Claude Code 唔只寫 code，XDA 用 Whisper 同 FFmpeg 叫佢代剪短片

Claude Code 做嘅其實係監製加工程師

Claude Code 本身唔識「睇 timeline」剪片，佢做嘅係理解要求、檢查素材，再寫程式指揮其他工具。XDA 作者先交出幾段拍攝片，系統用 Whisper 整逐字稿同時間碼，Claude 再按內容揀 take、排次序，最後叫 FFmpeg 切片、合成同輸出。片段真正點樣解碼同壓製，仍然係 FFmpeg 出力；Claude 負責將編輯決定變成可執行指令。

呢個分工幾關鍵。傳統剪片係人喺 timeline 一格格睇，呢套方法就先將聲音變成文字，跟住用文字內容決定保留邊句。Talking head、教學、訪問精華呢類以對白帶動嘅短片最啱食呢套玩法；如果係 MV、劇情片或者要靠畫面節奏講故事，單靠逐字稿揀鏡，好容易剪走表情、停頓同反應鏡頭。

圖片：Wikimedia Commons — Marine BAJAN（CC BY-SA 4.0）

Whisper 時間碼夠用，但唔係逐格準

Whisper 可以輸出 word-level timestamps，Claude 於是能夠按每個字嘅開始同結束時間落刀，再用同一批資料整逐字跳動嘅動態字幕。不過 OpenAI Whisper 維護者講明，呢啲逐字時間係推理時估算出嚟，模型冇特別用逐字對齊資料訓練，遇到停頓時未必準確。廣東話夾英文、品牌名、口頭禪同背景音，亦係字幕最易出事嘅位置。

所以自動字幕慳到嘅，主要係打字、分行同初步對時嗰輪工。人手仍然要由頭播一次，核對人名、產品名、數字、斷句同字幕安全區。要做卡拉 OK 式逐字高亮，幾十毫秒嘅偏差都會睇得出；如果只係普通兩行字幕，容錯空間就大好多。

Agent 揀 take，快慢取決於你有幾多廢片

XDA 呢次展示到 Claude 可以理解幾個相似 take，再揀一個較順嘅版本。呢步對成日重錄同一句嘅 creator 幾實用，因為 agent 可以先按逐字稿刪走講錯、重複同長停頓，砌出 rough cut 畀人睇。真正慳時間嘅地方，係少咗來回拖動播放頭同逐段標記，唔係完全唔使人判斷點剪。

問題係「講得完整」唔等於「最好睇」。有時較短嗰個 take 眼神飄咗，有時口誤嗰段反而有自然反應；模型若只見到文字，就未必識揀。穩陣做法係叫 agent 輸出剪接決定表，列低每段來源、入點、出點同揀選理由，先出低解像度預覽。咁改錯一刀唔使重壓成條片，亦方便人手追返原片。

字幕、B-roll 同音效最易由加分變扣分

XDA 作者亦叫 Claude 加動態字幕、圖片 B-roll 同音效。技術上唔神秘：FFmpeg filter 可以疊圖、燒字幕、縮放同混音，agent 只係代你砌好一長串參數。不過呢啲裝飾最講判斷，音效太密、字幕跳得太急、B-roll 同對白只係字面相關，成品即刻會有模板味。XDA 作者覺得結果理想，只能當成一次個人示範，未足以代表其他片長、語言同素材都會一樣順。

更現實嘅問題係授權。原文做法包括由網上搵 logo 同相片做 B-roll，搵得到唔代表有權放入商業影片。搵到品牌 logo 唔代表可以任用，其他相片亦可能受攝影版權限制。公司最好只畀 agent 讀指定素材庫，保留來源網址、授權類型同下載日期；來源講唔清楚嗰張圖，直接唔用會穩陣好多。

等候時間同成本，唔好只睇 Claude 月費

截至文章刊出時，Anthropic 官網列出 Claude Pro 月繳 US$20，已包括 Claude Code；Max 就由每月 US$100 起，但各級都有用量限制。用 API 會按輸入、輸出 token 收費。一次剪片要反覆讀逐字稿、修改程式、預覽同修錯，實際消耗視乎片長、對話輪數同揀用模型，XDA 單次體驗唔足以推算每條片固定成本。

硬件帳亦要分開計。Claude 嘅推理喺網上處理；如果喺本機行 Whisper，轉錄速度就會受 CPU、GPU、模型大小同影片長度影響；FFmpeg 輸出就受解像度、編碼器、濾鏡數量同硬件加速左右。加大量逐字動畫、疊圖同混音之後，每次修訂都可能要重新壓片。慳到幾多人手，同你等幾耐先有預覽係兩條數，測試時要一齊記錄。

未公開素材，先搞清楚會送咩出去

Claude Code 可以讀本機檔案再執行工具，但網上推理代表 prompt、程式內容同 Claude 實際讀取嘅資料可能送到服務商處理。用 Free、Pro 或 Max 帳戶登入 Claude Code，適用嘅係消費者資料安排；Anthropic 話刪除對話後，後端會喺 30 日內刪除，而用家若開啟改善模型選項，相關對話或 coding session 可用去改善模型，去識別化資料最長可保留五年。

客戶片、未公布產品、內部會議同可辨認聲音都唔應該未睇條款就直接交入去。團隊方案、Enterprise、Anthropic API 同雲端供應商嘅保留安排可以唔同，開工前要按實際登入方式核對。香港能否開戶亦應以 Anthropic 當刻嘅支援地區頁同付款畫面為準；官方安裝文件只寫明服務限支援地區使用，未提供一套獨立嘅香港資料處理承諾。

最啱用喺第一版，唔係直接出街

呢套方法最有價值嘅位置係批量製作 rough cut：先轉錄、刪重複、揀 take、套品牌字幕，再快速輸出直片同橫片版本。creator、社交媒體團隊同細公司可以少做好多機械式操作，將時間留畀內容取捨。不過發佈前仍要有人完整睇一次，覆核剪口、字幕、音量、畫面授權、品牌資料同事實準確度。

如果要認真評估值唔值得用，可以揀三條同類短片，逐條記錄人手剪接時間、agent 等候時間、修訂次數、Claude 用量、Whisper／FFmpeg 運算時間同最後錯漏。三條都穩定慳到工先值得寫成固定製作模板；只靠一條成功示範就全自動出街，風險仍然太高。

參考來源

• XDA Developers — I turned my terminal into a video editor using Claude Code, and it actually works — original report
• Claude plans and pricing — Anthropic 官方收費頁，核對 Pro、Max、團隊方案、Claude Code 包含情況同 API 價格。
• Set up Claude Code — Anthropic 官方安裝文件，交代系統要求、登入方法、網上 AI 處理同地區限制。
• How long do you store my data? — Anthropic 消費者資料保留說明，涵蓋 Free、Pro、Max 帳戶使用 Claude Code 嘅情況。
• Supported countries and regions — Anthropic 官方支援地區清單，開戶前可用嚟核對所在地服務狀態。
• OpenAI Whisper transcribe.py — Whisper 官方程式碼同參數說明，確認逐字時間碼嘅產生方法。
• How to obtain word-level segmentation timestamps? — Whisper 維護者解釋逐字時間碼屬推理時估算，停頓位置未必精準。

本文根據原文及公開資料整理；資料有出入時，以原文及官方資料為準。