与「capcut生成ai」相关的搜索结果

良いダンスPrompt✨ HipHopスタイルに変更。 Vertical 9:16 hip hop dance video. The dancer faces camera and performs sharp cute Hip Hop choreography: small rhythmic chest bounces, step-touch footwork, hips shifting side to side, palms low and open, wrists flick outward, shoulders roll, arms sweep from waist to chest, quick hand accents near the face, point to camera, body wave, then return to center pose. Facial expression is important: start with a cool confident gaze, slight pout, relaxed lips. On the beat, switch to playful smirk, quick eyebrow lift, direct eye contact with the camera. During hand-to-face accents, make a teasing wink or soft half-smile. On the chorus hits, open the mouth slightly as if mouthing the lyric, then finish with a sharp charming smile and confident idol stare. Keep expressions natural, cute, flirty, and synchronized with the choreography. Stable camera with slight push-in, clean realistic motion, smooth full-body dance, natural hands and legs, realistic anatomy. #capcut生成ai# @capcutapp_jp

CapCut seedanceで生成したよ😆 プロンプト書いとく Vertical 9:16 K-pop dance video, The dancer faces camera and performs sharp cute K-pop choreography: small rhythmic knee bounces, step-touch footwork, hips shifting side to side, palms low and open, wrists flick outward, shoulders roll, arms sweep from waist to chest, quick hand accents near the face, point to camera, body wave, then return to center pose. Facial expression is important: start with a cool confident gaze, slight pout, relaxed lips. On the beat, switch to playful smirk, quick eyebrow lift, direct eye contact with the camera. During hand-to-face accents, make a teasing wink or soft half-smile. On the chorus hits, open the mouth slightly as if mouthing the lyric, then finish with a sharp charming smile and confident idol stare. Keep expressions natural, cute, flirty, and synchronized with the choreography. Stable camera with slight push-in, clean realistic motion, smooth full-body dance, natural hands and legs, realistic anatomy. #capcut生成ai# @capcutapp_jp

敵を倒しながらディストピアを超高速で駆け抜ける女の子のハイスピードアクション 「管理された自由のない未来なんて、まっぴらごめん」 #seedance2# #capcut生成ai# @capcutapp_jp

30天赚了快1万美金 这还只是一个平台的 他做的是长视频每天条视频20分钟以上 2天更新一条 我仔细看了一下 他是AI+实拍视频(这就要去网上找一些纪录片的素材了) 1、用YouTube搜索建议 + vidIQ/Google Trends找高搜索量、 evergreen 的神秘历史话题。确认有足够素材支持20分钟左右视频，优先有视觉冲击力的题材。 2、脚本创作（1-2小时） 用Claude（或多模型组合）根据选题生成初稿。 提示词强调：强钩子、清晰叙事结构（问题-探索-高潮-总结）、事实准确、故事化表达。 关键改进：人工认真审核、修改、添加独特洞见或分析，让内容有个人视角。目标是高留存+可信。 3、分镜与视觉生成（2-4小时） 把脚本拆成详细场景提示。（Seedance 2.5或其他顶级模型）生成片段。 重点prompt：统一电影级风格、历史细节准确、动态镜头、神秘氛围。必要时混合少量真实素材或手动微调，确保连贯性和准确性。 4、配音与音频（30-60分钟） 用ElevenLabs生成自然、带情感的旁白，根据脚本调整语气和节奏。叠加高质量背景音乐和音效，增强沉浸感。 5、视频编辑与合成（1-2小时） 用CapCut（高级功能）或DaVinci Resolve等工具剪辑片段、加转场、字幕、文字动画、章节标记。严格控制节奏，每几分钟设置高潮点。最终人工完整检查流畅度和质量。 6、标题、缩略图、描述优化（30-60分钟） AI生成多个标题选项（用疑问、数字、神秘词），选最有点击潜力的。缩略图用AI工具生成高对比、神秘视觉 + 大胆文字，再用Canva精修。描述包含关键词、时间戳、吸引人的卖点。 7、上传与发布 填写优化后的描述、标签、播放列表，设置端屏和卡片。使用分析工具监控表现。 8、发布后迭代 查看YouTube Analytics（平均观看时长、流量来源等），总结什么有效，快速调整下一条。保持稳定产出频率。 需要注意的是现在油管严打批量生产的低质内容 （就是说纯AI，没有人工） 很容易被没收收益 YouTube现在强调AI内容必须有显著 人类原创的输入和真实价值

兄弟们，30天，YouTube赚了52714美元。 关键是，他连脸都没露。 做的是那种“古代遗迹、失落文明、外星人理论、科学家解释不了的发现”神秘历史视频。 20分钟一条，封面猛一点，标题专挑人忍不住点的。 一个视频1000万播放，一个140万，整个月1390万播放。 流程也很野： Claude写脚本，AI生成画面，ElevenLabs配音，CapCut/Canva收尾。 成本更离谱： Claude 20刀，画面10-30刀，配音5-22刀，再花几个小时测标题和封面。 没摄像机，没工作室，没团队，甚至没本人出镜。 说白了就是把“人类本来就爱点的选题”，塞进一套AI流水线里。 我靠，这种才是真正吓人的地方。

一个 20 岁日本小伙，靠 AI 做儿童短视频 把它做成了每月 1.2 万美元的主要收入。 想做 AI 视频副业的， 这套案例值得拆一遍 🔗 他的流程很简单： Claude 写创意和脚本 AI 生成画面和配音 CapCut 一键剪成循环短视频 一个人跑完整条流水线。 现在频道 2820 万订阅，771 条视频。

AI 视频剪辑 Skill 分享「video-use」 @browser_use 团队推出的开源 Skill，定位为面向 AI Coding Agents（Codex、Claude Code、Cursor、Hermes Agent 等）的视频剪辑 Skill。它不做传统意义上的 Premiere / CapCut 替代品，它是一套让 LLM 通过 “阅读转写文本 + 按需可视化” 来理解视频、并调用 ffmpeg 等工具完成剪辑的 prompt-engineering + 工具脚本集合。 # 核心思想：LLM 不“看”视频，它“读”视频 第一层：音频转写文本（always loaded） 通过 ElevenLabs Scribe 获得逐词时间戳、说话人分离、音频事件标记（如笑声、叹息、掌声），打包成约 12KB 的 takes_packed.md。这是 LLM 的主要“阅读材料”。 第二层：视觉时间线视图（on demand） 仅在决策点（歧义停顿、重拍对比、切点校验）调用 timeline_view.py 生成胶片帧 + 波形 + 字幕的 PNG 复合图。 对比朴素方案“30000 帧 × 1500 tokens = 4500 万 tokens 噪声”，项目走的是 “12KB 文本 + 少量 PNG” 的轻量化路径。这与 Browser Use 让 LLM 读结构化 DOM 而非直接看截图的思路一致。 # 技术流水线：Transcribe → Pack → Reason → EDL → Render → Self-Eval 1. 转写 - transcribe. py / transcribe_batch.py 提取 16kHz 单声道音频，调用 ElevenLabs Scribe，缓存为 transcripts/.json 2. 打包 - pack_transcripts.py 将逐词 JSON 合并为按 0.5s 静音或说话人切换断句的 takes_packed.md 3. 决策 - LLM 自身 阅读 packed transcript，必要时用 timeline_view.py 可视化 4. 生成 EDL - subagents 输出 JSON 格式 edl.json，包含源文件、切点、节奏标签、引用、原因 5. 渲染 - render. py 分段提取 → 无损 concat → 叠动画 → 压字幕 → 响度标准化 6. 自评估 - timeline_view.py + LLM 在输出文件的每个切点 ±1.5s 检查跳帧、爆音、字幕遮挡，最多 3 轮 # 关键工程细节： ffmpeg 为主的剪辑实现 1. 分段提取 + -c copy 拼接（避免叠 overlay 时二次编码） 2. 每段边界 30ms 音频淡入淡出（消除切点爆音） 3. overlay 使用 setpts=PTS-STARTPTS+T/TB 进行时移，确保动画第 0 帧对齐输出时间线 4. 字幕始终最后叠加（防止被动画遮挡） 5. Master SRT 使用输出时间轴偏移：output_time = word.start - segment_start + segment_offset 6. 切点必须落在词边界，并加 30–200ms 填充以吸收 Scribe 50–100ms 的时间戳漂移 7. HDR 源自动 tone-map（HLG/PQ → Rec.709 SDR） 8. 竖屏源自动按高度缩放 9. 两-pass loudnorm：-14 LUFS / -1 dBTP / LRA 11，符合主流社交平台标准 # 动画与包装：多引擎并行 1. HyperFrames：HTML/CSS/GSAP compositions，适合产品 UI、网页转视频、动态排版 2. Remotion：React 组件化 compositions 3. Manim：数学/技术/3Blue1Brown 风格解释动画 4. PIL + PNG sequence + ffmpeg：简单卡片、计数器、打字效果 # SKILL.md 的 12 条“铁律”：生产正确性优先 1. 必须遵守的 12 条硬规则：字幕最后、分段提取再拼接、30ms 淡入淡出、PTS 时移、SRT 输出时间偏移、不切在词中、切点填充、逐词 ASR、缓存转写、并行动画、先确认策略再执行、输出在 /edit/ 2. 其余全部是可调整的“worked example”：调色风格、字幕分块、动画时长、节奏等都可按材料和用户品牌定制

一个吃过开源红利的人, 靠开源挣了 300 万左右, 现在却一头扎进闭源项目里——你说傻不傻? 很多人认识我,是因为开源项目 Ant Design Vue。它始于 2017 年 9 月, 到今天累计收获了 22K Star（加上周边项目有 50K）。 也正是从那时起,我从开源副业到全职开源, 再到 OPC。这期间做过不少项目, 却始终走的是闭源路线——虽然有些收入,但没有一个能超过当年开源带给我的回报。 所以我又想明白了: 再开源一次。 这次是 Pireel,一个视频剪辑项目,或者更准确地说,是一个视频剪辑 Skill。你只需要在 Codex 里装上它: npx skills add pireel/pireel-agent 装完就能直接调用它来剪视频,简单到几乎没有门槛。 它和 CapCut、剪映有什么不同? Pireel 不是一款“复杂”的剪辑软件,而是一个以场景为第一切入点的 agent。你不用去学那些繁琐的剪辑操作——它会根据视频内容智能匹配合适的主题,帮你把片子快速剪好、直接上线。目前主打口播类场景,后续我会快速迭代更多场景,让大家开箱即用。 它还内置了 20 多种 hyperframes 主题,足以覆盖大部分需求; 如果你想要更个性化的风格,也可以接入第三方设计 Skill 来定制主题。 来吧，朋友们，开源小星星帮唐老师点一下，万分感谢 链接和交流群我放评论区了