Редактируйте видео с помощью ChatGPT

Перетащите исходный ролик с говорящей головой в Codex, вставьте один промпт и получите ролик с субтитрами, вырезанными паузами и анимацией, готовый к публикации. Вот настройка, рабочий промпт, что происходит внутри и честный график первого запуска.

ПЛАН · 6 ШАГОВ, 1 ПРОМПТ

1. Откройте Codex в настольном приложении ChatGPT (переключатель в левом верхнем углу).
2. Установите плагин Remotion в разделе Plugins.
3. Один раз проверьте компьютер: Node 18+ и Xcode Command Line Tools на Mac.
4. Создайте проект в пустой папке и перетащите туда видео.
5. Вставьте промпт монтажа и подтвердите запросы настройки.
6. Исправьте имена и заголовки на этапе согласования, скажите render, посмотрите MP4 и публикуйте.

Текущая доступность Codex, требования к Node/Xcode, условия лицензии Remotion и тарифные лимиты в этой сверке не проверялись; перед установкой проверьте актуальные требования и условия сервисов.

Перед началом Настольное приложение Codex Доступно на всех тарифах ChatGPT, в том числе Free; лимиты использования зависят от тарифа. Плагин Remotion Бесплатный, встроен в Codex. Найдите Plugins и нажмите Install. Node 18+ Единственное, что Remotion не может установить самостоятельно. Выполните node -v в Terminal.

Codex — часть ChatGPT, которая пишет и запускает код на вашем компьютере. Remotion создаёт видео из кода. Вместе они дают редактор без временной шкалы: он расшифровывает ролик, находит все паузы, вырезает их, накладывает субтитры на произносимые слова, анимирует важные моменты и сохраняет готовый MP4 в папку на Mac или ПК.

В одном демонстрационном запуске двух с половиной минутный ролик с говорящей головой обработали с помощью промпта ниже: получился монтаж с субтитрами, вырезанными паузами и анимацией. В этом руководстве также показано, что происходит во время ожидания, что нужно компьютеру и как сформулировать промпт, чтобы избежать роботизированного монтажа и лишних вопросов.

Как это работает — в одном абзаце

Whisper расшифровывает речь, а Remotion рендерит видео на вашем компьютере. При этом Codex использует облачную модель: текст задачи, расшифровка и переданный агенту контекст могут обрабатываться в облаке. Локальный монтаж сам по себе не означает, что все данные остаются только на устройстве. Плагин Remotion добавляет Codex набор навыков: как создать проект Remotion, добавить субтитры и выполнить рендер. Codex пишет небольшую программу с описанием монтажа (какие секунды оставить, где разместить субтитры, когда приближать изображение), а затем Remotion превращает эту программу в видео с помощью входящих в комплект копий ffmpeg и безголового Chrome. Расшифровка речи выполняется локально с помощью Whisper.

Что он умеет и чего не умеет

Шаг 1: Откройте Codex

В настольном приложении ChatGPT нажмите переключатель в левом верхнем углу и выберите Codex (третий пункт после Chat и Work). Если появится запрос, войдите в свой аккаунт ChatGPT. Вместо чата Codex откроет представление проекта.

Шаг 2: Установите плагин Remotion

Нажмите Plugins, найдите Remotion и нажмите Install plugin. Или откройте страницу плагина Remotion по адресу www.remotion.dev/docs/ai/codex-plugin и нажмите ссылку установки. Настраивать больше ничего не нужно. Плагин добавляет в Codex навыки Remotion: создание проектов, субтитры, рендер, предварительный просмотр в Studio и документацию.

Шаг 3: Один раз проверьте компьютер

Remotion включает собственные ffmpeg и безголовый Chrome — устанавливать их не нужно. Ему не хватает двух вещей: Node.js (версии 18 или новее с nodejs.org) и на Mac — Xcode Command Line Tools, которые нужны Whisper для сборки. Откройте Terminal и выполните node -v; если появилась версия, всё готово. Если не уверены насчёт Xcode, скажите Codex: «проверь, установлены ли node и Xcode command line tools, и установи недостающее», затем подтвердите запросы. Это нужно сделать только один раз.

Шаг 4: Создайте проект и добавьте видео

В Codex создайте новый проект, указав пустую папку (подойдёт Desktop/edits). Перетащите видео в окно Codex. Введите $remotion в промпте и подтвердите плагин, когда Codex его предложит. Теперь вставьте промпт ниже.

ВНИМАНИЕ: Codex запрашивает разрешение перед запуском команд на компьютере. При первом монтаже ожидайте несколько запросов «разрешить?»: клонирование Whisper, сборка, загрузка модели и установка пакетов. На них отвечайте «да». На всё, что не касается этой папки, отвечайте «нет».

Честно о первом запуске

В видео говорится о тридцати секундах. Именно столько занимает ввод промпта. Первый монтаж на новом компьютере длится от двадцати до сорока пяти минут: в основном загрузки и один рендер. Каждый следующий занимает около десяти минут, большая часть — рендер. Ниже указано, на что уходит время, чтобы вы не решили, будто всё сломалось.

Что Codex делает, пока вы ждёте: преобразует звук в формат, который читает Whisper, расшифровывает его с временными отметками для каждого слова, запускает поиск тишины по дорожке и составляет список секунд, которые нужно оставить. Затем он описывает монтаж в коде: отдельный сегмент для каждого оставляемого фрагмента, субтитры по три или четыре слова с подсветкой текущего слова, а также приближение и заголовок для каждого важного момента. После этого он выполняет рендер. Если всё хорошо, перед рендером он показывает расшифровку с помеченными вырезками — именно этого требует следующий промпт.

Подсказка Выберите модель Whisper под язык исходного ролика. Для русской речи используйте многоязычную medium; более лёгкая small подойдёт для первого теста на чистой записи. Варианты medium.en и small.en предназначены только для английского: для русского ролика их выбирать не нужно. Качество и скорость зависят от записи и компьютера. Любая модель может ошибаться в именах, брендах и аббревиатурах — для этого и нужен этап согласования.

Промпт, который срабатывает с первого раза

Однострочный запрос работает, но сначала Codex задаёт четыре вопроса: для какой платформы ролик, какова длина паузы, чем расшифровывать и что значит «анимировать». В этой версии уже есть ответы и этап согласования. Замените имя файла и текст в скобках.

Смонтируй [talking_head.mp4] как короткое вертикальное видео для [ВЫБРАННАЯ ПЛОЩАДКА].

1) Определи язык речи в исходном ролике и расшифруй его локальной многоязычной моделью Whisper medium с временными отметками для каждого слова. Сохрани язык исходной речи, не переводи её. Если Whisper не установлен, скачай whisper.cpp и многоязычную модель medium. Не используй medium.en или small.en для русской речи.

2) Вырежи все паузы длиннее 0.6 секунд и отдельные звуки-паразиты выбранного языка («ээ» или «эм» для русского, «um» или «uh» для английского), оставляя по 120 ms комнатного тона с каждой стороны каждого вырезанного фрагмента, чтобы дыхание звучало естественно. Не обрабатывай звук иначе.

3) Субтитры: по 3–4 слова на экране, никогда не оставляй экран с одним словом; жирный белый гротеск с чёрной обводкой; текущее слово подсвечено цветом [#F5A623]; блок по центру на высоте 70%, максимальная ширина 900 px.

4) Выбери 5 самых выразительных моментов (число, утверждение, шутка), разделённых минимум 10 s. Для каждого: приближение на 8% с плавным увеличением за 0.4 s и возвратом, центрированное на лице говорящего, плюс однострочный заголовок длиной менее 24 символов, появляющийся с пружинной анимацией на высоте 22% примерно на 2.5 секунды.

5) Результат: 1080x1920 при 30 fps, даже если исходник другого формата; H.264, звук AAC.

Перед рендером покажи расшифровку с отметками всех вырезок и пять заголовков простой таблицей, которую я могу отредактировать. После моего одобрения выполни рендер в outputs/[name]_edited.mp4, сообщи итоговую длительность и покажи стоп-кадр для каждого заголовка.

Зачем нужны именно такие формулировки. 120 ms комнатного тона — конкретное значение для просьбы «сохрани естественное звучание»; без числа монтаж станет пулемётным. Правило «никогда не оставляй экран с одним словом» предотвращает одинокие субтитры. Центрирование на лице говорящего важно, потому что лицо в вертикальном кадре находится высоко, а обычное приближение к центру сместит его. Стоп-кадр для каждого заголовка — этап проверки качества: Codex не смотрит видео, а только читает его.

Этап согласования

Перед рендером Codex показывает примерно такой результат. Это иллюстративный формат расшифровки: цифры и реплики относятся к демонстрационному ролику, а не к владельцу сайта.

# РАСШИФРОВКА talking_head.mp4 (160.4 s)
00:00.0 Ну так [вырезать «um»] я хочу поговорить о
00:03.1 том, о чём никто не говорит. [вырезать паузу 0.9s]
00:04.9 В первый год я потратил сорок тысяч
00:07.4 долларов и вернул одиннадцать. [вырезать паузу 1.4s]
...
# ВЫРЕЗКИ: 41 пауза (28.6 s) + 9 слов-паразитов (3.1 s)
# 160.4 s -> примерно 128.7 s
# 5 ВАЖНЫХ МОМЕНТОВ
1 00:04.9 «Вложил $40K. Вернул $11K»
2 00:31.2 «Об этом никто не говорит»
3 01:02.0 «26 месяцев. Один урок»
4 01:41.6 «Правило 3 секунд»
5 02:19.0 «Сделайте это до готовности»
Ответьте «одобряю» или отредактируйте любую строку.

Здесь можно исправить расшифровку (название вашего бренда или неверно распознанное число), заменить заголовок или вернуть паузу, которую вы хотели оставить. Скажите: «Замени заголовок 3 на „На это ушло 2 года“ и выполняй рендер» — и он сделает именно это. До вашего согласия ничего не рендерится, поэтому плохая расшифровка не превратится в плохое видео.

Проверку качества выполняете вы. Codex читает кадры и числа, но не смотрит результат. Посмотрите отправленные стоп-кадры, затем один раз просмотрите MP4 целиком на обычной скорости перед публикацией. В двухминутном ролике ожидайте вручную поправить два-пять вырезанных фрагментов, границы которых сдвинуты совсем немного. Сообщите временные отметки — и он выполнит рендер снова.

Подсказка Попросите выполнить npx remotion studio: в браузере откроется интерактивный предварительный просмотр, где можно прокрутить монтаж. Он открывается за пять секунд и позволяет заметить перекрывающиеся субтитры.

Ещё пять вариантов монтажа

Тот же проект и тот же чат. Каждый запрос — продолжение работы, а не новая настройка.

Версия на 30 секунд:

Сделай версию длиной 30 секунд только с тремя лучшими моментами, сохрани стиль субтитров и заголовков. Добавь предложение до и после каждого момента, чтобы фрагмент не начинался посреди мысли. Между ними сделай резкие склейки. Сохрани в outputs/[name]_30s.mp4.

Версия 16:9:

Сделай версию всего монтажа 1920x1080. Покажи вертикальное видео во всю высоту с размытым затемнённым дубликатом по бокам (без обрезки и увеличения). Субтитры на высоте 82%, максимальная ширина 1200 px. Заголовки на высоте 14%. Сохрани в outputs/[name]_16x9.mp4.

Приближения на склейках:

Чередуй масштаб на каждой склейке между 100% и 106%, чтобы склейки выглядели намеренными. Всё остальное оставь без изменений и снова выполни рендер.

Индикатор прогресса и нижний титр:

Добавь тонкий индикатор прогресса цвета [#F5A623] вдоль нижнего края и нижний титр с [ИМЯ] и [@HANDLE], который въезжает на 2-й секунде и исчезает на 6-й. Выполни рендер снова.

Пакетная обработка десяти роликов:

Примени этот точный стиль монтажа ко всем файлам .mp4 в source/. Те же правила, по 5 моментов на каждый ролик. Сначала одна общая таблица для согласования, затем выполни рендер всех роликов в outputs/ и перечисли итоговую длительность каждого.

Музыка: поместите аудиодорожку в папку и укажите громкость (например, «-18 dB ниже голоса, плавно убавь в последние 2 секунды»). Codex не ищет лицензированную музыку; добавьте разрешённую аудиодорожку в выбранном видеоредакторе или на площадке публикации, предварительно проверив условия использования.

Ограничения, лицензии и ошибки, которые мешают работе

Лицензия: Remotion бесплатен для частных пользователей и небольших команд (компаний численностью до трёх человек). Крупным компаниям нужна корпоративная лицензия Remotion; перед внедрением в агентстве проверьте remotion.dev/license. Шрифты Google Fonts можно использовать в коммерческих целях.

Подсказка Сделайте это сегодня: установите плагин, добавьте последний снятый ролик и вставьте промпт монтажа. Во время первого запуска сходите за кофе. Каждый следующий ролик монтируется десятиминутным запросом.