Mirage 推出对话式视频编辑器：打字就能剪视频，10 秒内完成

很多人拍完短视频，最头疼的往往不是怎么出镜，而是面对剪辑软件里密密麻麻的音视频轨道、关键帧和调色盘无从下手。

Mirage 宣布在自家的 Captions 应用里上线了一款对话式视频编辑器。说白了，它把剪视频变成了一场像在 ChatGPT 里打字一样的聊天对话。

像使唤助理一样剪片子

打开 Captions，不管你是刚刚在里面生成的视频，还是从手机相册里直接上传的现成素材，界面底部都会多出一个输入框。

想在第 3 秒给人物来个特写镜头，直接打字输入「在第 3 秒放大」就行。想要配乐、加字幕，或者换一套字幕样式，也只要一句话交代清楚。

除了这些机械操作，它还能听懂一些更抽象的要求。比如输入你想要的某种「氛围感」，背后的 Mirage AI 模型就会自动匹配相应的调色和视觉风格。

据官方介绍，系统处理绝大多数编辑指令只需要不到 10 秒。早期测试里，有人让它给烹饪教程打上精准的食材克数，有人让它打造「绿植美学」调性，甚至有医生直接让它自动抓取相关的 B roll 空镜和插图来丰富科普内容。

专门针对爆款节奏做了调优

Mirage 表示，这个编辑器不仅仅是执行简单的指令，其模型在训练时就参考了目前各大平台上高热度视频的剪辑手法和节奏。

也就是说，它在替你执行缩放、转场或者加背景音乐的同时，也在尽量贴合当下短视频算法偏好的互动模式。

用户不用再去一层层寻找特效菜单，也不用手动拖拽时间轴对齐毫秒。打字发出去，系统几秒钟改好，觉得不够对味就继续追问调整，满意后直接导出。

目前这项基于聊天的视频编辑功能已经在 Captions 客户端中免费开放体验。

为什么重要

我们认为，视频编辑的交互范式正在被彻底重构。

过去几年，虽然各种 AI 剪辑工具层出不穷，但大多停留在「一键成片」或者「自动抠像」这种单一动作上。如果用户想做局部微调，最后还是得老老实实回到传统的时间线上拖关键帧。

Captions 把它做成对话流，最大的价值在于消灭了专业软件的学习门槛。对于每天要发好几条动态的中小商家、自媒体博主或者独立创作者来说，他们根本不需要掌握剪辑语法，只要能把自己想要的画面用人话说出来，就能在几十秒内完成精修。

但这套做法也有隐患。用自然语言描述画面虽然方便，却天然缺少像素级的精准控制。比如打字说「在关键节点放大」，AI 理解的关键时刻很可能和作者心里的落点有半秒偏差；如果多轮对话反复修正还是对不准，用户难免会觉得疲惫，甚至不如直接动手拉一下进度条来得痛快。

看起来，短视频制作工具的竞争线已经从拼功能库、拼模板数量，转向了拼意图理解的精度。谁能让 AI 听懂用户那些模糊甚至情绪化的描述，谁就能先一步把专业剪辑软件变成少数人的定制工具。