Автомонтаж видео через Claude: Reels из длинного видео за вечер

Claude не монтирует видео сам: он читает расшифровку, выбирает фрагменты по заданным критериям и пишет команды для ffmpeg — нарезку, склейку, субтитры, обложку. Финальный монтаж остаётся за человеком, но 80% рутины (просмотр целиком, поиск таймкодов, нарезка, титры, экспорт под вертикаль) закрывается за вечер. Практический сценарий: 20-минутное видео → расшифровка с таймкодами → 3–5 фрагментов по 30–60 секунд → чёрновая нарезка с субтитрами → отбор человеком.

Схема ниже собрана вокруг двух принципов. Первый: модель работает с текстом и командами, а не с картинкой — так результат воспроизводим и проверяем. Второй: каждый шаг оставляет артефакт (транскрипт, список фрагментов, файл нарезки, файл субтитров), поэтому сбой на шаге 4 не отправляет вас в начало.

Кто что делает: модель, ffmpeg и человек

Модель — редактор и постановщик задач. Она читает текст, находит смысловые блоки, предлагает точку входа и выхода, пишет сценарий подписи. ffmpeg — исполнитель: режет по таймкоду, нормализует звук, вжигает субтитры, меняет размер кадра. Человек — приёмка: смотрит черновик и решает, что из этого показывать.

Если переложить монтаж на модель целиком, получится либо «креативный» результат, который нельзя повторить, либо потеря 15 секунд на каждом шаге из-за пересылки файлов. Разделение труда даёт предсказуемость: текст можно править, команды можно перезапускать, файлы не нужно таскать вручную.

Шаг 1. Расшифровка с таймкодами

Нужен текст, разбитый по времени: каждая реплика с началом и концом. Подойдёт любой локальный распознаватель речи или API транскрибации — важен формат вывода: строка времени, говорящий, текст. Таймкоды обязательны: без них модель не сможет указать, где резать, а вы не сможете проверить её выбор.

Практика: расшифровку сохраняйте в файл рядом с исходником, например video.mp4 и video.srt или video.json. Дальше и модель, и ffmpeg будут работать с одной и той же временной шкалой, и расхождение в 1–2 секунды не превратится в обрезанную фразу.

Сколько времени: 20-минутное видео распознаётся за 2–5 минут, если модель работает локально, или за несколько минут через API. Ручная вычитка расшифровки — 10–15 минут, и её лучше не пропускать: имена, термины и названия сервисов распознаются хуже всего, а именно они чаще всего попадают в титры.

Шаг 2. Выбор фрагментов по критериям, а не по вкусу

Модель хорошо работает, когда критерии заданы числами и запретами. Рабочий набор: длительность 30–60 секунд; первая фраза фрагмента — законченное утверждение, а не «вот смотрите»; внутри есть один тезис и один пример; нет обрывов на середине мысли; нет обращения к невидимой части экрана («вот тут на слайде»).

Запрос формулируется как задача с выходом в таблицу: номер, начало, конец, тезис одной строкой, почему этот фрагмент зайдёт. Такой список удобно проверять глазами: 5–7 кандидатов на 20 минут исходника — норма, 20 кандидатов — значит критерии слишком мягкие.

Отдельно попросите модель не брать фрагменты, где вы обещаете результат, называете суммы или имена клиентов. Это не цензура, а гигиена: вертикальные видео живут дольше, чем контекст, в котором они были сказаны.

Шаг 3. Черновая нарезка командами ffmpeg

На этом шаге не нужен монтажный редактор. Достаточно вырезать отрезки и привести их к вертикальному кадру. Модель генерирует команды по списку таймкодов, вы запускаете их пакетом, получаете набор файлов.

Типовой набор операций: обрезка по времени (-ss и -to), масштабирование и кроп под 1080×1920, нормализация звука, склейка двух-трёх фрагментов в один ролик, извлечение кадра для обложки. Всё это воспроизводимые команды, а не ручные движения мышью: повторный прогон даёт тот же результат.

Важная деталь: режьте с запасом 0,2–0,3 секунды с обеих сторон. Модель ошибается в таймкодах на десятые доли, и запас спасает первую и последнюю фразу от обрезания. Лишние доли секунды потом убираются в редакторе или повторной командой.

Шаг 4. Субтитры, которые читают в беззвучном режиме

Вертикальные видео смотрят без звука, поэтому титры — не украшение, а условие понимания. Схема: из расшифровки берётся фрагмент, соответствующий отрезку, режется на короткие строки по 3–5 слов, собирается в файл субтитров, вжигается в видео.

Модель здесь полезна дважды: она разбивает текст на строки так, чтобы не рвать смысл, и убирает слова-паразиты, которые в титрах выглядят мусором. Проверка обязательна: две минуты просмотра черновика показывают, не уехали ли титры относительно речи.

Сколько времени: пакет из пяти роликов с титрами — 40–60 минут, включая правки. Без модели на это уходит вечер, и половина времени — на поиск таймкодов вручную.

Шаг 5. Первый кадр, обложка и подпись

Первый кадр решает, досмотрят ли ролик. Практика: вытащить 3–4 кадра из фрагмента, выбрать тот, где есть лицо и законченная эмоция, и не ставить поверх него текст крупнее трети кадра. Обложку проще делать отдельным кадром без титров — он же пригодится для превью в других каналах.

Подпись к ролику модель пишет из тезиса фрагмента: одна строка смысла, одна строка контекста, один вопрос или призыв. Без хештегов-простыней и без обещаний: алгоритм их не любит, а люди тем более.

Как проверить, что контур не врёт

Автомонтаж ломается тихо: файл создан, размер ненулевой, но внутри обрезанная фраза или чёрный кадр. Поэтому у контура должны быть три дешёвые проверки, которые запускаются автоматически.

Первая — длительность: каждый ролик укладывается в заданный диапазон. Вторая — наличие звуковой дорожки и её уровень: тишина в первых двух секундах означает, что отрезок вырезан не там. Третья — наличие титров в кадре: если файл субтитров собран, но не вжат, вы это увидите до публикации, а не в комментариях.

Четвёртая проверка не техническая, а человеческая: один случайно выбранный ролик из пакета смотрится целиком. Если в нём всё в порядке, вероятность, что остальные собраны по тем же правилам, высокая. Пропускать этот шаг экономно только до первого публичного конфуза.

Что делать, если исходник уже вертикальный

Отдельный случай — когда контент снимается сразу под вертикаль: короткие видео, интервью с рук, съёмка на телефон. Здесь нарезка по смыслу остаётся, а вот масштабирование и кроп не нужны: команды становятся короче, шаг с приведением кадра выпадает, время сборки сокращается примерно вдвое.

Зато появляется другая задача: склейка двух-трёх коротких фрагментов в один ролик с общим тезисом. Это уже не нарезка, а монтаж, и модель здесь полезна как сценарист: она предлагает порядок и связки, а приёмка остаётся за человеком.

Как хранить материалы, чтобы контур не развалился через месяц

Рабочая структура проста: папка исходника, папка расшифровок, папка фрагментов, папка субтитров, папка готового. Имена файлов содержат идентификатор исходника и номер фрагмента, поэтому через месяц понятно, откуда взят ролик и какая версия расшифровки использовалась.

Отдельный файл — журнал: дата, исходник, номера фрагментов, статус (черновик, на приёмке, готово, опубликовано), ссылка на публикацию. Без журнала повторный прогон через месяц начинается с нуля и с теми же ошибками, что и первый.

Что нужно и сколько времени

Исходник с чистым звуком; расшифровка с таймкодами; ffmpeg на машине или сервере; модель с доступом к файлам (CLI-ассистент или скрипт с API); папка с шаблонами титров и рамок; 1–2 часа на первый прогон и 40–60 минут на каждый следующий пакет из пяти роликов.

Порядок первого прогона: расшифровка (15 минут с вычиткой) → список фрагментов (10 минут на проверку) → нарезка (10 минут команд) → титры (20 минут) → приёмка (15 минут). Итого около полутора часов на первый ролик и заметно меньше на последующие, потому что шаблоны и команды переиспользуются.

Отдельно стоит сказать про звук. Нормализация уровня работает, а вот вычистить эхо пустой комнаты или шум кондиционера автоматика не сможет: это задача записи, а не монтажа. Если исходник записан плохо, нарезка его не спасёт — проще перезаписать двадцать минут, чем героически спасать их.

Где автоматизация вредит: честные ограничения

Автонарезка не понимает юмора, паузы и ритма. Она не соберёт «историю» из фрагментов: драматургия — работа человека. Если ролик держится на интонации, лучше брать один длинный фрагмент, а не склейку.

Цветокоррекция, шумоподавление сложного фона, стабилизация — не сюда. Это делается в редакторе, и попытка автоматизировать их на уровне команд чаще портит материал.

Модель ошибается в таймкодах и в именах. Поэтому в контуре всегда есть два предохранителя: запас по времени при резке и обязательная вычитка титров человеком. Автоматизация, которая публикует ролик без просмотра, рано или поздно публикует брак.

И последнее: если у вас нет системы учёта контента (что вышло, куда, с каким результатом), автонарезка просто увеличит объём мусора. Сначала очередь материалов и журнал публикаций, потом скорость.