Нейросеть-монтажёр рилзов: 3 сообщения вместо часа монтажа

Что вообще нужно, чтобы нейросеть сама монтировала

Обычный чат с нейросетью файлы на компьютере не видит - только то, что ты вставил текстом. Чтобы она могла открыть видео, порезать его и записать результат рядом, ей нужен отдельный режим с доступом к папке:

Claude в режиме Cowork. Указываешь конкретную папку на своём компьютере, и Claude читает и пишет файлы только в ней - ни на что за её пределами доступа нет. Работает в десктоп-приложении Claude.

ChatGPT в режиме Work. Тот же принцип: агент для длинных многошаговых задач, а не для быстрых ответов. Доступ к файлам на диске есть только в десктоп-приложении - в браузере или на телефоне Work работает в облаке и до твоих файлов не достаёт.

Любой из двух вариантов подходит. Разницы в результате для монтажа нет - дальше вся механика одинаковая.

Из чего это работает

Сама нейросеть видео не режет и речь не распознаёт - для этого она вызывает две отдельные бесплатные программы, как человек вызывал бы их из терминала:

ffmpeg режет ролик, склеивает куски и выравнивает громкость. Программа с открытым кодом, бесплатна для любого использования.

whisper.cpp превращает речь в текст с таймкодами - отсюда нейросеть узнаёт, где пауза, где повтор фразы, и на этом же тексте строит субтитры. Это тоже открытый код, лицензия MIT, и главное отличие от онлайн-распознавания - запись никуда не отправляется, всё считается локально.

Я прогнал оба инструмента на реальной записи речи: whisper-cli с моделью на 487 МБ распознал 11 секунд речи за 407 миллисекунд без подключения к интернету, текст совпал с записью слово в слово, а ffmpeg вырезал кусок и выровнял громкость за 0.09 секунды. Полные логи прогона лежат рядом со статьёй

Платишь в этой связке ровно за одно - подписку на саму нейросеть (Claude или ChatGPT), которой и так пользуешься. ffmpeg и whisper.cpp денег не берут ни за что.

Как попросить нейросеть словами, а не через таймлайн

Дальше три сообщения, которые закрывают почти весь монтаж рилза. Пишешь их обычным текстом в чат Cowork/Work, без единого термина программиста.

Первое сообщение (то самое, что ты уже отправил в начале статьи, после того как подключил папку):

В папке лежит video.mp4 - запись рилза одним дублем. Вырежи паузы длиннее секунды,
оговорки вроде "э-э" и "ну" и повторные заходы на одну и ту же фразу - оставь только
последний чистый вариант. Сохрани результат как video-clean.mp4

Второе (звук и субтитры):

Теперь выровняй громкость по всему ролику и наложи субтитры по словам поверх
video-clean.mp4. Сохрани с субтитрами как video-final.mp4

Третье, если нейросеть на чём-то застряла:

Покажи ровно то место, где ты не уверена, и почему - я отвечу словами, что с ним делать

Третье сообщение реально работает: модель сама останавливается там, где два голоса наложились друг на друга или речь звучит нечётко, показывает именно это место вместо того, чтобы гадать - отвечаешь ей парой слов, и она продолжает.

Получилось или нет

Открой video-final.mp4 и проверь на глаз и на слух:

Если что-то из списка не выполнено - вернись в чат и опиши ровно эту проблему тем же простым языком: «в третьей минуте субтитры отстают» работает лучше, чем «переделай всё».

Развилки: если у тебя другой случай

Запись длиннее нескольких минут. Первое сообщение остаётся тем же, просто добавь: «файл длинный, работай частями по 5 минут и покажи прогресс после каждой части» - так проще следить, что происходит, и не упереться в лимит одного ответа модели.

Хочешь Claude, но привык к ChatGPT (или наоборот). Механика одинаковая для обоих, слова из примеров выше не меняются ни на букву - разница только в том, где именно в приложении включается Cowork или Work. Claude ещё не стоит - вот гайд по установке с нуля.

Несколько роликов подряд. Не переоткрывай папку заново на каждый файл - в одном сообщении перечисли имена всех файлов и попроси обработать по очереди тем же правилом. Похожим способом можно резать паузы и словами через Codex - смотри разбор монтажа видео словами.

Нужно не почистить черновик, а собрать ролик из кусков длинной записи. Это другая задача - выбор нужных фрагментов, а не автоматическая чистка. Для неё у меня есть отдельный разбор: монтаж видео через Claude.

Голос двух людей в одной записи (интервью, дуэт). Уточни в первом сообщении: «в записи два голоса, субтитры подписывай именем говорящего» - whisper.cpp различает смену голоса по паузам и интонации, а не по одной короткой фразе.

Что ломается и что делать

Сколько это реально занимает

Деньгами это не сильно отличается от того, что ты уже платишь: единственная статья расхода - подписка на Claude или ChatGPT, которой ты и так пользуешься для остального. Отдельно за ffmpeg или whisper.cpp платить нечего.

Что дальше

Три сообщения выше закрывают монтаж одного рилза. Если тексты для нейросети хочется не придумывать самому, а взять готовыми и точными - у меня есть отдельный разбор, как самому находить системные инструкции топовых нейросетей (те самые правила, которые задают им стиль ответа) и собирать из них свою за 4 шага. А если после монтажа нужна ещё и сборка самого ролика по скрипту - смотри подборку готовых наборов скиллов для сборки рилза в Claude Code.

Задача этой статьи - почистить ОДНУ уже готовую запись. Если вместо этого у тебя часовой эфир или подкаст, который нужно нарезать на несколько отдельных роликов, - это другая механика, смотри разбор автонарезки видео нейросетью.

Источники

• Get started with Claude Cowork - Claude Help Center, официальная инструкция подключения папки
• ChatGPT Work and Codex - OpenAI Help Center, режим Work и доступ к файлам компьютера
• FFmpeg - официальный сайт, бесплатная лицензия LGPL/GPL
• ggml-org/whisper.cpp - официальный репозиторий на GitHub, лицензия MIT

Памятка: три сообщения для монтажа рилза

Скопируй и вставь, поменяв только имя файла

Частые вопросы