核心用法
OpenClaw 是一套以 ffmpeg 为核心引擎的高级 AI 视频制作技能，面向专业级视频生产环境。其核心能力围绕五大工作流展开：
1. 智能场景检测：通过 select='gt(scene,0.4)' 自动分析长素材，提取高光片段或构建 B-roll 素材库；
2. 专业调色系统：支持 HaldCLUT 电影级 LUT 映射、曲线调整与跨素材色彩匹配，确保视觉叙事统一性；
3. 社交媒体自动构图：基于 cropdetect 的黑边检测与智能裁切，一键输出 9:16 竖屏或 1:1 方格格式，适配多平台分发；
4. 广播级音频工程：内置侧链压缩（sidechaingate）、闪避（ducking）与响度归一化（loudnorm），实现人声与背景音乐的动态平衡；
5. 视觉特效合成：专业绿幕抠像（colorkey 带溢色抑制）、动态运动模糊叠加，支持多层级画面合成。
此外，技能深度整合平台 AI 能力，包括 video_generate/video_refine 生成式素材、transcribe 智能字幕与 say 神经语音合成，形成从创意到交付的完整闭环。
显著优点
- 工业级工具链：基于 ffmpeg/ffprobe 的成熟生态，命令经生产验证，输出质量可达广播交付标准（
-crf 18）； - AI 原生架构：并非简单调用 ffmpeg，而是将生成式 AI（视频/图像/音乐/音效）与传统后期流程无缝融合；
- 多平台适配：一键生成横屏、竖屏、方格多版本，解决社交媒体运营的格式痛点；
- 设计思维嵌入：内置 "3秒法则"、"隐形剪辑"、"无障碍设计" 等专业制片理念，降低用户决策成本。
潜在缺点与局限性
- 技术门槛较高：直接使用 ffmpeg filtergraph 语法，非技术用户需理解复杂参数（如
sidechaingate=level_in=64:mode=darken）； - 依赖外部 AI：
video_generate、transcribe等能力依赖平台外部服务，离线环境或 API 波动时可用性受限； - 性能敏感：高分辨率素材的多轨合成、运动模糊等操作计算密集，长视频处理可能耗时；
- 无 GUI 交互：纯命令行/脚本驱动，缺乏可视化预览，参数调试需反复渲染验证。
适合人群
- 独立视频制作人/YouTuber：需要高效产出多平台版本内容；
- 社交媒体运营团队：批量处理竖屏短视频，追求统一的视觉调性；
- 播客/知识付费创作者：利用侧链闪避与 AI 字幕提升音频专业度与无障碍体验；
- 技术型剪辑师：希望自动化重复流程（场景分割、格式转换），聚焦创意决策。
常规风险
- 版权与授权：AI 生成内容（音乐、图像、视频片段）需确认平台服务条款与商用授权范围；
- 数据隐私：上传至云端 AI 服务（
upload、transcribe）的素材可能涉及敏感信息，需评估合规性； - 输出质量控制：自动裁切（
cropdetect）可能误切有效画面，关键项目建议人工复核； - 音频响度标准：不同平台（YouTube vs. TikTok）的响度规范（-14 LUFS vs. -16 LUFS）需额外适配，技能未内置平台特定预设。