jianying-headless Skill：让 AI 接管剪映原生草稿生成与导出

Skill超级捕获手 技术创作者 2026-09-26 18 阅读

最近一周 GitHub Trending 上最让短视频团队兴奋的开源项目，可能就是这个——它直接把 AI 生成的「剪辑计划」翻译成 macOS 剪映专业版能直接打开的原生草稿，还能调用本机剪映引擎导出 MP4，把「AI 一键出片」从口号变成了本地可交付的工程文件。它就是 mcncarl/jianying-headless。

一句话总结

jianying-headless 是一个面向剪映专业版（macOS 11.5.0/11.4.2）的本地自动化工具，配套提供独立的 Agent Skill，开发者只需提交一份结构化 JSON 剪辑计划，就能让 Agent 自动生成原生可编辑的剪映草稿、调用本机剪映引擎导出 H.264/AAC MP4，无需官方 API、不依赖云端。它能在 4 天内冲上 GitHub Trending Python 榜第 5 位、本月新增超 2,100 星，正是因为它精准切中了「AI 批量生产短视频」工作流里最痛的一环：让 Agent 写出的镜头表、对白文案真的能落地为可在剪映里继续精修的工程文件。

功能与原则

核心能力围绕”剪辑计划 → 原生草稿 → 原生导出”这条主链路：

  • 生成可编辑草稿：支持视频分段、多轨组合、变速、音量、画中画、字幕与标题
  • 导入本地素材：视频、PNG、JPEG、GIF、配音、音乐、音效
  • 本地字体：新建文字或换字体，OTF/TTF 静态文件随草稿保存
  • 基础动画：位置、缩放、旋转、透明度、音量的线性关键帧
  • 原生效果：六类静态几何蒙版、叠化转场、轻微抖动
  • 编辑已有工程：在独立副本中修改，绝不覆盖原项目
  • 原生视频导出：通过本机剪映引擎将已验证快照导出为 H.264/AAC MP4

设计原则强调三点：原生优于模拟（直接走剪映工程文件，不做替代渲染）、可编辑优于一键出片（生成的草稿必须在剪映里能继续精修）、本地隔离优先（导出默认不联网、不读取账号数据）。这与当下常见的”云端剪辑 API + 模板拼装”思路形成鲜明对比。

认可度

  • GitHub Star：约 2.3k–2.4k 星（截至 2026-09-25，来源：GitGem / GitStar.space 实时统计）
  • 增速：9 月 19 日首次登上 GitHub Trending Python 榜第 22 位；9 月 20 日冲到第 17 位；9 月 21 日升至第 9 位；截至 9 月 25 日盘踞第 5 位且仍在上涨
  • Fork 数：约 1.6k–1.8k
  • 日增 Star：约 369 星/天（拾品号导航）/ 174 星/天（GitGem）—— 两个榜单口径不同，取均值约 250/天
  • Open Issues：约 10 个，活跃维护
  • Trending 经历：4 天连续登榜、位列 Python 分类前 10，是 9 月下旬”AI Agent + 多媒体”赛道最具爆发力的新项目之一
  • 微博/掘金/CSDN 等社区已有多个”AI 自动剪映”专题报道把它列为代表案例

链接

GitHub：https://github.com/mcncarl/jianying-headless

Skill 子目录：https://github.com/mcncarl/jianying-headless/tree/main/skills/yichen-jianying-edit

原作者

mcncarl（GitHub: @mcncarl）——长期运营 yichen-skills 系列的开发者，主攻”AI Agent 与多媒体工作流工程化”，已发布 yichen-web-research、agent-memory-vault、jianying-headless 等多个针对内容生产链路的开源 Skill。作者在仓库 README 中明确写明：项目原创部分采用”个人学习和非商业使用许可”，商业使用需取得书面授权，不是 MIT/Apache-2.0 整包授权。

项目介绍

jianying-headless 的出发点是回答一个问题：为什么 AI 写出来的”分镜脚本”和”口播文案”不能直接变成可在剪映里继续精修的工程？ 过去的解法要么依赖剪映官方未公开的 API，要么用 FFmpeg + 模板做”伪剪辑”，要么干脆塞一条最终成片进剪映当素材——但这些方式都让创作者失去了”在专业剪辑软件里继续调一版”的可能性。

作者给出的方案是：让 Agent 输出结构化 JSON 计划，jianying-headless 在独立副本里把它翻译成剪映原生草稿，再用本机剪映引擎导 MP4。 整个流程不需要联网、不读取账号数据、不修改官方库，并且草稿在剪映中完全可编辑——后续人工精修不会自动反向同步回原计划，刻意保留了”工程交接”的边界。

仓库还自带一个真实案例：把一个 50.23 秒的 Hypit 滚动动画教程从原始工程”交接”到剪映——结果保留了 39 份原始素材、8 条视频/图片轨道、1 条配音轨道、14 条文字轨道合计 154 个片段，并通过原生导出的 1507/1507 帧完整解码检查。

特点

  • 原生可编辑：生成的草稿在剪映里能继续精修，不是”伪出片”
  • 本地隔离导出：默认不联网、不读取账号数据，企业合规友好
  • 结构化入口：Agent 只需输出 JSON 计划即可驱动整个工作流
  • 跨平台兜底：macOS 走原生剪映引擎；Windows 走独立 FFmpeg 路径（不需要安装剪映）
  • 强校验机制：应用版本、build、官方库哈希、签名与开发者身份均有检查，未知版本直接拒绝运行
  • 真实案例验证：自带 Hypit 工程交接案例，1507 帧完整解码检查通过

使用方法

前置条件：Apple Silicon Mac（macOS 26.0+，已验证 26.5.1）、剪映专业版 11.5.0（兼容 11.4.2）、Python 3.9+、FFmpeg/ffprobe、Xcode Command Line Tools。

# 1. 克隆仓库
git clone https://github.com/mcncarl/jianying-headless.git
cd jianying-headless

# 2. 构建本机桥接工具链
python3 tools/build_native_codec.py

# 3. 环境检查（doctor）
python3 skills/yichen-jianying-edit/scripts/headless_draft.py doctor

# 4. 准备 JSON 剪辑计划（参考 examples/basic.plan.json）
# 5. 在独立副本中生成草稿
python3 skills/yichen-jianying-edit/scripts/headless_draft.py build 
  --plan /absolute/path/to/plan.json 
  --out "$PWD/work/new-build"

# 6. 验证草稿结构
python3 skills/yichen-jianying-edit/scripts/headless_draft.py verify-build 
  --build "$PWD/work/new-build"

# 7. 导出 MP4（隔离进程，默认不联网）
python3 skills/yichen-jianying-edit/scripts/headless_draft.py export 
  --build "$PWD/work/new-build" --out "$PWD/work/new-export"

publish 命令仅指”本机首页登记”，不是互联网发布。

使用场景与人群

  • AI 短视频工作流团队：让 Agent 输出的分镜真正落地为可剪辑工程，省去人工重排
  • 自媒体 / MCN 内容工厂：批量生成可继续精修的草稿，结合 Hypit 等工具做”工程交接”
  • 企业培训 / 内部课程制作：脚本化输出标准化视频模板，本地化处理数据合规
  • macOS 视频创作者：想在剪映里继续精修、又不希望完全用云端工具的人群
  • 开发者 / Agent 工程师：把剪映纳入自己的 Agent 工作流，做多模态内容自动化

目标用户：熟悉 macOS 终端、Python 基础操作、视频剪辑基础概念，且对剪映原生工程结构有兴趣的开发者与短视频工作流工程师。

输入与输出案例

案例 1：基础口播视频生成

// input: examples/basic.plan.json（简化版）
{
  "tracks": [
    {"type": "video", "clips": [
      {"src": "/Users/me/assets/intro.mp4", "start": 0, "duration": 3.0}
    ]},
    {"type": "audio", "clips": [
      {"src": "/Users/me/assets/voiceover.mp3", "start": 0, "duration": 3.0}
    ]},
    {"type": "text", "clips": [
      {"text": "今日话题：AI 自动剪辑", "start": 0.2, "duration": 2.6, "font": "PingFang SC"}
    ]}
  ]
}

输出：work/new-build/jianying_project/（剪映原生工程目录）+ work/new-export/render.mp4（H.264/AAC）。剪辑师打开剪映可继续精修字幕位置、调整转场时长。

案例 2：Hypit 工程交接

输入：Hypit 原始工程（约 50.23 秒，39 份原始素材，含画面/配音/文字时间安排），按 examples/hypit-handoff.plan.json 格式填写。

输出：剪映原生工程——8 条视频/图片轨道共 38 片段、1 条配音轨道 7 片段、14 条文字轨道 109 片段，合计 23 条轨道 / 154 片段，并通过原生导出的 1507/1507 帧完整解码检查。

⚠️ 当前转换是单向按项目实现，不提供任意 Hypit 工程一键无损转换或双向同步；特殊字体、逐词颜色动画、部分裁切与阴影未原样保留。完整主观视听验收尚需在剪映里人工复核。

写在最后

jianying-headless 不是”又一个 FFmpeg 脚本包装”，它是目前少有的把 AI Agent 剪辑计划、剪映原生工程结构、本机引擎导出三件事工程化串联起来的开源项目。对正在搭建”AI 短视频生产链路”的团队来说，它是值得放进 PoC 清单的候选；对 macOS 视频开发者来说，它也是少有的能拿来读懂”剪映工程文件到底长什么样”的可运行参考实现。

GitHub: https://github.com/mcncarl/jianying-headless

评论区

0 条评论

登录后可评论。

Skill超级捕获手 18 阅读