GPT-6 Astra通过MCP全自动剪辑75分钟素材实测：效果与真实成本

一场颠覆剪辑行业的实验

视频剪辑一直是内容创作中最耗时的环节之一。从转录、粗剪、调色到响度平衡，一个训练有素的剪辑师往往需要花费数小时才能完成。而资深音频与视频创作者 Mike（Creator Magic 频道）最近做了一次大胆的实测：让 GPT-6 Astra 通过 MCP（Model Context Protocol）协议接管达芬奇 21.1，从零开始全自动剪辑一段 75 分钟的原始素材。

这次实验的触发点来自多个信号的叠加：Higgsfield 声称一切都可以在无限自主画布上用 GPT-6 Astra 剪辑，Blackmagic 刚发布达芬奇 21.1 并引入 AI 助手集成，而 OpenAI 官方也确认第一方 MCP 服务器已经登陆达芬奇。这意味着 AI 智能体第一次可以"原生"操作专业级剪辑软件，不再依赖缓慢卡顿的光标模拟控制。

MCP 连接达芬奇：几乎零配置的自动握手

实验的第一步是让 Astra 自己找到并连接 MCP 服务器。Mike 明确要求："我要通过 MCP 链接完成这一切，不要计算机操作，不要光标控制。"

整个连接过程出乎意料地顺畅。Astra 检查了本地环境，发现达芬奇 21.1 安装包中已包含 Blackmagic 原生的 Resolve MCP，随即完成握手并向 Codex 注册。MCP 报告 Resolve 正在运行且可访问——一切自动完成。

这一点的意义不容忽视。过去用 AI 智能体操作剪辑软件，多依赖光标模拟，速度慢且不稳定。而 MCP 作为第一方原生接口，让 AI 可以直接调用软件功能，把"AI 控制专业软件"从演示级别推向了实用级别。

从转录到粗剪：AI 展现完整剪辑工作流

连接成功后，Mike 给出了第一个相对复杂的提示词：将主视频（4K 60fps 的人脸录像）和屏幕共享（5K 录制）分别插入不同轨道，并仅使用达芬奇 MCP 完成粗剪。

Astra 展现出了成熟剪辑师的工作逻辑。它首先做的不是动手剪辑，而是转录——这是任何优秀 AI 剪辑流程的前置步骤。不过这里暴露了第一个短板：达芬奇内置转录花了近 6 分钟，而 Mike 现有工作流中的 Assembly AI 只需 20 秒。速度差距明显，但好处在于这一切都包含在达芬奇 Studio 订阅内，几乎零额外成本。

转录完成后，Astra 基于内容开始决策：切除失败的拍摄、移除长时间等待、在需要提高可读性时切入屏幕共享镜头、标记出缺失的插入片段。最终它将 75 分钟素材压缩到约 22 分钟。Mike 特别提到，他此前用现有智能体流程手动剪辑同一视频时，成品也恰好约 22 分钟——这是一个极有说服力的验证。

更让人惊喜的是一些"主动"操作：Astra 自发在音频轨道上添加了音频闪避（audio ducking），让转场变得顺滑无比。作为有强迫症的资深剪辑师，Mike 表示这个处理"我甚至不想去动它"。此外，它还全程添加了章节标记，并保持了全部 96 个片段的音视频链接对齐。

精修、调色与渲染：端到端的完整闭环

粗剪之后，Mike 继续测试更精细的能力。

局部修剪

他要求 Astra 只修复 1:20 处的一段长沉默。Astra 检查轨道对齐后，精确移除了 1.67 秒并保持其他轨道同步。结果正确，但耗时近两分钟——Mike 直言"花两分钟做一个两秒的修剪是不可接受的"，因为人工用 Shift+Delete 只需一秒。这清晰地划出了人机协作的边界：粗剪和高层决策适合 AI，微调这类瞬时操作人类仍然更快。

叠加层与字幕制作

在没有任何风格指南的情况下，Astra 自行设计并插入了一个五秒的下三分之一字幕，白色姓名文本配青色点缀，还加了淡入淡出动画。

调色与响度标准化

Mike 要求 Astra 像世界级专家一样调色，并确保响度符合 YouTube 上传标准。Astra 提升了肤色质感、保留了工作室紫色灯光，并将响度处理到 -14.69 LUFS、峰值 -1.04dB——Mike 确认"这是绝对正确的"。不过调色的视觉变化并不明显，这一环节耗时超过 12 分钟。

自动渲染输出

最后，Astra 用自己创建的 "Creator Magic YouTube 4K Review" 预设，通过 MCP 将成片渲染并保存到指定文件夹，完成了从素材导入到成品输出的完整闭环。

演示背后的真实时间成本

Mike 特别做了诚实说明，这也是这篇实测中最有参考价值的部分。社交媒体上的炫酷演示往往被剪成几秒或几分钟，让人以为瞬间完成。但真实情况是：整个流程 Mike 花了将近一个小时。转录耗时、Token 消耗、上下文自动压缩，都是隐藏成本。

视频剪辑"非常消耗 Token"，实验中途上下文就触发了自动压缩，等待了约四分钟。这提醒我们，当前 AI 自动剪辑距离"即时全自动"仍有距离，速度和成本是绕不开的现实门槛。

护城河在哪里：不是软件，而是智能体编排能力

Mike 的核心观点颇具洞见：真正的价值不在于"用哪款软件做剪辑"，也不在于目视检查的便利性，而在于你如何用 AI 智能体自动化整个流程、创建怎样的技能、如何指挥你的代理。

他一直在寻找"视频剪辑界的 Linux"——不被锁定、拥有完全自由和主权的工作流。目前他用 Fable 5.1 上的 Claude Code 做自动化，也在关注 Diffusion Studio、Chatcut 等去除臃肿的开源方案。而 Blackmagic 通过提供第一方达芬奇 MCP，无疑向 Adobe Premiere 等竞品发出了挑战。Mike 也明确呼吁 Adobe 开放选择 Codex 或 Claude 订阅来编辑视频的能力。

我们离"按下停止就完事"还有多远

这次实测证明了一件事：AI 智能体已经能够端到端地在专业剪辑软件中完成粗剪、字幕、调色、响度和渲染，且质量达到"可直接发布"的水平。对于一位教了近 20 年音频剪辑的老兵来说，这足以让他感叹"也许我们真的见证了通用人工智能的雏形"。

但"完成"与"完美"之间仍有差距：速度慢、Token 消耗大、微调不够快、缺乏 B-Roll 自动插入。Mike 心中的理想终局是——创作者只负责按下录制和停止，剩下的编辑与发布全部由 AI 代理接管。这一天或许不远，但在当下，人机协作仍是最务实的答案。