还想自己打开软件微调，或者团队本来就在用某个软件 |
素材不够的时候它还能补：生成图片、生成视频片段、合成配音、找音乐和音效。
有一点很关键：它能看。做完一版，它可以把视频每隔半秒截一张图拼成一大张，自己从头到尾检查字有没有出框、画面和旁白对不对得上。这意味着你可以要求它“做完自己先看一遍再给我”，也意味着你跟它说“第 12 秒那个镜头”时，它真的找得到。
整个过程因此是一个循环：你说 → 它做 → 它自查 → 你看 → 你说哪里要改。你只有两个动作，开工前的交代和看片后的反馈。这两个动作的质量决定了成片的质量。
一句话的四个台阶
同一个意思，可以说得很虚，也可以说得很实。我把它分成四个台阶。你现在大概站在第一级，读完之后应该能稳稳站在第二级，知道第三级有哪些旋钮可以拧，并且会用第四级抄近道。
| 台阶 | 你说的话 | AI 拿到之后 |
|---|---|---|
| 一、感觉 | “开头要抓人，高级一点。” | 只能猜。十次有八次猜成黑底金字加一堆光效 |
| 二、名词 | “开头用一个特写起，缓慢推近，标题用遮罩上升的方式逐字出现，转场一律硬切。” | 能执行了。每个词都对应一种确定的做法 |
| 三、参数 | “特写停 2 秒，同时从 100% 匀速推到 106%；标题每字错开 40 毫秒、单字 0.5 秒、缓出；底色 #F4F1E8，标题 #1F1E1D。” | 能复现了。换个人、换个 AI，做出来几乎一样 |
| 四、参照 | “像这条片子 0:12 到 0:20 那一段。我要借的是它的节奏和字的进场方式，配色不要学。” | 最快。但前提是你说得清“借哪一层”，这又回到了前三级的词 |
大多数人在第一级和第四级之间来回跳：说不清就甩一个链接，“照这个做”。然后拿到一个哪里都像、又哪里都不对的东西。原因是一条片子有很多层，配色、构图、运镜、剪辑节奏、字体、音乐，你喜欢的可能只是其中两层，AI 不知道是哪两层。
储备分成六组
把上面说的“那串决定”归拢一下，其实只有六组。手册就是按这六组排的。你看任何一条片子，都可以沿着这六组去拆它。
在这六组之上还有一层叫“风格”：它是六组旋钮各自拧到某个位置、并且全片保持不变的那个组合。画风图鉴一章列了二十种常见的组合，每一种都附了真实作品和可以直接抄的描述。
怎么读
每一节都按同一个顺序写：这个东西是什么（配真实片例），什么时候用它，怎么对 AI 说。说法都放在这样一个框里，右上角可以一键复制：
想系统读的话，建议这个顺序：
- 第 1 到 7 章顺着读这是地基。画面、运镜、剪辑、声音，全是一百年来电影攒下的通用语言，不管你做的是口播、动画还是混剪都用得上。大约两小时。
- 第 8 到 10 章是动效和画风如果你主要做知识讲解、产品演示这类“没有实拍”的片子，这三章是重点。第 10 章可以当字典，用到再查。
- 第 11 到 13 章练眼睛看导演和频道是怎么把旋钮组合成个人风格的，什么叫好，怎么排一条片子。
- 最后落到嘴上一键动效 Prompt直接抄；“对 AI 说话”一章给指令模板、感觉词翻译表、改片话术和一个完整的对话示范。读完前面再看，你会发现模板里每一个空你都知道填什么了。
读的时候在旁边开一条你自己很喜欢的视频。每读完一节就回去看它一眼：它用的是哪种景别？切得多快？字是怎么出来的？手册里的片例是别人的，对照你自己喜欢的那条，词才会长在你身上。
页面里的短片段默认静音循环，滚到就播；标了“有声”的需要你点一下。带按钮的演示框可以直接点着玩，它们用的就是 AI 写动效时用的同一套东西。
这份手册会一直更新
Vibe 剪辑是一件刚开始的事，模型在变，做法在变，大家也都还在摸索。这份手册不是写完就放着的东西：新的效果和指令会继续往「一键动效 Prompt」里加，哪条指令实测不灵会改，哪一章讲得不清楚会重写。把它当成一本大家一起攒的笔记来用，发现哪里不对、缺了什么，直接提出来。
片例截图与片段仅用于学习与评述，版权归原作者与出品方所有，出处见片单与出处。