【2026 最新】WeVisCut 教學：繁中知識稿怎麼做成影片？五步學會逐鏡修改與驗收

你把一篇知識稿變成影片，第一版看起來還不錯，卻發現第二個鏡頭的數字講錯了。你想改一句旁白，保留其他畫面；結果字幕還停在舊版，素材也跟新說法對不上。這篇 WeVisCut 教學，要帶你把「改好了」變成可以逐項核對的結果。

本文寫給第一次接觸影片 Agent、願意照著終端機操作的創作者。先用白話認識零件，再準備自己的短篇繁中稿，最後學會分開修改旁白、字幕與素材，保存修改前後的影片。概念與驗收練習不需要 GPU；完整生成則需要合適的 NVIDIA 主機與已接通的服務。

以下依 2026 年 11 月 1 日查閱的官方文件與程式碼整理，固定參照提交 94dc8a7。AlphaLab 本次未執行模型推論、TTS 配音或影片生成；文中的稿件與驗收欄位是練習設計，沒有自己的成片品質或速度成績。

先說結論：可修改影片＝逐鏡狀態＋分開改動＋重新驗收

把 WeVisCut 想成一間有工作單的剪輯室：模型決定下一步做什麼，工具負責配音、找素材與輸出，Studio 讓你看進度和改片。「狀態」就是工作單：這個鏡頭說什麼、用哪段影片、音訊多長、哪些成果需要重做。

• 先選模式：--no-model 適合看介面；官方啟動腳本明列此模式不提供生成與重新渲染。
• 先做短片：用三段自寫稿與有使用權的素材，先走完一次製作與修訂。
• 改完重新對帳：旁白、字幕、畫面、時長各自驗；局部重做後，仍需查看整支影片的接合處。

一、WeVisCut 教學先認識五個零件

WeVisCut 的核心是約 90 億參數、負責選工具的模型，搭配 12 種編輯工具。參數可以想成模型內部可調整的數值；這個數字不是影片解析度，也不是畫面長度。官方概覽把它定位為文章或旁白稿到影片的系統；模型權重還要透過 runtime（真正執行工具的程式環境）才能做出影片。

• 稿件「劇本」：提供要傳達的內容；自己先決定哪些句子與數字不能被改寫。
• 策略模型「調度員」：讀取當前工作單，選擇分段、規劃鏡頭、配音或修復等操作。
• TTS「配音員」：把文字變成聲音；實際音檔長度會影響鏡頭需要多長。
• 素材供應器「倉庫」：從設定的來源找影片與配樂；本機資料夾、HTTP 服務與預設網路檢索是不同選項。
• 渲染器與 Studio「出片機＋工作桌」：渲染是把素材、字幕、裝飾與聲音做成影像；Studio 顯示可編輯的時間軸。

重點是依賴關係：旁白變長，鏡頭時間和素材覆蓋就要跟著檢查。這與 Agent Harness 的觀念相通：模型有提案能力，還需要執行層保存狀態、回傳結果，才能接著做下一步。

二、WeVisCut 教學第一步：選對模式，再檢查接線

①「先看設備」：介面能開，與完整出片分開驗

你只有一般筆電，能先學嗎？可以先認識介面與寫驗收單。官方列出的完整 bf16 推論路徑需要 Python 3.11 以上，以及約 24GB 顯存的 NVIDIA GPU；bf16 是模型數值的儲存格式。這是核心模型的近似需求，還要容納作業系統、素材、渲染和服務的資源。

在獨立的專案環境依 安裝步驟操作：先 git clone https://github.com/Tencent/WeVisCut.git，再 cd WeVisCut。記下 git rev-parse HEAD 的版本，使用 Python 3.11 以上建立虛擬環境後，執行 pip install -r requirements.txt。GPU 路徑須先裝相容 CUDA 的 PyTorch，再執行 pip install -r requirements-gpu.txt。

接著用 bash scripts/setup_external_tools.sh 準備外部工具，再執行 bash run_studio.sh --check。這個檢查會區分錯誤與警告；缺少渲染器或字型也可能只是警告，因此「檢查跑完」仍要讀清楚缺了什麼。外部工具文件列有 Node、FFmpeg、瀏覽器與字幕字型等依賴。

只看介面可用 bash run_studio.sh --no-model。完整路徑還要用 pip install -U "huggingface_hub[cli]" 安裝 Hugging Face CLI，執行 hf download tencent/WeVisCut --local-dir checkpoints/weviscut-9b，再用 bash run_studio.sh 啟動；這裡需有前述 GPU 與模型環境。官方入口是 http://<host>:8081/，本機可開 http://127.0.0.1:8081/0907_newvis。預設腳本綁定 0.0.0.0，先把它放在自己的可信主機與網路內操作。

②「先驗倉庫與配音」：一段有聲、有圖，才算接通

開啟 studio_config.yaml，依 設定文件檢查 TTS 服務、素材來源、渲染器與字型。每次改完跑 python3 -m studio.config --summary，確認程式讀到的是你剛改的設定；再用 python3 -m studio.config --check 檢查供應器名稱。

第一輪建議用自有素材庫。依 供應器文件，把 services.retrieval_provider 設為 local_folder_video，在 services.providers.local_folder_video.roots 填入素材資料夾清單。配樂則把 services.bgm_provider 設為 local_folder_bgm，另填 services.providers.local_folder_bgm.roots。這些是 YAML 設定鍵，不是終端機命令。

本機供應器會比對檔名、父資料夾與旁邊的描述檔，屬於文字詞彙比對。把檔案命名為 資料備份_複製檔案.mp4，或提供同名 .json 的 caption、tags，比一串相機編號更容易查找；仍要親眼核對選中的素材。

TTS 更要聽實際音檔。程式在 auto 等降級路徑中，可能退到 edge-tts 或只估算時長；預設 qwen3_service 則會把服務錯誤回傳。估時能幫助規劃，不能當成已有可用配音。先輸入一句含「重複、資料夾、二點五」的短句，確認真的有聲、字音符合你的受眾，再開始整稿。設定中的 Chinese 只表示語言選項，不能證明繁中讀音品質。

三、第二步：把自己的繁中稿拆成一份小考卷

新手最容易一次塞進太長的文章，出錯卻不知道從哪一段修。先用三個內容單位。下面是 AlphaLab 自寫的「檔案備份」練習稿，不是 WeVisCut 已生成的結果；拍三段自己操作電腦、外接儲存裝置與檢查檔案的素材即可開始。

• 段落 A：「把檔案複製到另一個資料夾，先確認兩份檔案都能打開。」畫面要看得見複製與開檔。
• 段落 B：「這次練習有兩個檔案：一份文字筆記，一張照片。」畫面只展示這兩個虛構測試檔。
• 段落 C：「完成後，從備份位置重新開啟它們，逐一核對內容。」畫面要真的從備份位置打開。

在 Studio 切換到 口播稿，貼入自己的稿子再開始。先確認選到的模式，避免把已完成的旁白當成一般創作需求重新寫稿。系統如何分鏡由模型決定；上面三段是內容規格，不是保證最後剛好三個鏡頭。

初版完成後，記下 B 段落實際落在哪個鏡頭、原旁白、字幕、素材檔與時間。若一段被拆成兩鏡，就分兩列記錄。存一份修改前影片，另留工作目錄與設定副本；驗收標準是影片可播放、數字正確、字幕沒有缺字，且每句話都有相符畫面。

四、第三、四步：一句旁白與一個畫面，分開修改

③「先改一句」：分清字幕、配音與素材的連動

現在故意把 B 段改成三個檔案，新增一張自製示意圖。先在對話框輸入 @，從列表挑出 B 段的實際鏡頭；官方 對話修改文件也支援把時間軸片段拖入對話框，插入 @镜头NN。直接選 UI 產生的標記，可以減少中文序號的歧義。

選定標記後補上：「把口播改成：這次練習有三個檔案：一份文字筆記、一張照片，以及一張示意圖。」這是要讀者提交的練習要求；先看系統提出的目標與計畫，再核對執行結果。若目標錯了，取消這次計畫，重新指定鏡頭。

這裡要特別留意版本差異：對話文件提醒改旁白後要另外確認畫面；本次固定版本的 編輯器實作則會清除舊音訊、舊素材與單獨設定的字幕覆寫，標記重新配音和檢索。改一句旁白，可能連帶換掉該鏡素材。因此先驗配音與字幕，再檢查重新選到的畫面，不要預設它保留原片。

反過來，單獨 set_subtitle 的設計會標記畫面重做，跳過重新配音。所以只把字幕的「兩個」改成「三個」，原音訊仍可能說「兩個」。若前一輪已有待重做的配音，也要一併查看；不要從這次按了哪個按鈕，推斷整個待辦清單只剩哪一項。

④「再換畫面」：用唯一鏡頭與明確素材描述

旁白確認後，再用同一個 UI 標記要求：「把這個鏡頭的畫面換成三個測試檔案並排顯示的操作錄影。」先把有使用權的新素材放入前面設定的資料夾，補上能被文字比對的名稱與描述。檢索要求描述的是想找什麼，不是把你指定的檔案已經綁定成功的證據。

固定版本的 素材替換實作會在按新描述檢索時清理舊候選與播放清單；指定存在的本機檔案則走另一條替換路徑。你仍需在結果中確認檔案與畫面，特別是同一大鏡內包含多段素材時。若要只改子鏡頭，可從 UI 選擇對應的 @子镜头N.M。

依 重新渲染設定，editor.rerender.scope: only_dirty 會重做被標記的鏡頭，並重用其他鏡頭快取；最後仍要重新拼接成片。這項設計能縮小工作範圍，不等於每次修改都只花一個鏡頭的時間或費用，也不能省掉全片接合處的檢查。

五、第五步：驗收、回滾，再保存交付檔

看見「已保存」還不夠。等渲染與校驗完成，再播放輸出。把初版 A 與修改版 B 並排核對，以下五項逐格寫「通過／未通過」，不要只寫整片看起來正常。

• 文字：B 段原稿、旁白與字幕都說三個檔案；其他段落沒有被誤改。
• 發音：聽到完整的檔案名稱與數字；遇到多音字，調整文案或所用 TTS 的發音設定後再聽。
• 畫面：修改鏡頭真的出現三個指定測試檔，沒有沿用兩個檔案的舊片。
• 時間：聲音結束前畫面仍有覆蓋；前後鏡頭沒有黑畫面、截斷語尾或字幕提早消失。
• 版本：留存 A、B 影片及各自設定、稿件、素材清單；重開輸出檔確認可播放。

若修改失敗且事務卡出現「回滚」，可用它撤回該次修改，再播放核對。成功版要回到前版時，先確認當前介面的版本入口；若沒有可用入口，使用另存的 A 版交付檔。程式另提供版本歷史與還原 API，設定預設 max_versions: 10；這是有上限的工作歷史，不要拿它代替另外保存的交付影片。建議將初版與修訂版另存為 backup-v1.mp4、backup-v2.mp4，不要覆蓋唯一副本。

把成本也寫在同一張驗收單：GPU 使用時數、TTS 請求或字數、素材授權、儲存，以及自己覆核花的時間。若你另接付費模型或服務，再記它的實際用量。開源程式、模型運算、外部服務與影片素材，是分開的帳。

素材使用條件也要逐件留證。預設供應器會做網路檢索；搜尋到或能下載，不能直接推成可公開再利用。第一支片先用自錄素材和自製配樂，或保存每件授權文件。專案授權與模型卡另列第三方元件條件；程式授權不能替網路影片與音樂授權。

常見問題：八個新手先講答案

1. WeVisCut 就是一個文字生影片模型嗎？

不是。它以策略模型選擇工具，再由 runtime 執行配音、素材檢索與編輯等工作。讀者要驗的是整條製作流程。

2. 沒有 NVIDIA GPU，能先完成什麼？

先完成稿件、素材清單與驗收單。UI-only 模式可看介面；官方啟動腳本明列生成與重新渲染不在這個模式內。

3. 約 24GB 顯存就保證整套跑得順嗎？

不保證。這是官方對 bf16 核心模型的近似需求；服務、渲染、記憶體、磁碟與你的配置仍需分別檢查。

4. 能直接保證繁中旁白讀得自然嗎？

不能從語言欄位推導品質。用自己的短稿，逐句聽數字、外來語與多音字，再決定要不要採用該 TTS 聲線。

5. 字幕改了，旁白會自動改嗎？

單改字幕的操作不重新配音。要改聲音內容，明確改旁白，並重新核對字幕與素材。

6. 局部重新渲染後，還要看整片嗎？

要。受影響鏡頭變長或變短後，整片還要拼接；尤其檢查修改鏡頭前後的聲音、字幕與畫面交接。

7. 本機素材資料夾等於完全離線嗎？

不能據此判定。它改的是素材與配樂來源；TTS、模型呼叫與其他工具的連線，要按整份服務設定逐項盤點。

8. 要先選 WeVisCut，還是學其他 AI 剪片工具？

先看任務。想把知識稿做成可逐鏡修訂的作品，可用本篇考卷評估 WeVisCut；已有訪談錄影、主要要刪段與驗切點，可先讀 video-use 教學。

給新手的三個重點

• 先做一支能逐句核對的小作品，再增加稿長與鏡頭數。
• 把「字幕、旁白、素材」當成三個不同修改入口；每次只改一件，觀察實際連動。
• 把修改前後檔案、版本與成本一起留下，才知道下一次能否穩定重做。