最近在忙什么#

最近主要在研究一套 AI 自动化剪辑与画面特效生产工具。它不是简单地调用几个模型接口，而是把素材理解、镜头切分、语音识别、动态文案、时间线编排、视频合成和任务调度连接成一条稳定的生产流水线。

目前规划的技术架构是：

• 桌面端工作台：Electron + React，负责素材管理、参数配置、任务编排和项目状态展示；
• 视频预览与动态文案：Remotion，用组件化方式描述画面、字幕、转场和时间轴，让视觉模板可以参数化复用；
• 视频裁剪、转码与合成：FFmpeg，承担底层媒体处理、编码控制和最终成片输出；
• AI 服务层：Python + FastAPI，统一承载模型推理、媒体分析和异步任务接口；
• 语音转字幕：faster-whisper，生成带时间戳的字幕，并为后续的语义切片与文案重排提供基础数据；
• 镜头切分：PySceneDetect，识别场景边界，建立镜头级素材索引。

这项研究的重点，是把不同工具的时间轴、任务状态和媒体数据统一起来：AI 负责理解与决策，规则引擎负责约束，渲染管线负责确定性输出。目标是让自动化结果不仅“能生成”，还要可预览、可回退、可追踪，并具备真正可用于生产的稳定性。

内容说明#

• 日常记录：保存值得回看的生活片段。
• 技术研究：记录 AI 自动化、音视频工程和软件分析过程中的思考与验证。
• 学习笔记：整理阅读、实验和项目实践中的收获。
• 阶段总结：定期回顾计划完成情况与新的想法。

本站内容仅代表个人记录与个人观点。技术文章以原创研究笔记为主，如引用公开资料，会尽量注明来源。涉及网络协议与软件分析的内容仅用于合法授权环境、兼容性研究和安全学习。

网站信息#

本站基于开源项目 Firefly 构建，使用 Astro 生成静态页面。首页图片来自 Unsplash，摄影作者为 Hannah Olinger。

感谢你的来访。