BaoCut：給剪輯配上 Agent，一句話搞定口播去廢話和字幕翻譯

做過口播或者知識類影片的朋友，大概都經歷過這種折磨：錄了一小時，對著剪輯軟體裡的音軌波形逐句摳字幕、刪語氣詞，眼睛看花了，大半天時間也過去了。

寶玉老師推薦了一款叫 BaoCut 的影片轉寫與粗剪工具。它的核心邏輯很直接：把你花在逐句校對字幕、翻譯多語言和清理口播廢話上的時間，徹底省下來。

換個更輕的姿勢接入 Agent

行業裡接 AI Agent 剪影片的思路不少，比如 ChatCut 給閉源編輯器做 MCP 外掛，OpenCut 在路線圖裡規劃 MCP。BaoCut 換了一種更輕巧的玩法。

它把客戶端自帶的命令列工具打包成了 skills.sh 規格的 Agent Skill。安裝之後，直接在 Claude Code 或 Codex 裡輸入一句自然語言，Agent 就能直接呼叫 BaoCut 的命令列執行任務。

比如跑一條自動命令，模型就會按順序完成語音轉寫、文本潤色和多語言翻譯，最後直接匯出帶雙語字幕的影片或 SRT 檔案。相比剪映等自帶的識別，它不僅能清理語氣詞和口誤，連重複囉嗦的廢話也順手裁掉了。

拒絕一刀切，保留真正的剪輯時間軸

現在的很多 AI 生成影片工具都有個通病：輸入一段提示詞，直接扔給你一個不可修改的完整 MP4。如果第十秒有一句字幕譯錯了，或者背景音沒對齊，你就得推倒重來，重新燒一次算力。

BaoCut 走的是完全相反的路線。它基於一套可編輯的時間軸來構建，影片本身才是唯一的事實來源。所有轉寫文本、字幕圖層、分軌音效、甚至由 HTML 渲染的花字動畫，全部活在同一個時間軸裡。

這意味著你改動單句字幕或者換一段配音，Agent 只會修改這一處並給出變更記錄，絕不重新渲染整個工程。而且人類和 Agent 共享這套時間軸，隨時可以撤銷動作或手動接管。

在底層能力上，BaoCut 支援本地執行 Whisper large-v3、Qwen3-ASR 等模型，也能接入雲端 API。它還集成了人聲分離、畫面穩定和無綠幕摳像等基礎工具，目前已經支援 macOS 和 Windows 雙平臺。

為什麼重要

對內容創作者、搬運海外演講的博主以及跨境電商團隊來說，BaoCut 是那種能立刻省下真金白銀工時的實用工具。它沒有試圖去搞什麼「AI 全自動生成大片」的虛幻故事，而是把刀刃對準了最機械、最費精力的字幕校對和口播粗剪。

我們認為 BaoCut 最聰明的地方，在於想通了「可編輯性」才是專業創作者的剛需。一錘子買賣的黑盒生成雖然看著驚豔，但只要錯一個字就會讓專業創作者抓狂。把 Agent 當成打下手的實習生，讓它在真即時間軸裡做精細活，才是 AI 落地到工作流裡的正確姿態。

當然，門檻依然存在。目前使用 Agent 功能需要你配置 Claude Code 或 Codex，本地跑大模型對顯示卡也有一定要求，對於完全不懂命令列的純小白使用者來說，上手的第一步可能還需要花點心思摸索。