BaoCut 作者分享 AI 视频剪辑的三级人工确认工作流
宝玉拆解了 BaoCut 的三级确认流程，HTML 分镜和网页预览能省掉漫长的截屏录制等待。做 AI 生成视频工具的人可以直接抄这套工作流，Agent 优先的软件设计思路也很值得琢磨。
宝玉在 Twitter 上分享了做 AI 视频剪辑工具 BaoCut 时的经验：把人工确认拆成三级，让人尽早介入评估视频结果。第一级是脚本确认（可选），他建议可以把文本 Script 升级为可视化的 HTML 分镜草稿，图形化预览视频要做成什么样，以当前模型能力已不是问题。第二级是生成 HTML 版本视频，他提到 Opus 5.5 生成的视频基本都是 HTML + JS 形式，网页即可预览，BaoCut 中定义了一套类似 hyperframe 的格式并兼容 HTML，视频生成好一部分就能立即通过播放器预览，不必等全部生成完再截屏录制。第三级才是前两步确认完成后导出最终视频。
这条推文是对 Joe.Y 观点的回应：以后很多软件的第一用户可能是 Agent 而不是人，谁先把核心操作做成命令行、API 或 MCP，谁就先被 Agent 选中；视频剪辑里时间线若能直接用文本描述和修改，体验会直接换代。
关于如何尽早让人可以评估确认视频结果，我在做 BaoCut 时的经验是： 1. 第一级确认是脚本（可选） 先写Script，确认 Script 是否满足要求，不过文本的 Script 这个不太直观，而且需要人有耐心。 其实有改进优化的余地，就是生成可视化的 HTML 分镜草稿，可以图形化的方式看到要做出来的视频的样子。对于现在的模型能力来说已经不是什么问题了。 2. 第二级是生成 HTML 版本视频或者类似可视化的内容 现在 Opus 5.5 做的视频基本都是 HTML + JS 的，也就是说网页就可以预览，没必要截屏录制生成视频后才能确认。 我在baocut中是定义了一套类似于hyperframe的格式，可以兼容html，也就是视频在生成好一部分后第一时间就可以通过播放器预览，不需要全部生成完成，不需要等待漫长的截屏录制过程 3. 第三级才是最终视频 当前面的结果都确认完了，才让它导出成最终视频。 x.com/JY960516/statu… Joe.Y @JY960516 @dotey 同感，以后很多软件的第一用户可能是 Agent，不是人。界面再漂亮，Agent 用起来还得截图、找按钮、点点点，又慢又容易错。谁先把核心操作做成命令行、API 或 MCP，谁就先被 Agent 选中。视频剪辑最典型：时间线要是能直接用文本描述和修改，体验直接换代。 🔗 View Quoted Tweet
This report is categorized under AITOP's "How-to" desk, focusing on China's AI industry and domestic foundation model ecosystem. Within our cross-regional analytical framework, it directly maps to AI developer toolchains, coding agents, and engineering workflows. Key entities and technical topics under continuous tracking include BaoCut, Opus 5.5, MCP/工具, 视频生成.
Source attribution: curated from 宝玉 (@dotey).
