从长视频剪片段，不用再反复听、反复找
在长视频里找片段，就得一遍遍听、一遍遍拖进度条。在 VoxStudio for Mac 里，用一句话描述你要的片段，它会根据词级时间戳找到对应内容，放到新时间线上并导出。
作者 David, Product Specialist at VoxStudio · · 更新于 · 6 分钟阅读
你将完成什么
- 从长视频剪片段，真正费时间的是找，不是剪。
- 在 VoxStudio 里，用 AI Chat（或通过 MCP 在 ChatGPT、Claude 里）描述片段。它会找到对应内容、按整词下刀、放到新时间线并导出。
- 需求说清楚（一个观点、时长、最后一句），第一次就能拿到想要的片段。
剪片段最耗时的，是一遍遍地听
你有一段一小时的访谈，想剪三条短片段。你大概记得说过什么，却不记得在哪里。于是拖进度条、听几秒、再拖。好不容易找到那句话，又要凭耳朵定入点和出点，切掉半个字，撤销，重来。下一条片段，再来一遍。
剪一刀只要几秒，找却要花掉大半个小时，而且同样的内容要反复听很多遍。
现在：说出你要的片段，VoxStudio 帮你找
在 VoxStudio for Mac 里，你不用自己去找，只要说出想要什么。打开项目，在 AI Chat 里输入需求，找片段和剪辑都交给 app：
提出需求后会发生什么
- 1. 找到片段 — 在逐字稿和字幕 cue 中搜索与需求匹配的段落，既按字面，也按意思。
- 2. 按整词下刀 — 词级时间戳记录了每个词的起止时间，所以片段总是从完整的句子开始、在完整的句子结束。
- 3. 放到新时间线 — 片段按故事顺序放在单独的时间线上，完整视频保持不动。
- 4. 加字幕并导出 — 可以根据音频自动加字幕，你确认满意后再导出成片。
更习惯用 ChatGPT 或 Claude？它们也能通过 MCP（Model Context Protocol，把应用接入 AI 助手的通用方式）使用同一套剪辑工具。在你常用的助手里提需求，由你 Mac 上的 VoxStudio 来完成。
为什么能精确找到那句话
这靠的是转写带来的两样东西。字幕 cue 就是一行行字幕，每行都有开始和结束时间，所以能按内容找到某句话。词级时间戳更进一步：每一个词都有自己的时间。两者结合，VoxStudio 就能直接跳到你描述的那句话，并精确地在第一个词之前、最后一个词之后下刀，不需要任何人去听。
找片段：以前和现在
| 靠耳朵 | 用 VoxStudio | |
|---|---|---|
| 找到那一段 | 拖进度条一直听到为止 | 描述一下，从逐字稿里找出匹配段落 |
| 入点和出点 | 凭耳朵定，常常差一个音节 | 按词级时间戳卡在词与词之间 |
| 字幕 | 手动输入或手动对时间 | 根据片段音频自动生成 |
| 再做一个版本 | 从头再来 | 再说一次，每个版本各占一条时间线 |
怎么说，才能拿到想要的那一条
只说“帮我剪个短视频”也行，但结果靠猜。多说几句，就不用猜了：
需求里写上这几点
- 一个观点 — 这条片段要讲的唯一一件事。一条片段，一个观点。
- 时长 — 大多数口播视频 30 到 45 秒最合适。
- 最后一句 — 如果你知道该怎么结尾，就直接说。
- 不要什么 — 题外话、第二个例子、重复、长停顿。
- 基本规则 — 只用讲者的原话，放在新时间线上，导出前先给我看。
以 1 分 44 秒的英文口播 “Make Your Own Lemonade” 为例，可以这样说：“做一条 30–45 秒的竖屏短视频，主题是卡住的时候该怎么办。保留把问题写下来的那段，以 ‘Make your own lemonade.’ 收尾。只用原始旁白，放在新时间线上，加上字幕，导出前先给我看剪辑结果。”
导出前，快速看一遍
花 30 秒就够
- 开声音看一遍 — 留意每个衔接处，有没有急促的换气或被切掉的字。
- 静音再看一遍 — 只看字幕也能看懂，这条片段在手机上就成立。
- 核对人名和数字 — 逐字稿和字幕最容易在这里出错。
带走它：一个可复用的 skill
我们把这套提需求的方法写成了一个 skill：一份简短的说明文件，让助手先要需求、只选完整句子、在新时间线上操作、导出前先和你确认。文件里写了它用到的 VoxStudio 工具。文件为英文，助手都能直接读懂。
在 Claude Code 中，把它保存为 ~/.claude/skills/short-video-from-long-video/SKILL.md，之后你要短视频时就会用上它。在其他助手中，把内容粘贴到项目说明里，或放在对话开头。
下载
- SKILL.md：从长视频剪出短视频
纯 Markdown 文件，约 4 KB，可自由使用和修改。
从哪里开始
最快的方式是 VoxStudio for Mac 视频编辑器里的 AI Chat，不需要任何连接。想在同一台 Mac 上的 ChatGPT、Codex、Claude 或 Cursor 里提需求，就用 app 内置的 MCP 服务器。VoxStudio Cloud MCP 只需一个地址、登录一次，就能让这些助手访问你的云端会话、逐字稿和配音；但在时间线上剪辑需要 Mac 应用。
合理预期
词级时间戳来自语音识别，很精确，但并非完美；AI 也可能选中一句你不会选的话。所以片段会放在单独的时间线上，等你确认。原来要花一小时反复听，现在几分钟就能拿到一版可用的初剪。
常见问题
怎样在长视频里找片段，又不用从头听到尾？
在 VoxStudio for Mac 视频编辑器的 AI Chat 里描述你要的片段。它会搜索逐字稿和字幕 cue，用词级时间戳按整词裁切，再把片段放到新时间线上。
VoxStudio 能直接帮我导出吗？
可以。检查完新时间线后，让它导出，或者在编辑器里点 Export。
可以在 ChatGPT 或 Claude 里完成吗？
可以。通过 MCP，同一台 Mac 上的助手可以使用 VoxStudio 编辑器的工具：找片段、添加片段、加字幕和导出。
什么是词级时间戳？
逐字稿里每个词都有自己的开始时间。有了它，编辑器能精确卡在词与词之间下刀，而不是凭耳朵。
会改动我的原视频吗？
只要要求使用新时间线就不会，上面的需求示例和 skill 都这样要求。原时间线和源文件保持不变。
相关 Mac 功能
- Mac 离线录音转文字
使用本地语音模型转写音频和视频，回放校对，再导出 TXT、SRT 或 VTT。支持 Apple 芯片与 macOS 15 或更新版本。
别再反复听了，直接说出你要的片段。
在 VoxStudio for Mac 里打开一段长视频，在 AI Chat 里描述想要的片段，先在新时间线上确认，再导出。 下载 Mac 版 · 查看价格与试用（英文）
David — David works on the VoxStudio product team and spends most days inside the video editor, turning real customer workflows into faster ones.