Skill 说明
WeVisCut 是什么
WeVisCut 是腾讯微信视觉开源的长视频自动剪辑 Agent。输入旁白或知识类脚本,它自动完成分镜、配音、素材检索、合成与质检修复,直接输出数分钟成片。
核心是一个 9B 小模型策略,借助共享生产状态的运行时,把整条制作链路管起来。与 Claude Opus 5 表现相当,生成 token 节省约 33 倍。
| 指标 | WeVisCut | Crayotter |
|---|---|---|
| Overall 得分(100 任务) | 90.5 | 84.9 |
| 脚本保真 SCF | 88.4 | 81.6 |
| 墙钟速度 | 2.1 分钟/输出分钟 | 8.6 分钟/输出分钟 |
| 成本 | $0.09/输出分钟 | $0.97/输出分钟 |
| 人工盲评 | 4.56 | 3.48 |
WeVisCut 怎么安装
- 从 GitHub 克隆仓库
github.com/Tencent/WeVisCut。 - 按仓库说明安装 Studio 运行时及依赖。
- 从 HuggingFace 拉取
tencent/WeVisCut的 9B 权重。 - 运行启动脚本加载策略与工具注册表,打开 Studio 网页界面。
WeVisCut 怎么使用
- 输入脚本:在界面粘贴或上传旁白/知识类长文脚本。
- 观察制作:Agent 自动分章、分镜、配音、检索素材并实时构建时间线,过程全程可视。
- 对话修改:首轮成片后通过导演聊天窗口提出修改,换素材、改音乐、调字幕都会触发局部重规划重交付。
- 导出成片:在 8 轨时间线界面逐镜确认后导出最终视频,或按需回滚版本重新渲染。
WeVisCut 为什么这么省
一个策略管全程:传统做法是把长视频拆成多个通用 Agent 阶段,每阶段都要重新序列化全局上下文,token 和调用成本随镜头数线性累积。WeVisCut 用一个 9B 策略维持整条制作状态,把“理解全局”从每步重复做变成一次持续做。
状态化 Harness:Runtime 维护一份持久化的 production state,只有验证通过的工具结果才写入状态。策略每次只发一个工具调用,非法调用被类型化 blocker 拒绝,强制先补齐依赖再重试。
会自我修复:训练数据包含失败恢复轨迹,策略能质检、定位问题并做有界局部修复,保留已成功的部分不重做。
WeVisCut 适合谁用
- MCN 和自媒体,需要知识科普视频日更
- 企业内训、课程制作,想降低视频外包成本
- 财经科技资讯账号,脚本要快速配图配乐成片
- 多语言内容出海,脚本翻译后重新生成配音与字幕版本
WeVisCut 项目地址
- 项目官网:https://tencent.github.io/WeVisCut/
- GitHub 仓库:https://github.com/Tencent/WeVisCut
- HuggingFace 模型库:https://huggingface.co/tencent/WeVisCut
- 技术论文:https://arxiv.org/pdf/2610.38352