Oil Studio 的产品思路与日常使用方式:在 Mac 上录口播演示,并接入 AI Agent 精剪与自动录屏

0 阅读12分钟

我做自媒体快一年了,视频形式一直很固定:一个摄像头拍我说话,加上电脑屏幕上的实操录像。之前大半年的时间里,我一直用的是 Screen Studio,评论区也经常有同学问鼠标点击放大的效果是用什么录的。

用久了之后,Screen Studio 有几个问题让我觉得挺难受的。

一是工程文件太大,一条二三十分钟的视频,工程动辄占掉五到八个 G;二是导出慢,长一点的视频经常要等十几二十分钟,导出时电脑还会发卡;三是录完一个工程就没法再往里补录一段,时间轴上的片段也不能拖动换顺序;再加上它的中文字幕识别不太准,每次录完我都得把视频导出来,再去别的剪辑软件里处理字幕、调人声、加马赛克。

后来它也改成了订阅制,我就干脆自己从 0 到 1 写了一个 Mac 上的录屏剪辑工具,叫 Oil Studio。

因为音视频剪辑工具工程上比较复杂,第一版写完之后我没有马上发,先自己拿它录了二三十期日常视频,边用边改。上线之后收到真实用户的反馈,像人像背景虚化、加马赛克、贴图、3D 虚拟头像这些确实用得上的功能,又陆续补了上去。这篇文章主要聊聊我做这个工具时的几个产品想法,以及平时录视频是怎么用它的。

Oil Studio 真实长视频工程编辑界面,包含预览画布、多轨时间轴与右侧画面面板

只做口播录屏,不用跨端套壳二开

刚发视频介绍 Oil Studio 的时候,网上有些评论猜我是不是找了个现成的开源录屏项目改的。其实这个软件是我用苹果原生框架从头写的,没有去二开。

很多开源桌面项目用的是 Electron 这类跨端框架,做视频剪辑很容易遇到性能上限。视频工具本身很吃性能,哪怕做原生应用不好好优化都会卡。比如一个十来分钟的工程里有好几条轨道,你拉框选中一段快速删掉、撤回,或者跳到下一个剪辑点播放时声音能不能马上出来,我自己每天高频录视频,对这些停顿很敏感,所以一开始就决定做原生应用。

在功能边界上我也定得很清楚:不去做成剪映那种什么特效都有的综合剪辑软件,只针对「屏幕演示 + 口播讲解」这一种场景,尽量让大家在这个软件里录完就能直接出片,不用再去别的工具里过一道。

做完之后我自己感受最明显的有两点:一个是工程文件平均比以前在 Screen Studio 里小了 4 到 5 倍,二三十分钟、剪辑点比较多的工程一般也就 1.3 GB 到 2 GB 左右,省了不少硬盘空间;另一个是导出速度体感快了 5 到 6 倍,后台导出的时候电脑也不会那么卡。

产品设计上的四个考虑

1. 摄像头自动避让与虚拟头像

录带摄像头的演示视频,有一个很常见的遮挡问题:很多网页的交互按钮在右上角,而 AI Agent 的聊天输入框又在底部,摄像头不管放哪边,总会有挡住操作的时候。

因为屏幕画面、鼠标轨迹、声音和摄像头在录制时是独立分轨保存的,很多设置不需要在开录前一次定死,录完进编辑页随时都能改:

Oil Studio 右侧摄像头面板,支持九宫格位置、缩放联动缩小、避开点击位置与不说话隐藏

针对人像出镜,我加了几个自己每天在用的细节:

首先是避开点击位置与不说话时隐藏。打开之后,只要鼠标移到摄像头遮挡的角落去点击,人像就会自动临时淡出,点完再恢复;停顿不说话的时候也可以自动隐藏让出画面,镜头放大局部细节时人像还会按比例缩小。

其次是人脸居中、背景虚化与基础美颜。每次录视频坐姿难免有一点偏,开一下「人脸居中」就能自动裁切调正;有时候家里背景比较乱,或者灯光不好、人看着比较憔悴,可以直接在面板里开背景虚化、人像抠像,或者加一点磨皮和提亮。

另外,有些朋友录演示想保留出镜的交流感,但不想露真脸,我最近也在软件里内置了 21 款实时 3D 虚拟头像(20 个人像角色加 1 只小浣熊):

Oil Studio「用头像出镜」面板与内置的 20 个原创 3D 人像角色总览

开启「用头像出镜」后,它会保留你真实的肩膀和手势动作,趁你轻微活动露出一点身后画面时记住墙面背景,实时把真头擦掉换成同步转头、眨眼和对口型的 3D 头像。刚启动加载或者中途离开座位时,画面会显示深灰色占位图,避免意外闪出真脸。

2. 补录拼接、逐字剪字幕与打码

以前用传统录屏工具还有一个挺难受的地方,就是工程录完之后不能合并新片段,画面轴也只能裁长短、不能调顺序。有时候录完二十分钟发现漏讲了一段,非常麻烦。

在 Oil Studio 里,点一下编辑页右上角删除图标旁边的圆点按钮,就能接着录一段。录完自动拼在工程末尾,你可以直接在时间轴上把它拖到最前面或者中间任意位置;如果一整段录得不好,也可以在时间轴上拉框多选直接删掉,不满意再撤回。

Oil Studio 字幕与时间轴同步面板,支持搜索、章节、AI 配音以及逐字框选连同画面剪除

字幕我也做成了和时间轴绑定的形式。你可以先填好自己的常用术语表(减少识别错模型名或英文缩写),支持本机离线识别,也可以配置自己的阿里云百炼或 OpenAI 接口(我自己平时用百炼比较多),面板里还支持生成 AI 配音和划分视频章节。

生成字幕之后,在时间轴删掉一段视频,对应那几秒的字幕会自动跟着切齐;反过来在右侧字幕列表里框选说错的几个字删掉,对应的画面和声音也会一起剪掉,不用上下两条轴剪两遍。

至于马赛克和贴图,最早第一版为了保持精简我是没做的。后来自己录视频遇到过不小心露出密钥,或者露出其他平台图标被判限流的情况,觉得打码和中途贴张补充素材图确实很有必要,就补了上去。打码勾上「自动匹配时长」后,会一直遮到那块画面内容变化为止,能救回不少本来得重录的素材。

3. 本地去停顿与外部 AI Agent 分工

现在很多软件做 AI 剪辑,都是在应用里接云端大模型,然后再按月收订阅费或者卖积分。

我当时的想法是:会录这种技术或产品演示视频的用户,电脑里大多已经装着付费的编程类 AI Agent 了,实在没必要在录屏工具里再交第二份 AI 的钱。

所以我把剪辑分成了两块。如果一条口播整体录得比较顺,没有太多重复念稿的问题,直接点时间轴上方的**「去除停顿」**就够了。可以自己调超过多少毫秒算停顿、保留多少气口,几十秒就能把操作间隙的空白收紧。

如果录了一条二三十分钟的长视频,里面有很多重复表达、口误和重录的废片,我就通过内置的本地命令行 oilstudio 和开源的 oil-studio-skill,交给你自己电脑里的 AI Agent 去剪。编辑器右侧专门做了一个 AI 面板来串起这个流程:

Oil Studio 右侧 AI 面板,支持一键连同工程信息复制剪口误、校对字幕、分章节、录演示等任务

为了不让外部 AI 改坏工程或泄露隐私,底层做了三层保护:

一是原始录屏保存在只读区,而且工具提供给 AI Agent 看的是不带摄像头的原始屏幕画面,免得角落人像挡住按钮;如果你在画面上打了马赛克,AI Agent 看到的同样是遮住之后的画面。

二是 AI Agent 可以读取字幕和音频波形,也能改右侧工具栏的配置、校对字幕、划分章节或调用导出。

三是除非你主动打开「AI 的修改直接生效」,否则它剪完之后不会直接覆盖你的工程,而是作为剪辑方案提案发回界面,你预览确认后再接受应用,不满意随时可以撤回。

4. 让 AI 先彩排再自动录演示

打通命令行和 Skill 之后,除了剪视频,还可以让 AI Agent 自己操作电脑或浏览器,帮你把产品演示视频录出来。像团队做了新功能想发给同事看怎么用,或者写文档缺一段功能演示、做视频缺一段 B-roll 空镜,都可以让它去录。

不过这件事光靠系统自带录屏加普通自动化脚本其实录不好。因为 AI Agent 点按钮是拿到坐标直接触发,没有人类移鼠标的轨迹;打字也是啪一下整串塞进去;而且它每走一步都要思考,中间会停顿等半天,遇到在两个按钮之间来回点,自动放大镜头还会一直弹来弹去。

为了录出来自然,我在流程里加了一步先彩排:AI Agent 在正式开录前会先去页面上探一遍路,确认要点的元素都在,把窗口准备好后再开录(操作网页时使用干净的独立窗口,不把自动化控制条录进去)。

录制的时候,软件会根据点击位置合成平滑的鼠标移动轨迹和逐字输入的效果;录完自动剪掉等待空档、合并相近的放大区域。而且录完保留的是完整的 .oilstudio 工程,你随时能打开改光标样式或放大倍率。

我平时的三种使用方式

从官网下载(或者用 brew install --cask oil-oil/tap/oil-studio 安装)开好权限就能开录。下面是我自己日常用得最多的三种方式。

1. 日常短口播快速出片

我自己平时录得最多的是**「框选区域」**模式,把选区调小一点,不露出桌面旁边无关的东西。

右侧画面面板里我一般挑一张壁纸垫底,把四周留白拉小让屏幕内容显示得更充分,圆角调在中间档,剪辑点选「淡化」过渡;声音面板默认开着「人声增强」。背景音乐虽然内置了几首纯音乐,但我平时一般都关着,觉得自己的说话风格本来就挺催眠了,再配音乐大家该睡着了。把这套参数存成默认预设之后,每次新录都不用重调。

录完先点时间轴上方的「去除停顿」,再生成字幕,把偶尔说错的几个字在字幕列表里框选删掉,就可以导出了。因为我基本是日更,视频多、希望能快点导完,平时导出最常用 4K 60fps 加「极小」画质档并打开压缩体积(支持的芯片上也可以选体积更小的 AV1 编码),一条 5 分钟的 4K 视频大概只要 200 多 MB,以前用别的工具导出来往往要 800 多 MB。

2. 长视频交给 AI Agent 精剪

我现在剪二三十分钟的长视频基本都交给 AI Agent。录完之后打开编辑页右侧的「AI」面板,可以直接点里面的「剪口误」「分章节」快捷格子(会连同当前工程信息一起复制),粘贴给你的 AI Agent 并补充具体要求:

这条视频比较长,请使用 oil-studio 帮我认真剪一遍:把我重复的观点描述和口误精简掉,多检查两轮,同时理顺关键点击位置的放大效果并划分章节,提交剪辑方案给我确认。

等它处理完,回到 Oil Studio 界面跳着听几处衔接的地方,没问题确认应用就行。如果你手里有以前用普通软件录好的现成 MP4 视频,也可以直接发给 AI Agent 让它转成 Oil Studio 工程来剪。

3. 让 AI Agent 自动录产品演示

想让具备电脑或浏览器操作能力的 AI Agent 自己去录一段网站或软件演示时,在对话框里点名使用 oil-studio 并说清楚要演示哪些动作就行:

请使用 oil-studio 帮我单独录一段 http://localhost:3000 网站的演示视频:依次点开首页、「工作原理」和「安装指南」滚动展示,演示切换手机和电脑端视图,录完剪掉页面跳转等待并加上放大效果。

录完之后工程会留在列表里。比如之前我让它录过一段操作编程工具的演示,录完觉得默认字有点小,就自己打开工程把光标换成小手、把那一段的放大倍率手动调到 2 倍,再导出放进视频里当演示片段。

总结

这是我第一次独立写这么重的一个桌面端音视频工具。因为我自己每天录视频都要用它,所以比起堆概念,我更在意工程文件别占满硬盘、剪辑回放别卡顿、录漏了能补救,以及能把手头现成的 AI Agent 利用起来省掉反复听长口播的时间。

目前软件支持搭载 Apple 芯片的 Mac(Windows 版本还在开发中,等我自己拿真实视频测稳了再发);录制、自动运镜、虚拟头像、字幕剪辑和 AI Agent 联动在导出之前都是免费开放的。如果你平时也录这类实操口播或产品演示,可以去 studio.oiloil.org 下载试试,遇到什么问题也欢迎随时反馈给我。