SeeCut · 网感口播精剪

An AI editor that watches its own cut — see, cut, loop.

数字人 / 真人口播 → AI 自动精剪成"网感"动效短视频 → 可选推成剪映分层草稿微调。
一个给 coding agent（Claude Code 等）用的 skill：它自己理解素材、自己去找真证据、自己编排和渲染，再用 AI 看视频给自己质检、自己迭代，最后交你肉眼终审。

数字人原片（HeyGen AV5 + 豆包配音）	SeeCut 自动精剪后
https://github.com/user-attachments/assets/6c5c821a-bb8b-48f0-bead-5509425835ce	https://github.com/user-attachments/assets/4702dc92-8bb3-4199-acc0-31fd3d98ae96

两条都有声音，点开即可播放。右边的画面由 agent 全程自动完成（真证据截图、卡片、手绘圈注、人像在全屏和小窗之间调度），最后只在剪映里调了音量。原始文件在 Releases · demo-v1。

"精剪"不是去气口的粗剪；"口播"是有真人或数字人出镜；"网感"是画面有料、动效跟着每句话走。

亮点

See：让 AI 真正"看"视频。 Claude、GPT 这类模型通常要先把视频抽成几张图片再看，看不出动效和节奏。SeeCut 接入 Gemini（通过 Antigravity CLI）直接看视频，素材理解和质检都靠它。
看得准：评委是校准过的。 同一条视频换个提示词，AI 能从"标准"说成"土味"。我们用答案已知的片子测评委，发现"打绝对分"不可靠、"两条比哪条好"才可靠，所以质检用两两对比，交换位置各跑一次都赢才算。
Loop：自己改、自己挑。 每版先过硬伤检查，再和上一版两两对比，赢了才采纳；最多 3 版，每版必须有肉眼可见的进步。眼睛准了，循环才会越改越好，而不是越改越偏。
找真证据。 口播提到什么，就去截真的网页、界面、案例当画面证据，禁止用假界面凑满画面。没有额外 B-roll 也能做得有料。
有章法，不是堆特效。 一套成体系的风格规范：设计令牌 → 组件库 → 编排决策表（"这句话是什么功能 → 画面怎么处理"）→ 逐镜施工单，层层有据。
数字人也给了实打实的做法。 HeyGen AV5 数字分身出人像，配音不用 HeyGen 内置音色（偏假），改用豆包语音合成，demo 里的声音就是这么来的。脚本和步骤都在 digital-human/。
能在剪映里微调。 交成片的同时交分层工程包；装了剪映草稿引擎还能直接推成剪映里分轨可改的草稿，音效也能自动配。

最快跑通

准备一个文件夹：一段 20-30 秒竖屏半身口播（自己拍的就行）+ 3-6 张口播里提到的东西的截图（可选）。
装好下面"核心"部分的环境，运行 zsh skill/seecut/scripts/preflight.sh，直到必需项全绿。
把 skill/seecut 放进 ~/.claude/skills/（或你的 agent 的 skills 目录），新开对话：
```
/seecut 素材：<你的文件夹>
```
拿到：渲染成片（~/Downloads）+ 分层工程包 + 交付报告（每版改了什么、质检结论）。

先样片、后全片。 长视频请先拿开头 20-30 秒跑一遍，确认风格和方向没问题再跑全片（素材超过 60 秒时 skill 也会先问你）。一次循环会出 2-3 版，每版都要渲染和 AI 看片对比，一条 25 秒样片目前约 1 小时，片子越长越久。

三步流水线

步骤	做什么	说明
第 1 步 · 数字人	口播文案 → 配音 → 数字人 → 竖屏口播 A-roll	我们的做法：豆包配音 + HeyGen 数字人；工具可以换。有真人口播就跳过
第 2 步 · 网感口播精剪	素材理解 → 找真证据 → 编排 → HyperFrames 渲染 → AI 质检自迭代 → 交付	核心
第 3 步 · 剪映草稿	分层工程包 → 剪映里能打开、分轨微调的草稿	可选

开始之前：你需要准备

目前只在 macOS 上实测过。克隆下来交给你的 agent，它会按这里和 preflight.sh 帮你装。

核心：精剪必需（preflight.sh 会逐项检查）

内容	说明
一个 coding agent	Claude Code 已实测；Codex、WorkBuddy 等能跑 skill 的 agent 理论上通用。要跑多轮自迭代，额度要充足
Antigravity CLI（`agy`）	AI"看视频"的眼睛，没有它就没有自检和自迭代。用 Google 账号登录即可，免费账号有按周刷新的额度；Google AI Pro 会员额度更高、每 5 小时刷新（一条片子要调很多次，免费额度可能不够跑完，以官方说明为准）。坑：Google 账号底层地区要是支持地区（看账号设置，不看 IP）；国内要代理；无头调用要加 `--dangerously-skip-permissions`
HyperFrames CLI	免费开源，`npx -y hyperframes@latest` 即用；代理要设成大写 `HTTPS_PROXY`
ffmpeg、Node 22+（HyperFrames 要求）、Python 3、`pip install faster-whisper`、工程目录里 `npm i playwright-core`	均免费，用于渲染、转写、截证据

数字人：要出数字人口播时需要（工具可以换，下面是我们实际用的）

内容	说明
配音：火山引擎·豆包语音	比数字人平台的内置音色自然。新应用有免费额度（我们开通时控制台显示约 2 万字符），以火山引擎控制台和官方最新文档为准
数字人：HeyGen 账号 + API 钱包	AV4 照片驱动约 $0.04/秒，AV5 数字分身约 $0.12/秒

可选增强

内容	用途
jianying-headless（第三方，非商业协议）	生成剪映分层草稿
你自己的音效库	`scripts/sfx_ledger.py` 一键建台账后自动配音效
一个生图工具	缺素材时自动生图补画面；任何生图模型都行，我们手边用的是 Grok CLI

已知卡点

agy 报 not eligible：Google 账号底层地区不对（改账号设置，不是换 IP）。
npx hyperframes 下载超时：代理没设成大写 HTTPS_PROXY。
证书报错（CERTIFICATE_VERIFY_FAILED）：本机有代理做了 HTTPS 中间人，给 Python / Node 配上代理的 CA，或改用 curl。
数字人：AV5 需要在 HeyGen 网页人工建分身；AV4 只要一张照片，缩成小窗时足够用。
剪映：第三方引擎要自己适配；没有它也能拿到成片 + 分层素材。
录屏 + 角落头像类型的素材在当前版本没有充分测试，欢迎反馈。
一条片子要跑几十分钟到一小时，先用 20-30 秒样片试方向。

联系作者

反馈与问题：请提 GitHub Issues（有模板），附上 preflight 输出和交付报告里的"skill 问题"一节。
其他想聊的：X（推特）@leaf_sanren，欢迎私信。

致谢

这套管线站在这些项目的肩膀上：

HyperFrames：渲染引擎和官方组件库，画面里的大量动效靠它撑起来。
video-talkcraft：剪辑管线的整体编排思路（Design Reference → 组件库 → SHOTBOOK）。
hypit：爆款拆解的思路，帮助我们理解网感和素材。
hyperframes-student-kit：Vox Explainer 风格的设计令牌和卡片样式。
jianying-headless：剪映草稿引擎。
rachel-digital-human-production：数字人流程的起点；在它的基础上，我们又实测改进了 AV5 数字分身、豆包配音和竖屏裁切。

感谢这些项目的作者。本仓库包含的第三方组件与字体及其许可见 NOTICE。

协议

PolyForm Noncommercial 1.0.0