AI 工具箱 · 资源汇总

它的原理就是：你在 Claude Code 里去控制达芬奇，让达芬奇识别你的口播内容，生成字幕，然后它会把所有的字幕按照时间顺序发回给 Claude Code。那这个时候 Claude Code 处理的就不是视频，而是文本内容。AI 处理文本内容是很快的，然后它会把你的文本处理成一个符合 Vlog 口播的文本。然后这些它选择留下来的文本，就是它帮你选择留下来的视频素材，然后再发回给达芬奇，达芬奇就已经剪辑完了。大概就是这么一个思路。那具体的呢，就是你在 Claude Code 里要配置 Python 的环境，然后 Python 去调用达芬奇原生的 MCP。

第一步，先去识别你时间线上所有视频内容的文本，生成 SRT 字幕。
第二步，把 SRT 字幕通过 MCP 发回给 Claude Code，Claude Code 转换成 TSV。TSV 是带有时间序列的文本内容。

然后再让 AI Agent——Gemini 也好，或者是其他的模型也好——去处理这个 TSV 文本，那它就变成了一个处理文本的步骤。你可以给它提各种处理文本的要求，比如：
· 你是否要去掉两秒以内的素材？
· 你是不是要去掉语气词？
· 你是不是重复的内容保留最后一遍？

所有要求处理之后，它会生成新的 TSV 文本，然后这个 TSV 文本通过 MCP 再传回给达芬奇——就是你选择要留下来的素材。那这个时候它就完成了口播剪辑的整个过程。