咔嚓是一套支持 Codex 与 Claude Code 的本地、AI 辅助、证据化专业视频生产工作流 skill。
它把脚本策划、精剪、声音、视觉包装、字幕、统一审片、增量返工和质量检查 组织成一条可恢复、可审计、可复现的流程。
它不是“一键全自动成片器”：内容判断、授权、正常速度审片和发布决定仍由人负责； AI 负责组织证据、编译计划、执行获批修改并把技术结果留痕。
官网 · English site · 生产台 Figma 设计稿 · English README · 快速开始 · 安装说明
很多 AI 剪辑方案只会生成效果，缺少完整工程闭环。咔嚓关注的是：
- 先把内容剪对：删除无效停顿、口误和重复，同时保住完整语义与自然强弱；
- 再把声音和画面做好：人声分离、降噪、增强、BGM/SFX、字幕、信息卡、 PIP、蒙版、转场和主体感知重构图按同一套合同执行；
- 返工只动该动的部分：冻结无关音视频流，复用已有产物，只重渲染受影响层；
- 结果必须可验证：媒体解码、轨道、尺寸、响度、黑帧、冻帧、静音、 全输入哈希、最终混音和人工审片分别留证，不把技术通过冒充可发布。
它作为专业工作流层，协调 FFmpeg、NLE、Remotion、HyperFrames 或项目指定 引擎，把不同工具的结果约束在同一套内容、时间线与验收合同中。
| 能力 | 价值 |
|---|---|
| 本地优先 | 默认不上传素材；外传、付费生成和发布需要单独授权 |
| 本地生产台 | 选素材、基础风格、五套剪辑语言、开场和指定效果，生成可交给 Agent 执行的项目合同 |
| 四里程碑编排 | 方案确认、首剪确认、成片审阅、交付与返工共享运行版本、输入身份、证据和唯一下一步 |
| 脚本优先生产 | 没有视频也可先做内容主线、事实核查、录制计划、素材清单和 source-edit 交接 |
| 素材缺口收件箱 | 区分事实证据、用户素材与说明性生成候选，许可、来源、文件身份和重新索引缺一不可 |
| 完整工作流 | 从方案、精剪、声音、视觉、字幕一直走到候选版与发布门禁 |
| 增量返工 | 通过依赖图、产物指纹和冻结流哈希减少重复渲染 |
| 返工渲染预算 | 参数探索只跑代表区间；每版本最多一次整片代理、一次正式编码、一次完整 QC |
| 质量不降级效率 | 当前证据选择首剪/增量代表区间，按依赖和资源生成安全波次；完整候选通看保持强制 |
| 效率证据门禁 | 至少 8 个同源成对真人审片项目且六项关键护栏无退化，才允许宣称效率提升 |
| 一次正式编码 | EDL、动效、字幕和混音编译成统一 Render Graph，并冻结所有输入内容身份 |
| 高成本复用 | ASR、人声分离、蒙版、Beauty、样式帧和生成素材按模型/实现强指纹缓存 |
| 弱模型稳定生产 | 五种紧凑 packet + 十三阶段文件证据状态机，减少上下文与临场猜测 |
| Agent 对话控制面 | 自然语言仍是主入口；Mutation Delta、确定性对象 @ 引用、本地句向量素材搜索和终态受保护的异步任务在后台运行 |
| 全片智能导演 | 从带时间语义 cues 编译主线、内容优先级、唯一开场、强调预算、安静比例、五风格语法和最简回退 |
| 统一审片中心 | 1× 正常速度查看高影响决定，再完成绑定当前成片 SHA-256 的十一项发布检查；失败项形成返工请求 |
| 可解释偏好学习 | 只从候选就绪的完整审片结果重建候选；按 scope 并发安全合并，需显式激活，可版本回滚，不保存自由文本内容 |
| 真实编辑评测 | 绑定真实源片与带音轨输出，拒绝重复源片、错配和未变化输出；8 个同源项目且关键护栏无退化才允许整体提升声明 |
| NLE 语义交换 | OTIO/FCPXML 保留语义 ID；真实应用验证另绑定 NLE 版本、导入/导出报告、应用证据和人工正常速度复核 |
| 可观测性能 | 自动采集耗时、Token 来源、缓存和编码次数；重型资源跨项目共享主机锁 |
| BGM 成片证明 | 测量可听性、重建组件混音，并验证最终视频没有漏混音乐 |
| Production pack | 通用引擎不硬编码单一品牌；字体、封面身份和前一分钟节奏按项目与栏目版本化绑定 |
| 视频设计系统 | 行者风 3.0 统一栏目、画幅、语言、字幕、语义色、镜头机制、PIP、封面和运动语言，并以反网页合同约束生产 |
| 效果参考图库 | 240 个注册效果均有浅暖轻浮层、空间光路、幽默漫画、像素风与暗黑科技风五套横竖参考图，并绑定 1200 份可执行动效合同；效果身份优先，只有命中场景语义才允许改变结构 |
| 五种剪辑语法 | 连续编辑旁注、单次空间导航、喜剧节拍、确定性状态机与取证揭示分别组织镜头、空间、转场和声音；七轴门禁阻止只换材质的“换皮” |
| 预制效果与资源 | 62 个模板统一解析开场、转场、语义画面、贴纸、纵深、流程、关键帧、并列句、字幕和呼吸；附原创视觉资源与许可路由 |
| 可感知能力覆盖 | 行者风按时长约束外部/AI/HyperFrames 素材、PIP、蒙版、纵深、关键帧、关系字幕和大字的最低覆盖与多样性 |
| 画面呼吸 | 用语义驱动的推近、停稳、释放、横移和重音冲击改善节奏，避免全片持续缩放 |
| 口播字幕编排 | 普通单行优先，按真实信息关系使用左右、上下或人物前后景排版并联动功能音效 |
| 项目字体路由 | 行者风默认使用已授权的真正金陵体；读取真实文件、字符覆盖、授权与哈希，不静默换字体；私有字体只进入本地安装，不进入公开仓库 |
| 有理由的剪辑 | 切镜、转场、蒙版、音效和 33 种语义网感机制都由带时间文稿触发并写入正式时间线 |
| 本地 Beauty v2 | 只做磨皮、美白、匀肤和法令纹弱化；默认关闭，不改变五官和身份 |
| FaceFusion 候选处理 | 按项目授权接入换脸、口型同步、人脸修复和后期增强；冻结模型许可、输入哈希并强制专项人工 QC |
| 双 Agent 支持 | 同一套 skill、安装器、配置和门禁同时支持 Codex 与 Claude Code |
| 失败即停 | 输入、授权、能力或 QC 不满足时停止，不用预览伪装最终成片 |
当前版本包含 52 个设计组件、69 个复用场景、62 个预制效果模板、23 个公共 核心资源、10 种转场、5 种开场、5 种画面呼吸运动、7 种口播字幕布局，以及 从 6 条参考视频中验证出的 33 种语义网感机制。机制可从最终带时间文稿生成 帧级计划、进入完整视频渲染，并通过摘要、资源、时序与媒体保真门禁。 当前仓库完整回归为 146 项；五套图库另有语义三元组、跨风格重复、同风格未声明 近似构图、人物头部碰撞、黑块、字体和动效合同专项 QC。当前提交的 1200 组 “效果定义—参考图—动效合同”语义三元组全部匹配，其余上述问题均为 0。
详细能力边界见 网感剪辑系统、 画面呼吸与字幕字体系统、 效果模板与资源目录、 能力覆盖与返工预算、 架构说明与 视频设计系统、 行者风 3.0和 五风格剪辑语法、 V7 实施状态与证据边界、 V8 质量不降级效率、 效果参考图库。
Production pack 的生成与验证示例见 栏目感知生产包。
把下面这段话复制给 Codex 或 Claude Code：
请从 https://github.com/colorcross/kacha.git 安装最新版“咔嚓”skill。
先识别当前 Agent，再检查并运行 scripts/install.sh，安装到对应的用户级
skills 目录；不要覆盖已有安装，不上传或提交我的本地文件、密钥和素材。
安装后运行隐私扫描与回归测试，读取已安装的 SKILL.md，并报告安装路径、
版本和验证结果。
也可以直接安装：
# Codex
curl -fsSL https://raw.githubusercontent.com/colorcross/kacha/main/scripts/install.sh \
| bash -s -- --agent codex --channel canary
# Claude Code
curl -fsSL https://raw.githubusercontent.com/colorcross/kacha/main/scripts/install.sh \
| bash -s -- --agent claude --channel canary安装位置分别为 ~/.codex/skills/kacha 和 ~/.claude/skills/kacha。安装器
不会覆盖已有目标。canary 跟随当前 main；stable 只指向最后一个正式 tag，
在下一次 Release 完成前仍是 v1.1.0，不包含后续 Unreleased 能力。详见
一句话安装。
stable/canary 的 ref 只从 config/release-channels.json 读取；显式 --ref、
自定义归档 URL 或本地 --archive 一律显示为 custom，并在真实安装记录归档
SHA-256，不能冒充稳定或 canary 来源。
不想手写配置时，先启动本地生产台：
node scripts/kacha.mjs studio serve页面只读取本机路径，可从脚本、选题或视频开始，支持基础风格、自建风格、
“自动按语义”或浅暖轻浮层/空间光路/幽默漫画/像素风优先、开场选择和多组
“自然语言位置 + 指定效果”。五步流程会分别处理素材、风格、声音、效果和
交付；129 个注册效果支持搜索，生成前必须通过视频、输出目录、授权字体、
设计系统与效果解析预检。它不会上传素材、覆盖源片或跳过质量门禁。详见
本地视频生产台。项目建立后可在 /project
查看四个里程碑、十三阶段证据、素材收件箱和唯一下一步。
候选片阶段从生产台顶部进入“统一审片中心”，或直接打开
http://127.0.0.1:4179/review。它围绕正常速度视频逐项呈现 AI 的高影响剪辑
决定、理由、置信度、最简回退和接受/调整/拒绝结果，并对当前最终视频完成
十一项发布检查；不把表单或静态效果图冒充审片。
任务与授权
↓
方案与输入哈希
↓
结构精剪 → 声音处理 → 视觉包装 → 字幕校准
↓
自动技术 QC
↓
候选版与同源人工审片
↓
发布门禁
四条任务路径：
| 路径 | 适用情况 | 停止条件 |
|---|---|---|
proposal_review |
只要剪辑方案 | gate-plan 后停止 |
source_edit |
从原片剪出成片 | 继续到候选版、QC 与人工审片 |
content_generation |
从文稿和素材生成新视频 | 逐项记录素材来源、授权与验收 |
local_optimization |
修改已有版本的指定层或区间 | 冻结无关层，只重建受影响部分 |
最短命令路径：
node scripts/kacha.mjs gate-plan PROJECT.json
scripts/capability_probe.sh --profile core --output capabilities.json
node scripts/kacha.mjs gate-render PROJECT.json
node scripts/kacha.mjs render PROJECT.json
node scripts/kacha.mjs qc PROJECT.json
node scripts/kacha.mjs gate-release PROJECT.json登记了 plans.timeline 的项目可由 render 在一个执行图中完成真实渲染；
gate-render 本身仍只证明具备执行条件。qc 是自动技术检查，不能代替
人工通看。
已有成片的局部返工从
v3 增量工作流开始。较弱模型或
Claude Code 可使用 prepare → next 确定性执行协议，详见
V4 工程化优化与
V5 性能、Token 和弱模型稳定生产。
全片导演、素材缺口、语义审片、偏好学习、真实编辑评测和 NLE 交换见
V6 智能剪辑证据闭环。
日常仍可直接在 Agent 中聊天；操作级 Delta、本地素材索引、后台任务、
placeholder、对象短引用和双端安装状态见
Agent 对话控制面。
node scripts/kacha.mjs config init --scope user
node scripts/kacha.mjs config show --anchor /path/to/project
node scripts/kacha.mjs doctor --profile core- 核心门禁需要 Node.js 20+；
- 媒体链路需要 FFmpeg 与 FFprobe；
- 本地字体索引与字幕图层渲染需要 Python 3、Pillow 和 fontTools；
- 用户配置位于
~/.config/kacha/config.json； - 项目配置使用
kacha.config.json，本机覆盖使用已忽略的kacha.local.json； - 密钥可放在权限为
0600的~/.config/kacha/secrets.json； - 配置不能授予上传、付费、发布、覆盖文件或跳过门禁的权限。
- 默认保持原视频像素尺寸和宽高比；
- 含口播的音频先做人声/非人声分离，只让验收通过的人声进入后续处理；
- 背景音乐按最终对白的语速、情绪、叙事功能和信息密度分段规划，允许主动 留白；禁止一条循环音乐、固定配器和固定响度铺满全片；
- 自动发现的项目配置不能改写 provider、凭证入口或本机工具路径；
- 网络素材、生成镜头、字体、音乐和音效必须记录来源、授权与哈希；
- 本地字体文件不会进入公开仓库；项目授权记录只用于当前本地制作范围；
- 开发态可把授权字体放入 Git 忽略的
assets/private/fonts/。字幕规划会在没有 项目字体注册表时读取其中的authorized.json，按当前安装目录重定位并复核 SHA-256；install sync --apply会同步到本机 Codex/Claude 安装副本，但不会 把字体加入公开发布包或素材库； - Beauty v2 默认关闭，启用后仍需同源同帧动态 A/B 人工复核；
- 只有自动技术 QC、人工审片证据与 release gate 全部通过，才可标记为可交付；
- 仓库不包含用户密钥、第三方库存素材、模型权重或项目私有音效库。
官网展示产品能力和工作流；「行者大灰」账号发布真实剪辑效果、前后对比和 使用演示。使用问题、合作或反馈也可以发邮件至 dodofun@126.com。
展开视频号、抖音和小红书二维码
| 视频号 | 抖音 | 小红书 |
|---|---|---|
|
|
|
| 文档 | 用途 |
|---|---|
| 快速开始 | 从模板到门禁的完整示例 |
| 本地视频生产台 | 五步配置、预检、项目生成与信任边界 |
| 生产台深度 review | 功能、流程、UI、安全与验证结论 |
| 安装与依赖 | 环境、平台与可选能力 |
| 配置说明 | 用户、项目、本机和密钥配置 |
| 自适应背景音乐 | 五栏目音乐语法、专业提示词、多段 Timeline、混音与 QC |
| 架构说明 | 工作流、证据链与模块边界 |
| 性能与弱模型稳定生产 | 一次编码、局部预览、缓存、Token 和审计 |
| 质量不降级效率 V8 | 风险、代表区间、依赖波次、强指纹缓存与成对效率证据 |
| V6 智能剪辑证据闭环 | 全片导演、素材缺口、语义审片、偏好学习、编辑评测、NLE 交换与可观测性 |
| V6 全面优化实施状态 | 已实施范围、生产门禁、验证证据、依赖安全例外与真实项目待办 |
| 视频设计系统 | 视觉 token、组件、场景和 QC |
| 行者风 3.0 | 电影化选择顺序、反网页门禁、栏目预算、五风格镜头语法和当前参考图库 |
| 五风格剪辑语法 | 五种风格各自的时间单位、空间拓扑、转场、声音与换皮失败门禁 |
| Beauty v2 | 本地美颜能力、门禁与人工复核 |
| FaceFusion | 换脸、口型同步、人脸修复、模型许可与专项 QC |
| 效果模板与资源 | 62 个模板、可调动效合同、原创资源、字体/SFX 与素材路由 |
| 增量返工 | 依赖复用与冻结流证明 |
| 隐私安全 | 上传、付费、发布与凭证边界 |
仓库验证：
node tests/run_tests.mjs
bash tests/test_installer.sh
python3 scripts/scan_secrets.py官网验证：
cd website
npm ci
npm run lint
npm run typecheck
npm test
npm run test:pages
npm audit --audit-level=high提交问题或改动前请阅读 CONTRIBUTING.md 和 SECURITY.md。代码使用 MIT License；仓库内原创 音效适用独立的 Kacha SFX Asset License。