一次处理几十段视频，重复导入、裁切、转码和加水印很耗时间。这里用 Qwen 整理你已经确认的时间点，再让 FFmpeg 按清单批量执行。模型不看视频、不猜镜头，也不替你判断哪段适合发布。

先确认工具和原片

安装 FFmpeg 后，在终端检查：

ffmpeg -version
ffprobe -version
ollama list

ffprobe 会读取媒体流信息，也能输出机器可读的 JSON；FFmpeg 的 trim、scale、pad 和 overlay 可分别完成裁切、尺寸调整、补边和 PNG 叠加。FFprobe 文档 · Filters 文档。

若 ollama list 里没有你准备使用的模型，就先停下，不要运行会自动拉取权重的命令。当前练习让 Qwen 只把人工给出的 start、duration 和文件名整理成清单；切点仍由你从原片中观看并确认。Qwen 官方仓库和 Ollama Chat API 说明了模型与本机调用接口；模型输出仍须当作草稿。Qwen3.8 · Ollama Chat API。

按确认时间点批量执行

下载并解压练习包。打开 fixtures/edit_manifest.json，每一项只写源文件路径、开始秒数、片段时长和输出文件名。先运行自检，再处理样片：

python3 scripts/selfcheck.py
python3 scripts/batch_video.py fixtures/edit_manifest.json output

练习脚本先用 ffprobe 读取源片时长，再检查路径、数值范围、重复文件名和覆盖风险。全部片段通过检查后，它才在临时目录编码；整批成功后把结果放到 output/。输出统一为 1280×720、H.264/AAC，保留画面比例并在不足处补黑边，右下角叠加透明 PNG 水印。脚本只保留第一条视频和第一条音轨；没有音轨的输入会输出无声视频，内嵌字幕和其它音轨不会带到输出。

想先让 Qwen 整理时间点，可复制 prompts.md，把你已经在播放器中记下的时间范围交给本机模型，再人工检查生成的 JSON。不要让模型凭文件名或文字简介“推断”画面内容。自动化执行的是清单里的工作，不是自动理解视频。

逐段验收，再处理真实素材

先看输出的开头和结尾是否切完整，再检查画幅、声音、文字水印位置与清晰度；用 ffprobe -v error -show_streams output/cut_01.mp4 可核对流信息。确认结果后再把虚构示例替换成自己的副本。实际操作时还要核对水印素材的使用权、出镜人及背景声音的授权和发布范围。

本机用 8 秒合成测试视频处理两段各 2.5 秒的片段，输出检查为 1280×720、H.264/AAC，水印位置经抽帧目视确认；越界时间自检按预期拒绝。没有使用真人视频，也没有评估真实素材的画质损失、音画同步或平台转码效果。

如果视频包含 AI 生成或合成内容，水印不能代替适用的内容标识。国家网信办等部门发布的办法说明了视频显式标识位置以及用户发布时的声明要求；具体执行时还要核对服务提供方和发布平台当前规则。《人工智能生成合成内容标识办法》。