https://github.com/jimliu/baocut
最近看到一个挺实用的 Skill：BaoCut。它把 macOS 上的 BaoCut 视频工具接入 Claude Code、Codex 等 AI Agent，让我们可以直接用自然语言完成转写、字幕、翻译和口播剪辑。
以前让 AI 处理视频，常见做法是先手工导出音频，再转文字，把字幕拿去翻译，最后回到剪辑软件里一段段调整。BaoCut 想做的是把这些步骤串起来。你可以直接告诉 Agent：“把这个视频转写成文字，润色字幕，再翻译成中文。”Agent 会调用 BaoCut 的命令行工具，依次完成转写、润色、翻译、字幕对齐和导出。
它支持的不只是生成一份 SRT。BaoCut 可以识别和复核说话人，修改字幕文本与断句，处理专业术语，导出 SRT、VTT、ASS、Markdown 或成片。对于单人出镜的口播视频，还能检测停顿、口头禅和重录片段，做可撤销的粗剪，并添加 B-roll 素材。
BaoCut Skill 有意思的地方，让 Agent 真正参与视频工作流。CLI 负责管理项目、时间轴和任务状态，需要语言模型判断的步骤则交给 Agent worker。BaoCut 的命令行本身不直接调用 LLM API，模型能力来自当前使用的 Codex、Claude Code 或其他 Agent。
整个流程也不是“跑完命令就算成功”。Skill 里专门设计了质量检查和恢复步骤。转写、翻译和字幕对齐完成后，可以检查术语、时间轴、翻译覆盖率、字幕长度和阅读速度；发现问题时只修对应部分，避免整条流水线重新跑一遍。口播剪辑还保留了人工确认粗剪的环节，不会一上来就替用户删掉所有停顿。
对经常处理会议录像、访谈、课程和口播视频的人来说，这种方式比单独找一个“字幕生成工具”更完整，尤其是视频量多的时候，能够直接说出目标，让 Agent 自动调用命令、等待任务、检查结果并导出文件，会少很多来回切换软件的操作。
不过它目前有几个明确限制。BaoCut 只支持 macOS，而且必须另外安装 BaoCut App，这个开源 Skill 只是负责驱动 App 内置的 CLI，并不包含转写和剪辑引擎。它适合字幕、访谈和单机位口播，不适合复杂动效、音乐制作、多机位剪辑、生成视频或任意多轨合成。
如果手上正好有一台 Mac，又经常用 Codex 或 Claude Code 处理视频，BaoCut 值得试试。它把“转写—修字幕—翻译—粗剪—导出”从几个零散工具，变成了一条可以直接交给 Agent 推进的流程。
