edit-timeline-studio

使用 Timeline Studio 进行 AI 视频编辑

将用户的确切编辑要求和媒体转换为可撤销的 Timeline Studio 编辑。始终以可编辑时间线作为事实来源；绝不要用不透明的一次性渲染结果取代它。

选择执行路径

如果用户正在已打开的 Timeline Studio 项目中工作，且宿主提供了原生浏览器 WebMCP 工具，请优先使用这些工具。阅读 references/webmcp-integration.md：检查实时状态，预览完整的受支持编辑，查看其语义差异，然后应用返回的 previewId。此路径使用共享的可见编辑器，与下方的本地项目文件工作流不同。它不会添加远程 MCP 服务，也不会授予上传媒体的权限。

1. 安装后首次在本地使用时，阅读 references/host-environment.md。如果没有 Node.js，请从零依赖的 Shell 或 PowerShell 引导流程开始；否则运行 node scripts/setup-host.mjs --check。由 Agent 驱动的中文及中英混合配音使用 Timeline Studio 自带的浏览器本地 Hojo TTS Light 80M 双音色模型包，无需单独的 Python 配音功能。如果缺少语言运行时或依赖项，请展示确切的安装计划，并在安装模式下操作前获得用户明确批准；绝不要将安装 Skill 视为允许修改宿主或下载模型。
2. 对于确定性编辑，将本地项目文件处理作为默认方式：在本地检查媒体，通过命令层或本地归档服务修改可移植的 .timeline，并在任务会更改渲染媒体时渲染和验证解码后的输出。不要仅仅因为编辑器有 UI 就打开浏览器。
3. 只有在用户明确要求使用网站、未提供本地仓库或项目路径，或者需要仅托管环境提供的功能时，才将 https://video-editor.ai-creator.top/ 作为规范的托管编辑器。
4. 如果此仓库可用，请优先使用其 Agent 命令层和本地媒体工具。仅当本地项目流水线无法实现某项已确认只能通过 UI 操作完成的操作，且用户未要求仅使用本地工作流时，才启动本地服务和浏览器。请从进程输出中读取实际服务 URL；绝不要假定端口为 5173。
5. 如果宿主提供了内置的 Timeline Studio MCP 工具，请优先使用。阅读 references/mcp-integration.md，检查项目，并始终先调用 timeline_project_diff，再使用相同的 revision 和 operations 调用 timeline_project_apply。MCP 服务是仓库命令运行器的一种传输方式，并非独立的编辑实现。
6. 如果 MCP 不可用，请检查 package.json 中是否有 Agent 命令脚本。不要使用 npm run ... --if-present 检测功能，因为它可能静默成功。如果命令运行器存在，请阅读 references/command-contract.md，检查项目，构建带版本的计划，运行结构验证器，并在运行 project.run 前使用 project.diff 作为权威的语义试运行。
7. 如果本地契约缺少所需操作，请明确说明具体缺失之处。对于仓库开发工作，请先实现最小范围的共享本地操作和渲染器支持，再考虑改用 UI。否则，在切换到浏览器工作流前先征求用户同意。
8. 如果只能使用 UI 自动化，不要声称执行具有确定性或幂等性。请说明限制，并在 UI 支持时保留可编辑的项目归档。

工作流

对于仅涉及标记的请求，请阅读 references/timeline-markers.md，并按照 inspect → plan → validate → diff → apply → inspect 的工作流完成标注交接。标记、章节提示、范围和备注均为项目注释；添加这些内容无需旁白、下载模型、启动浏览器会话或渲染视频。只有当用户同时要求编辑媒体时，才适用以下媒体制作步骤。

1. 编辑前检查

• 将用户的提示词原样保留为创作简报。
• 将每个引用的素材解析为明确的路径或 URL。未经批准，绝不扫描整个目录。
• 检查时长、尺寸、是否含音频以及媒体类型。
• 更改现有项目之前，先阅读当前项目摘要。
• 在规划长视频、章节、音乐节拍提示、审阅备注或剪辑范围之前，阅读 references/timeline-markers.md。检查现有标注，并在有用时使用有证据支持的标记来保留编辑锚点和决策。保留用户标注，并区分 Agent 观察与用户提供的反馈。
• 只有在未解决的选择会实质影响剪辑时才提问，例如期望的输出时长或宽高比。
• 对于自动剪辑请求，阅读 references/auto-edit-workflow.md。先检查，再分类内容、目标和交付要求，并明确标注置信度；之后只询问会影响剪辑的最少类别特定问题。绝不询问可从媒体中发现的信息。
• 对于复现、模仿、重制或逆向分析参考视频的请求，阅读 references/replication-workflow.md。将其归类为 editing-style replication、AI-generation replication 或混合类型；在制作前还原滤镜、重复片段、素材拆分、速度曲线、转场、镜头和时序；并明确确认是否必须保留获授权的原始音轨。复现分析未通过完整性门槛前，不得开始剪辑。只有在确实需要生成时，才使用当前网络搜索比较 AI 视频平台；只有在用户未提供足够素材时，才使用来源合法的网络素材。
• 对于视频／图像重新打光或深度视频转换，阅读 references/relighting-and-depth-video.md。实际模型执行时，使用浏览器的 prepare/start/inspect/cancel 任务流程；通过经过审阅的 clip.set_relight 保持灯光可编辑，并将生成的深度视频保留在 My assets 中，直到经过明确审阅后再插入。不要把通用深度指导当作可执行的转换流程。
• 在为媒体分析加载或下载模型之前，阅读 references/local-model-routing.md。盘点仓库现有的本地能力和固定版本的镜像能力，选择解决证据缺口所需的最精简模型链，在不操作可见编辑器 UI 的情况下本地运行推理，并记录准确的模型、运行时和回退来源。默认情况下绝不加载所有可用模型，也不创建重复缓存。
• 当用户需要网络素材或询问在哪里可以找到可下载素材时，阅读 references/web-footage-sourcing.md。通过实时搜索提供当前且针对具体任务的平台建议，并按来源合法性、明确的下载支持、使用权、视觉适配度、质量和来源可追溯性排序。保持技能与服务提供商无关；绝不将某个平台或品牌硬编码为永久方案。
• 每次完成自动剪辑后，阅读 references/professional-editing-workflow.md。直接分析图像；通过代表性帧、语音／OCR、语义以及全局和主体区域光流来分析视频。跟踪或增强前先稳定画面。只有在检查证实生成确实有实质帮助后，才询问是否使用图生视频或图生图模型。
• 当视频方案可能受益于时间强调、与镜头匹配的色彩塑造、前景／背景分离、产品或人物主角处理、可编辑主体描边或身份替换时，阅读 references/curves-and-subject-effects.md。在镜头设计阶段就考虑这些能力，不要等用户提出具体控件。变速前先按源时间分析；仅在有明确动机时使用速度曲线调整时序；使用 Color Wheels 塑造影调，同时保留肤色和产品的辨识度；根据经过验证的蒙版生成抠像和描边；换脸必须获得明确授权；交付前验证预览／导出一致性和时间稳定性。
• 当确实需要远程生成时，阅读 references/remote-video-generation.md。搜索当前官方文档，只比较符合镜头蓝图的服务商；任何付费或涉及隐私的任务都必须先获得批准；统一异步任务和来源记录；下载可能过期的输出文件字节；将经过验证的结果添加到 My assets，但不要自动放入时间线。
• 对于产品、品牌、marketing-commerce、网站推广或其他宣传类剪辑，阅读 references/promotion-narrative-workflow.md。主动构建有充分证据支持、具有抱负感的总体叙事，而不是功能列表或动感文字蒙太奇。除非用户明确要求预告片，否则应构建完整的“问题→转变→证明→行动号召”叙事弧，并积极寻找多个视觉上各不相同的案例——通常至少三个——每个案例都应有自己的铺垫、产品操作、可见结果，并与最终的落点相连。绝不为了让故事显得更宏大而编造客户、结果、指标或产品行为。
• 对于强调表现力或戏剧冲击力的精彩集锦剪辑和参考复现，阅读 references/highlight-tension-workflow.md。将显著性视为候选证据，分配铺垫／上升／冲击前／峰值／余波等作用，设计非平坦的张力曲线，保护决定性的主角画面；如果精准剪辑后仍缺乏突出的落点，则不得判定完成。
• 对于网站演示或宣传录屏，使用受支持的浏览器控制技能，在录制前检查并排练获授权的操作流程。执行浏览器操作前，先完整阅读该浏览器技能，然后遵循 references/website-promo-workflow.md。形成产品结论前，先建立并完成页面／流程覆盖清单。如果所需页面受限，请用户自行在选定的浏览器中登录；绝不索取凭据，也不将无法访问的行为描述为已验证。任何重要的外部操作都必须另行确认；保护已登录信息和个人数据；如果只能使用屏幕截图或静态素材，绝不声称录制了真实屏幕视频。
• 将 tutorial-demo、vlog-event、marketing-commerce 和 narrative-documentary 视为默认配有旁白的类别。如果已获授权的源语音承载了所需故事，应保留并复用；否则，撰写完整叙事所需的最精简旁白，涵盖背景、进展、可见结果、影响和收尾，然后先合成旁白，再安排画面时序。除非用户明确要求仅使用源音频、仅使用音乐或静音处理，否则不要询问是否需要旁白；只询问会实质影响语言、配音、声明内容或交付方式的选择。
• 对于配有旁白的剪辑，阅读 references/voiceover-workflow.md。所有受支持语言均优先使用 Timeline Studio 自有且固定版本的浏览器本地语音。中文和中英混合旁白使用自有的 Hojo TTS Light 80M 浏览器套件，并为每位旁白或角色选用其两个稳定的内置参考音色之一：晴岚／zh_f_qinglan 或若溪／zh_f_ruoxi；此方案绝不安装或使用 Hojo 40M 或 MeloTTS。只有在本地不支持所需语言或音色，且用户明确批准回退方案时，才使用远程服务、操作系统语音或非自有运行时。除非用户要求其他交付方式，否则应从符合条件的本地音色中选择最温暖自然、最像讲故事的音色，并以亲切、自然对话的方式进行演绎，注意表达节奏；默认绝不采用平淡、金属感或机械感的系统语音效果。旁白应分别生成为简短的呼吸语段，而不是先生成一段庞大的连续语音再拆分。默认将逗号视为足够的合成分界点；多段简短语句音频优先于一段较长的句子音频；相邻语音片段之间使用桌面端／H5 共享的 0.4s 间隔。确定完整的分段音频主线后，再敲定场景时长、动态效果、转场、字幕或画面剪辑；应根据实际测得的语音和停顿调整并裁剪画面，绝不能反过来。运行时长只作为结果指标，不要以预设秒数为目标、追求或对齐。 对于可选的本地托管已保存场景来源、转录含义、视觉搜索和持久化处理计划，请阅读 references/material-analysis.md。要求保存证据和当前来源引用；将处理授权、时间线预览／应用和持久化保存回执分开处理。

2. 按支持的保真度规划

• 对于自动剪辑，保留提示词，并将推断、确认、默认和未解决的决策规范化为可编辑的简报。在更改时间线之前，先建立源时间决策记录，包含保留／删除／缩短／重新排序的决定、理由、置信度、字幕预期、音频连续性约束和受保护内容。
• 对于讲解型产品、教程或网站片段，为唯一指定的目标选择明确的注意力处理方式：放大较小或较密集的证据，为准确的文本或数字加下划线，或框出控件、卡片或结果的准确边界。镜头移动时，最多使用一种辅助处理方式；只有在镜头停止后才添加下划线或边框。
• 对于主体主导的镜头，选择有充分依据的最简处理方式：使用抠像来改变背景或图层深度，使用描边来聚焦注意力而不移除背景，只有在明确请求并获授权时才使用换脸。对有意义的动作阶段或剪辑节拍应用速度曲线，不要将其用作持续装饰。变速时保留分析得出的源时间映射。
• 使用命令运行器时，将编辑表示为声明式操作，并包含稳定 ID、秒数、修订版本、操作 ID 和前置条件。运行 scripts/validate_edit_plan.mjs <plan.json> 检查传输结构错误，然后运行 npm run agent -- project.diff <plan.json>，在应用任何操作之前拒绝不受支持的操作和无效的项目特定编辑。
• 仅使用浏览器 UI 时，编写简短的有序清单，列出可见的用户意图和预期 UI 结果。优先使用具名控件和片段标签；只有在最后不得已时，才使用基于当前屏幕截图的坐标。
• 保持主视觉轨连续。将字幕、贴纸、源音频、配音、音乐和叠加内容视为定时片段。
• 遵循单向的字幕到语音规则：如果项目配置或启用了任何字幕，每条可见字幕都必须对应可听到的语音。将转录字幕关联到现有的原始语音片段，并为每条新增的旁白、讲解、宣传或文字主导字幕生成配音。现有源语音满足此规则，不得为其重复生成配音。没有字幕时，tutorial-demo、vlog-event、marketing-commerce 和 narrative-documentary 类别仍默认需要旁白；其他类别则可选，除非简报要求添加。如果已配置的字幕没有获授权的语音路径，则省略该字幕，或停止处理并保留可编辑项目。
• 对于有旁白的剪辑，从一开始就将每个短语气组单独合成为物理归档音频文件，并将每条字幕绑定到且仅绑定一个匹配的 audioClipId；不要先生成单个完整的旁白文件，再在合成后进行拆分。在句末标点处分段；默认还应在逗号、分号、冒号、破折号或其他明显的口语停顿处分段。只有当拆分会产生无意义的片段，或破坏专有名称、数字、URL 或预期的双语短语时，才保留边界不拆分。对于自由脚本生成，将第一个片段放在明确指定的播放头位置，将之后的每个片段追加到当前配音轨末尾；绝不要重复使用未变化的播放头位置或 0s。按字幕生成的内容应锚定到对应字幕。相邻配音片段之间采用桌面端／H5 共用的默认间隔 0.4s，然后根据已接受的音频序列推导字幕时间和画面时间。
• 移动或裁剪片段时，保留媒体身份和源时间映射。

3. 安全应用

• 执行破坏性批处理前，先保存项目版本或导出 .timeline 归档。
• 每个用户可见的意图对应一个事务。前置条件不满足时，整个事务都应失败。
• 不要静默替换缺失的媒体、语音、模型、字体或特效。
• 确保每项结果都能在常规 UI 中撤销和编辑。
• 未收到明确的用户请求时，不要启动付费或远程生成任务。
• 不要将 output.render 放入命令计划中，也不要声称 project.run 会渲染视频。对于有文档说明的可移植子集，请使用单独的、带版本的 project.render 请求；对于 AI 生成或不受支持的合成特性，请使用浏览器编辑器。
• 对于已完成的视频编辑请求，应解析出明确的绝对输出目录，并在其中同时创建可移植的 .timeline 项目和渲染后的视频。规划、诊断、仅注释的工作以及明确移交至编辑器的情况除外。仅注释交付需要新写入并检查 .timeline 归档；不要仅为交付标记而渲染未更改的视频。

4. 验证结果

• 重新阅读时间线摘要，并将其与要求的顺序、轨道位置和启用状态进行比较。对于带旁白的编辑，确认最终项目时长遵循已锁定的音频主线，而不是较早的时长估算。
• 预览开头、每个剪切点或转场、字幕边界、叠加内容以及最后一帧。
• 连续播放时间线，检查每个画面、字幕和音频边界。时间线时钟必须单调递增；若任何边界出现停顿、倒退、重复播放片段尾部，或同时激活相邻的两个半开区间片段，都应拒绝。
• 检查可听到的效果，而不只是查看可见轨道。区分嵌入的视频音频与明确分离的源音频片段，并验证静音／链接状态。
• 使用 FFmpeg 放置立体声或多声道音频时，必须明确为每个声道应用所有预期偏移。对于 adelay，使用 adelay=<milliseconds>:all=1，或为每个声道提供一个延迟值；在默认的 all=false 下只提供一个值，只会延迟第一个声道，导致后续所有片段都可能在另一个声道的零时刻叠加。交付前，比较开头片段以及每个计划语音边界附近的左右声道活动。若出现仅单个声道提前播放语音、开头叠加多个旁白片段，或未记录的声道间起始时间偏差，都应拒绝。
• 确认每条可见字幕在其整个有效时段内都对应一段可听见的语音。若存在孤立字幕、静音的关联片段、字幕时长超过语音、源语音与配音重复，或仅交付文本字幕，都应拒绝。
• 确认相邻的 Agent 生成旁白片段是彼此独立的实体素材，使用短句级呼吸分组，并将逗号视为有效的默认拆分点；同时保留桌面端／H5 共享的 0.4s 有意时间间隔。检查开头处独立的语音总线，并拒绝以下情况：反复生成自由脚本时共享 0s、重复使用未变化的播放头，或在计划开始时间之前发生重叠。还应拒绝过长的多分句合成、仅通过剪切范围拆分的整体旁白、无意义的微片段、意外重叠、被截断的呼吸／收尾，或因画面时间安排迫使已采纳的语音偏离自然节奏。
• 以正常播放速度听完全部旁白。若出现冷漠或机械的音色、平淡的音高和力度、逐字合成式表达、间隔僵硬且均等、节奏仓促、停顿被截断、发音不自然、片段级变速、无法解释的响度跳变，或为达到目标时长而对旁白整体加速，都应拒绝。除非用户明确要求其他风格，否则必须达到温暖、自然、如讲故事般的效果，同时保持克制的音高变化、句子级重音和自然的呼吸间隔。对于按短语划分的旁白，所有最终音频片段都必须在全部处理完成后进行测量；默认目标为综合响度 -18 LUFS，真峰值不得高于 -2 dBTP，最响与最轻片段之间的响度差不得超过 1 LU，片段响度范围（LRA）不得超过 5 LU，除非已记录有意例外。绝不能仅凭整段节目的综合响度就接受旁白混音，也不能仅依赖对短片段进行一次归一化来证明一致性。
• 对于最终导出，验证容器、尺寸、时长、解码后的帧、可见叠加内容／字幕以及实际存在的音轨。
• 在产品或工作流修复之前生成的所有产物，都必须视为已过时，不得用于交付。代码或 Skill 编辑不等于重新生成结果：必须从全新项目重新运行受影响的流程，在不同路径下导出新的 .timeline 和结果视频，记录它们的修改时间与 SHA-256 哈希，并与先前产物进行比较。绝不能把旧渲染作为修复证据来展示、重新关联、重命名或复制。
• 对于重复的自由脚本语音生成，必须通过真实 UI 运行至少三个片段的回归测试。重新打开导出的 .timeline，并确认初始播放头处恰好只有一个片段；每个后续片段的开始时间都必须等于前一片段的结束时间加上计划间隔，误差不超过时间线精度，且不得有任何重叠。然后检查或解码最终渲染音频在相同边界处的效果；仅凭项目结构不足以证明混音正确。
• 若需要让审核版本与早期渲染明显区分，添加简短明确的验证画面或构建标记，并予以说明。只有在新产物通过新鲜度、时间线、解码和哈希检查后，才能将其从干净的最终版本中移除。
• 必须在 Timeline Studio 中重新打开并验证 .timeline，不能只进行结构检查：主 Visuals 轨道必须可见，第一帧必须能在 Preview 中渲染，归档媒体必须可正常解析，字幕／音频／轨道状态必须匹配。完整解码并验证渲染后的视频，然后返回两个绝对路径。

谨慎处理未明确说明的请求

• 对于没有编辑说明的“试试看”“打开它”或“让我编辑”等请求，请启动编辑器，仅导入明确指定的素材，确认素材已自动放置，然后交付可实时编辑的工作区。
• 不要擅自添加剪辑、字幕、画面比例更改、AI 生成内容或导出操作。
• 对于明确要求“自动编辑”“清理”“精简”“制作精彩片段”或措辞相近的请求，可在已确认的说明范围内做出可撤销的编辑决策。说明影响重大的默认设置，保护类别特定内容，并报告所做决策；不要将此类请求视为单纯交付工作区。
• 将持久化完成新手引导、下载模型、远程生成和破坏性重置视为需要分别由用户决定的事项。

从每次实际运行中学习

进行编辑器评估、回归测试，或任何暴露出使用阻力的运行时，请阅读 references/e2e-evaluation.md。进行自动编辑评估时，还需阅读 references/auto-edit-scenarios.md，并使用其中固定的类别卡片、澄清检查、硬性门槛和相邻压力测试变体。记录尝试的操作、观察到的结果、证据、回退方案和验证结果。将发现归类为产品、浏览器控制、环境或技能指导。更新最相关且范围最小的技能说明或参考资料，验证技能，重新安装本地副本，并重新运行受影响的场景及相邻冒烟测试。绝不要仅为让测试通过而降低断言标准。

能力边界

阅读 references/host-environment.md，了解主机依赖项检查和经批准的安装；在由 Agent 驱动的旁白或旁白生成前准备之前，阅读 references/voiceover-workflow.md。

决定当前能否执行某项请求时，阅读 references/current-capabilities.md。在浏览器中编辑已打开且提供 Timeline Studio 工具的项目时，阅读 references/webmcp-integration.md。连接或调用捆绑的 MCP 服务时，阅读 references/mcp-integration.md；实现或调用底层 Agent 命令层时，阅读 references/command-contract.md。在借助模型进行分析或增强之前，阅读 references/local-model-routing.md。在选择或调用远程视频生成器、数字人服务或可编程合成服务之前，阅读 references/remote-video-generation.md。有关不依赖特定提供商的当前网络及短视频素材建议，请阅读 references/web-footage-sourcing.md。有关 UI 执行，请阅读 references/browser-workflow.md；有关按类别自动剪辑，请阅读 references/auto-edit-workflow.md；有关有证据支撑的产品与宣传叙事及闭环案例，请阅读 references/promotion-narrative-workflow.md；有关剪辑风格与 AI 生成的重制，请阅读 references/replication-workflow.md；有关高潮层次与张力塑造，请阅读 references/highlight-tension-workflow.md；有关速度曲线、Color Wheels、抠像、描边和经授权的换脸镜头设计，请阅读 references/curves-and-subject-effects.md；有关媒体分析、生成协商、稳定、增强和交付产物，请阅读 references/professional-editing-workflow.md；有关可重复的分类矩阵，请阅读 references/auto-edit-scenarios.md；有关基于体验的重复测试，请阅读 references/e2e-evaluation.md。

对于面向公众的说明，每个问题只指向一个页面：使用 docs/agent-video-editing.md 了解 Timeline Studio 是什么；使用 Codex、Claude Code、GitHub Copilot 或 Gemini CLI 的平台指南了解如何发现和调用；使用 docs/examples.md 查看可复现案例；使用 docs/command-reference.md 查看准确的运行器语法；使用 docs/comparison.md 查看与 FFmpeg、CapCut 和 Remotion 的比较。除非用户要求全面概览，否则不要加载所有面向公众的页面。

如果请求的操作不受支持，请保持有效的部分时间线不变，并明确说明缺少的命令或运行时能力。