转录采访并用文字剪辑视频

用文字剪辑采访，意思是先转录素材，像读文档一样阅读转录稿，然后通过选择和删除文字来剪辑视频。基于转录的文字剪辑，能把一段两小时的访谈变成二十分钟就能浏览完的内容，还能让你先在纸面上搭好结构，再用耳朵精修。

在 cinemaOS 中，整个循环都在你的 Mac 上运行：用 ⇧⌘T 转录，检查说话人，在素材箱的 Text Editing 标签页中编辑，在转录稿中搜索你需要的台词，可以选择让 J.A.R.E.D. 压缩剪辑，然后生成字幕。不会上传任何媒体、转录稿或提示词。下面是具体工作流，之后是让采访剪辑成立的一些剪辑习惯。

为什么要在本地转录

采访往往是一个项目中最敏感的素材。受访者可能说了不宜公开的话，纪录片可能涉及同意被拍摄、却没有同意把自己的话发送给第三方服务的人，企业客户也可能对录音的去向有规定。

本地转录让这个问题不复存在。cinemaOS 使用覆盖 25 种语言的 Parakeet，其余语言使用 Whisper。两者都在 Mac 上运行，所以这项工作不需要网络连接，转录稿也始终留在你的工程中。取舍在于小机器上的速度：在 8 GB 内存的 Mac 上，繁重的 AI 任务一次只运行一个，所以请在去喝咖啡之前启动转录，而不是在同时放大素材的时候。

如果隐私是你项目的核心关切，端侧 AI 视频剪辑与隐私一文深入讨论了本地处理能保证什么、不能保证什么。

第 1 步：转录并检查说话人

选中采访片段，按 ⇧⌘T，即 Transcribe with J.A.R.E.D.。你也可以在 Finisher 的 Localize ▸ Captions 中进行。语言保持 Auto Detect 即可，除非你知道录音中多种语言混杂到会干扰识别，那时就手动设置。

cinemaOS 最多可识别四位说话人。这能覆盖大多数采访场景：受访者、采访者，以及另外一两个人。转录稿出现后：

1. 为说话人命名。 用真实姓名替换通用标签。之后搜索和阅读都会快得多。
2. 抽查说话人切换处。 像“对”或“嗯”这样的简短插话，是说话人识别最常猜错的地方。修正那些重要的。
3. 修正人名和术语。 专有名词、技术词汇和地名是常见的错漏。现在就修正，因为同一份转录稿之后还要用来生成字幕。

在这个阶段，你不需要逐字校对。修正会影响搜索和字幕的部分；其余的可以等到你知道哪些台词会留在剪辑中之后再说。

第 2 步：在 Text Editing 标签页中编辑

打开 Sequencer 素材箱中的 Text Editing 标签页（位于 Bin 和 Forge 旁边）。转录稿现在就是一个剪辑界面。选中文字就选中了对应的媒体，删除文字就会从剪辑中删除对应的段落。

一个实用的工作顺序：

1. 先做一遍选段。 通读一遍，只保留可能进入影片的回答。放宽一点。你是在去掉明显的死胡同，而不是做最终决定。
2. 搭建纸面结构。 把留下来的回答按照故事的顺序排列。这是文字剪辑最强的地方：移动段落比移动片段快。
3. 然后换成用耳朵。 把这版粗剪从头播放一遍。文字会掩盖语气。一句读起来很好的话可能听起来平淡，而一处看起来凌乱的磕绊，可能是整段采访中最真诚的时刻。

把转录稿当作地图，而不是实地。对每一处剪辑的最终判断，都要在时间线上通过聆听做出。

第 3 步：在转录稿中搜索你需要的内容

长采访很难记全。使用 Search Project… 按 Word 或 Meaning 查找片段。按词搜索能找到精确的短语，当你记得某人说了什么时最理想。按意义搜索适用于你记得意思、但不记得原话的情况，比如“她谈到离开家的那段”。

两个有帮助的习惯：

• 搜索问题，而不只是答案。 如果采访者用不同的方式把同一件事问了两次，两个回答都是候选。
• 在所有采访中搜索。 如果几位受访者都谈到了同一个主题，在选择之前把它们全找出来。这是搭建一个在不同声音之间交叉剪辑的段落最快的方式。

第 4 步：按你的条件用 J.A.R.E.D. 压缩

有了一版粗剪之后，J.A.R.E.D. 可以完成机械性的压缩。按 ⌘J，把会话模式设为 Always ask，然后输入类似这样的内容：

Tighten this interview to 2 minutes and keep the pauses

或者，如果你想处理得轻一点：

Remove filler words as a candidate

J.A.R.E.D. 在 Mac 上运行，编辑会在你眼前落在真实的时间线上。在 Always ask 模式下，它会先提议再执行。完成后，你会得到一份改动清单，⌘Z 可以撤销整个步骤。无论什么模式，破坏性操作始终会询问。

对它的用途要有现实的认识。它擅长达到时长目标，以及删除“嗯”和说错重来的部分。它不知道哪个回答是你影片的情感核心。请在你做完结构决策之后再用它，而不是之前。另外，J.A.R.E.D. 目前对英语写成的请求表现最好；其他语言（包括中文）的理解可靠性较低。

还有，保留停顿。一段每次呼吸都被删掉的采访，听起来让人透不过气，而且很仓促。一个重要回答之前半秒钟的停顿，往往正是它能打动人的原因。如果你想进一步了解为什么 AI 的“完成”不等于一版好的剪辑，AI 剪辑说“完成了”，可剪辑却是错的介绍了如何审查自动化剪辑。

第 5 步：用同一份转录稿生成字幕

剪辑锁定之后，你已经有了大部分字幕。你可以让 J.A.R.E.D.“Tighten interview, then caption”，把两步串起来，也可以自己添加字幕：⌃⌥C 在播放头处添加一条字幕，Finisher ▸ Localize ▸ Captions 中有完整的字幕工具。

导出之前，用 Strict 或 Compatible Repair 运行 QC，并在台词最密集的段落检查行长和阅读速度。然后按你的平台需要的格式导出：SRT、WebVTT、ASS、SCC、EBU-STL、iTT、IMSC1、EBU-TT-D 或 FCPXML，或者为社交版本使用 Burn In。如果你需要另一种语言的采访，同一份转录稿可以在本地翻译；如何在 Mac 本地翻译字幕如实介绍了质量分级。

值得保留的采访剪辑习惯

无论你用什么工具，这些习惯都能让采访剪辑更好：

• 按思路剪，而不是按句子剪。 人们会在句子中间结束一个想法，在一口气中间开始新的想法。找到一个想法真正的起点。
• 剪之前看眼睛。 受访者低头思考、再抬头说话，会给你一个自然的剪辑点。
• 诚实地处理跳切。 空镜、切到倾听者的插入镜头或者刻意的跳切都可以。一个改变了原意的隐藏跳切则不行。
• 保留受访者自己的声音。 压缩不是改写。如果一刀让某人说出了他本意并非如此的话，就把它恢复回去。
• 把最终的转录稿读一遍。 在生成字幕之前，以文字形式读一遍剪辑。重复的词和衔接不上的句子，在纸面上更容易发现。

常见问题

cinemaOS 能识别多少位说话人？

每次转录最多四位。对于人数更多的座谈，为四个主要声音命名，其余的手动修正。

转录能离线进行吗？

能。转录使用 Parakeet 或 Whisper 在本地运行，所以不需要网络连接，也不会上传任何内容。

J.A.R.E.D. 会不经询问就修改我的剪辑吗？

在 Always ask 模式下不会，它会先提议每一处改动。在任何模式下，破坏性操作都会请求确认，每一处编辑都可以用 ⌘Z 撤销。

在下一段采访中试试

拿一段采访，转录它，然后在 Text Editing 标签页中做一遍选段。光这一步通常就能省下一个下午。cinemaOS 可在 Apple 芯片 Mac 上运行，60 天免费试用，无需绑定银行卡。