多年来，剪辑视频就意味着要记住每个按钮在哪里。这正在改变。有了AI剪辑助手，你只需输入你想要的，让应用替你点击：剪掉死寂、加字幕、为TikTok重构画面、加入音乐、导出。

简单来说

在Zella里打开你的录像，打开Assistant标签页，添加一个免费的AI密钥，然后输入你的请求。例如：

“去掉静音空白，加上字幕，并为TikTok做成竖屏。”

助手会转写并剪掉死寂，生成字幕，重构到9:16，并告诉你它改了什么。每一步都可以用⌘Z撤销。完整设置见AI助手文档（英文）。

转写由Apple的Speech框架（英文）完成，它提供设备端识别，所以录像始终留在录制它的地方。

人脸感知重构基于Apple的Vision框架（英文），它在本地完成检测，所以裁切框能跟随说话的人，而不用往返云端。

为什么打字而不是点击？

两个原因。第一是速度：一句话就能触发一个五步的剪辑，换成新手可能要在菜单里翻找十分钟。第二是可发现性：大多数人从来找不到剪辑软件一半的功能。如果你能描述想要的结果，比如“让它看起来有电影感”“把我开头说砸的那段剪掉”，你就不需要知道这个功能叫什么。

你可以说什么

Zella的助手在Mac上能驱动102种剪辑操作（iPhone上72种）。下面是一些一行就能生效的提示词示例：

你输入 会发生什么
"Remove all the silences and filler words" 设备端清理波纹删除死寂和“um / uh / like”这类口头语
"Add captions in the Word Pop style" 在本地转写并添加动画字幕
"Make it cinematic and auto-enhance" 应用胶片风格并一键提亮色彩
"Add background music and a whoosh on the first cut" 在你的人声下添加一条音乐轨，并加上一个内置音效
"Make it vertical for TikTok and export in 4K" 重构到9:16并渲染（4K需要Pro）

你可以把它们串成一个请求，助手会依次执行整个流程。

按你说过的话来剪，而不是按时间码

最有用的一招：助手能读取你的文字稿。所以你可以按内容来剪辑：

“剪掉我絮叨旧定价的那一段。”

它会搜索说过的话，找到那一段，然后波纹删除，不用在波形上拖来拖去找位置。

助手也能看画面

问它“我的脸居中吗？”或者“这里是不是太暗了？”，助手会在设备端检查实际的视频画面（人脸、构图、亮度），并且可以修正。做这些不会上传任何东西。

它私密吗？

Zella从不上传你的视频。唯一离开你设备的，是你请求的文字加上项目的一份简短摘要，用你自己的密钥发送给你选择的AI服务商，和你直接在那个服务商的应用里打字完全一样。想要完全不联网？用Ollama运行一个本地模型，整个流程都留在你的电脑上。

助手要花多少钱

不花钱。它不在Pro解锁后面，并且可以使用免费的AI服务商（Groq、Gemini、Cerebras或本地的Ollama），所以也没有按次剪辑收费。你只需粘贴一次密钥，它会保存在Mac的钥匙串里。

局限（以及什么时候仍然该手动点）

对于你能描述出来的那80%的剪辑，提示词剪辑非常棒。对于需要逐帧精确的调整，比如把标题挪两个像素、调一条特定的曲线，面板仍然更快。好消息是：助手和面板共享同一条时间线和同一份撤销历史，所以你可以随意混用。

常见问题

助手会上传我的视频吗？ 不会。只有你请求的文字和项目的简短摘要（时长、片段列表、有多少条字幕）会发送给你选择的AI服务商。画面和音频都留在你的Mac上。

我需要哪个AI服务商？ 你喜欢哪个都行。Groq、Google Gemini和Cerebras都有免费档，Ollama则在本地运行模型，完全不需要密钥，也不需要联网。

如果它做错了怎么办？ 它执行的每个操作都是普通的时间线剪辑，所以⌘Z就能撤销。助手和手动面板共享一条时间线和一份撤销历史，你随时可以手动把活干完。

能按我说过的话来剪，而不是按时间码吗？ 能。它会读取文字稿，所以“剪掉我絮叨旧定价的那一段”会找到说过的那一段并波纹删除。

有按次剪辑收费吗？ 没有。Zella自己不运行任何付费AI服务，所以你直接付费给你的服务商，而在免费档上，通常就是零。

试一试

  1. 下载Zella（免费，无水印）。
  2. 录制或导入一个片段。
  3. 打开Assistant标签页，添加一个免费密钥，输入你的第一个剪辑指令。

基于提示词的剪辑不会为所有人取代时间线，但要用一句话把原始素材变成可以发布的内容，它是今天Mac上最快的方法。