什么是 CinLink？他能干什么？

如果你要问我做视频时，最不想把时间花在什么地方？

我认为不是纠结开头应该用哪个镜头，也不是反复听一句话，判断这里该不该停半秒。这些事情有时候很磨人，但它们就是创作的一部分。我愿意为它们花时间。

让我觉得不想花时间的是另一类工作。

• 录制播客的时候听到受访者讲过一句很好的话，却想不起来它在哪个文件的哪一分钟
• 要给一段视频做字幕，于是又开始转写、校对、调整时间
• 长片已经剪完，还需要几个竖屏版本，我又要把相似的流程走一遍。

这些工作当然要有人做。但当它们占据了大部分时间，我就会觉得：我们本来是来表达一个东西的，怎么最后都在忙着操作软件？

这是我想通过 CinLink 改变的事情。

我想先说清楚我要什么

经常在 AI 产品和视频创作这两个世界之间切换，会遇到一种挺明显的落差。

跟 AI 对话时，我们已经习惯直接描述目标。可一回到视频软件里，很多意图还是得由自己拆成操作：找素材、标记入点和出点、切片、加字幕、调整比例、导出。

比如，我真正想做的可能只是：

从这期访谈里找出关于产品设计的讨论，剪成三个可以独立观看的短片，每段大约 45 秒，加上字幕。

但要把这句话落实到视频里，我需要先当自己的助理，把任务拆开，再一项项执行。

时至今日，最新一代的 AI 模型大多都能够非常好地理解人类的意图，所以我想试试，AI 能不能多接住一点这中间的工作。

这就是 CinLink：一个围绕本地素材工作的 AI 媒体工作空间。你可以直接说出想完成的事，让它理解素材、调用需要的能力，再和你一起把结果做出来。

从创立之初，我们就给设想了一个终极的目标：

AI 直接帮我成片

经过几个月的迭代后，我们发现虽然现实距离终极终局还是有所差距，但是也并非遥不可及。

会执行命令之前，先得看懂素材

我对视频 AI 的一个期待，是它能理解我正在处理的内容。

假设我说：“找出这段访谈里最适合做开头的回答。”

这件事没有一个仅靠时间码就能算出来的答案。你得知道对方在谈什么，哪句话需要前文铺垫，哪句话虽然听起来很有冲击力，但单独剪出来会改变原意。

画面也一样。

有时候我需要的镜头，没有出现在文件名里，也没有出现在对白里。它可能是一个动作、一件物品，或者某个场景。只读字幕，很容易错过它。

所以，我们发现根本没有办法回避掉的一件事情，就是对视频的分析。CinLink 把音频转录和视频画面分析放在一起，用来理解素材中的人物、话题、物体和场景。查找的范围也可以从一段视频，延伸到整个本地文件夹。

我很在意这个方向。因为对创作者来说，“找到值得用的东西”本身就占据了大量工作。很多时候，我们缺的并不是更多素材，而是重新发现已有素材的办法。

如果软件能帮我把相关内容找出来，我就能更早进入真正需要判断的部分：这些镜头应该怎样组成一个故事。

我希望 AI 做初稿，也希望我能改得动它

每次讨论“用一句话剪视频”，我都会想到一个问题：

结果出来之后，如果我不满意，怎么办？

做过视频的人应该都熟悉这种情况。一版剪辑整体上已经差不多了，但某个停顿被拿掉之后，情绪不对了；一句字幕的意思没错，却不是说话人的语气；一个切点只差一点，节奏就是不舒服。

这种时候，我需要能继续往下改。

所以 CinLink 保留了时间轴。

你可以让 AI 先找片段、做初剪、加字幕，再回到时间轴里调整剪辑点、画面和节奏。也可以继续通过对话提出修改。

我希望对话让人更容易开始，也希望熟悉剪辑的人能够把结果修到自己满意。

一句话可以是工作的起点。最后的判断，仍然应该握在创作者手里。

那么，CinLink 现在具体能帮你做什么？

如果你手上有一期播客、一节课程、一场活动录像，或者一个等待整理的素材文件夹，可以从几个很实际的任务开始。

先把内容看明白。

CinLink 可以转写语音、归纳视频大纲和关键观点，并给出带时间戳的内容位置。我会把这种摘要当成重新进入长素材的入口：先知道哪里值得看，再回去听完整的表达。

接着，找出可以拿来用的部分。

你可以从访谈或课程中选择片段，做成短视频，也可以按话题在素材里寻找相关内容。这里我最在意的是“独立观看”——一句话在原片里成立，剪出来之后不一定成立。选片之后，仍然需要看看上下文有没有保住。

然后，让内容适合被观看、被理解。

生成字幕，校对文字，调整样式，导出 SRT，或者把字幕嵌进视频。需要另一种语言版本时，可以继续翻译字幕和对白，生成目标语言的配音，再检查术语、节奏和声音。

如果缺少补充画面，也可以根据文字或参考素材生成图片和视频片段，为项目补充 B-roll。

最后，还有那些每个视频都绕不开的收尾工作：画质增强、转码、调整比例、水印和导出。

单独列出来，它们像是一张功能清单。但我们做 CinLink 时更关注的是它们之间的连接。

因为创作者脑子里的目标通常是“把这期访谈做成能发布的短片”。字幕、裁切、翻译和导出，是实现这个目标要经过的步骤。

CinLink 通过组合不同的专业能力——我们称为 Skills——把这些步骤接起来。我们希望你能围绕同一份素材、同一个目标持续工作。

一些小交互，也会影响你愿不愿意一直用它

对话式软件有一个很实际的问题：输入框在那里，你却未必知道该说什么。

所以我们做了 / 指令入口，让你能直接查看和调用可用操作。

另一个问题是指代。

“把这个剪短一点”里的“这个”，到底是哪段视频？当工作空间里有多个文件时，如果对象没有说清楚，后面的操作就很容易偏离预期。

所以你可以用 @ 指定文件、片段或文件夹。

例如：

在 @访谈素材 中找出关于产品设计的讨论，选三个适合独立观看的片段，每段约 45 秒，做成 9:16 竖屏版本，加上中文字幕，供我检查后导出。

这是一种表达目标的方式。你也可以先让它找内容，确认之后再剪，剪完之后再处理字幕。

我觉得好的对话工作流应该允许这种逐步推进。很多创作决定，本来就是在看过素材和初稿之后才形成的。

为什么从本地素材出发？

视频文件往往很大，而且通常已经在你的硬盘里。

对创作者来说，素材可能是还没公开的采访、客户交付的拍摄文件，也可能只是自己积累了很久的一套资料。围绕这些文件工作，是很自然的起点。

所以 CinLink 采用本地优先的方式，让重媒体处理尽量靠近文件和设备完成，利用已有算力，减少不必要的反复上传。

这里也需要说准确：有些任务会调用远程 AI，具体取决于所用能力和配置。CinLink 并不承诺所有工作都能完全离线。

我们希望用户在处理方式、资源消耗和隐私之间拥有更多控制。这对真正要把软件用进日常工作的人，很重要。

我希望 CinLink 留给创作者更多什么？

如果你刚开始做视频，我希望它能让你从一个明确的想法开始，不必先掌握整套软件。

如果你已经做了很多年视频，我希望它能帮你处理那些反复出现的准备工作，让你更快找到值得剪的内容，也有更多精力把它剪好。

对于播客主、教育团队、小型工作室和市场团队，这些任务的素材和发布场景各不相同，但有一个共同点：大家最终都要对自己交出去的内容负责。

因此，我并不觉得一个结果只要“由 AI 做出来”，就已经足够好了。

内容有没有被准确表达？片段有没有误导？字幕是不是忠实？节奏是不是符合你想传达的东西？这些问题，最终还得由做内容的人回答。

我们想做的，是让回答这些问题之前的路短一点。

你可以先带一段视频来。不用一开始就做一个完整项目，先找一句话、生成一份字幕，或者剪出第一条短片。

然后看看，当软件能多理解一点你的意图，你会把省下来的时间花在哪里。

开始使用 CinLink