[BidClub_]
十字路口Crossing · · 65 min

视频剪辑的「Cursor 时刻」来了?|对谈 ChatCut 创始人李凯文:从金马导演到 AI 创业

Koji李凯文

Podcast
TL;DR
  • ChatCut 是一笔已有付费信号、但商业验证仍不透明的早期下注:团队 10 人,刚完成约千万元人民币种子轮,收入与利润未披露。 李凯文此前做了十年广告与纪录片导演,2024 年短片《孽种》入围金马;他的 founder-market fit 不是追逐 AI 热点,而是亲历 ChatGPT 与 Premiere 的时代断层。“如果上帝还没指定谁,我把手举起来了。”
  • 产品押注不是生成视频,而是把“转录—内容编排—时间线映射”做成自然语言可调用的剪辑系统。 第一版甚至没有 AI,只能像改 Word 一样改视频;如今仍并行建设编辑器和 AI,因为以 Premiere 插件为底层会受到很多限制。李凯文的取舍是:“AI 能达到百分之八十,但是给人空间去改”,优于达到 90% 却锁死用户。
  • 真正的市场转折是从专业剪辑师改攻“想表达但不会剪”的人,价值尺度也从提效 1.3 倍变成直接把用户拉到 80 分。 专业用户的既有工作流很难撼动,ChatCut 又不可能重造一个完整 Premiere;相反,老师、房产从业者等用户已经能把课件、口播和实拍素材直接变成内容。“轮胎跟地表接触的时候你都醒悟了。”
  • ChatCut 认为风格不能靠十万个“素材—成片”样本硬拟合,必须把纪录片剪辑师的习惯、顺序和 checklist 变成 Agent 工作流。 Coding 有 bug 作为强化学习反馈,影片是否好看却主观且多解;李凯文主张先教 AI 何时重看素材、寻找 sound bite、补 transition,再让细节累积成风格。“不是 A 点到 B 点的问题。”
  • Gemini 2.5 的一百万、甚至两百万 token 上下文让长视频暂时不必从 RAG 起步,Gemini 3.0 又让代码生成的 MG 动画成立。 但上下文和多模态仍是技术瓶颈,现有模型还不能精准理解长视频到可剪辑程度;可验证指令能先创造价值,是否能靠训练模型解决这些问题仍未确定。“我不敢说……是不是一个训练模型能解决的问题。”
  • 对生成视频的分歧决定了产品边界:生成可以是一种创作手段,但不能替代真人与现实素材。 李凯文认为粗糙的真人讲述仍有生成画面缺少的生命力,因此 ChatCut 不生成画面像素,只剪真实素材并用代码制作 MG;团队将其 AI 比作“世界上最接地气的 AI”,而非可一眼辨认的模型风格。
  • 当前的切口来自纪录片经验、进入时机与组织方式。 Antler 的早期资金与 Lovable credits 让李凯文赶上 AI coding 刚起步的窗口;团队用“炼金师”文化容纳计划外实验,同时靠平台积累工作流信息。终局足够清楚,执行路径可以开放:“当你能听见音乐的时候,你弹什么都是对的。”
Digest · the substance, structured for research

1. ChatCut 把十年导演经验压缩成“聊天剪视频”

  • 李凯文生于 1992 年,把 ChatCut 概括为“聊天的方式剪视频”;公司现有 10 人,刚完成约千万元人民币种子轮,收入与利润则表示“不太好透露”。

  • 产品念头来自一次强烈的时代错位:他刚用完 ChatGPT,再打开 Premiere 剪片,感觉自己在“穿越未来世界和远古时代”,并由此想到用聊天方式剪辑视频。

  • 他没有把创业优势归结为工程能力,而是十年创作中对普通人痛点的观察:“如果上帝还没指定谁,我把手举起来了。”解决普通人的简单问题,靠的是“简单但是深入”的生活洞察。

2. 冒险并非创业后习得,而是从鞍山的打口碟开始

  • 少年时期的李凯文对外部世界极度好奇,父亲出差会按斤买回打口碟。没有 internet、没有现成乐评,他必须“靠自己两只眼睛、两只耳朵”建立判断体系,这成为后来独立判断新事物的底色。

  • 初中时他开始卖打口碟,春游也背着整包唱片,把耳机塞给同学试听。拿到一张打得很薄的 Blink-182 新专辑首版,他在电话里播放并追问:“牛不牛?五十块钱买不买?明天就没了。”对方当即要留两张。

  • 从主动调研并争取去美国高中 Kent School,到进入罗德岛设计学院,他对陌生环境的态度始终是“let’s just try it”。他借 Kurt Vonnegut 的说法称之为 “Dancing Lessons from God”——愿意接受命运递来的舞步。

3. 广告给了技术与名望,也暴露了无杠杆的天花板

  • 2016 年进入 Vice 中国后,他发现内容很难靠爱奇艺、优酷或腾讯的流量分成成立,因此主动拥抱 commercial 项目。预算让他看到“当钱不是问题时能拍什么”;他以“给 Burger King、Adidas 拍过项目”为例,说明品牌履历会带来行业信用。

  • 广告同时要求创意、客户沟通、演员调度和多层甲乙方协调。技术提升和虚荣满足消退后,他承认自己未必适合与最擅长这套综合能力的人硬比:“每个人的品种不一样。”

  • 导演一天酬劳曾达 10 万元,但本质仍是“用时间换钱”的无杠杆 business。2022 至 2023 年间,他搬到淀山湖附近住满一年,暂停接广告,并开始冥想、锻炼,允许作品、产品或 app 从空白中发芽。

  • 那一年他写下多部短片并拍出后来于 2024 年入围金马的《孽种》,也开始构思 ChatCut。离开市中心更重要的结果,是摆脱“上海广告纪录片导演”这一固定身份,获得重新定义自己的定力。

4. 导演和 CEO 都是 Always day one,但公司不能按片场活

  • 李凯文认为导演与创业者都要先形成 vision,再吸引资金、crew 和演员共同实现它;厚脸皮、抗挫折、三顾茅庐,以及 “take complete ownership of the vision”,在两种职业里高度相似。

  • 每部影片都要从零到一,“Always day one, it’s always day one”;但影片完成后便固定不动,app 发布那天却只是塑造产品的起点。这要求他从交付作品,转向持续迭代系统。

  • 片场像只筛选、不培养的 SWAT team,执行时甚至需要军事行动式的决断;startup 则必须长期投资于人。他不认同独裁能建立好组织,相信十个人被激发后的合力远大于一个独裁天才。

  • 他把自己的管理角色形容为“铺马路的人”:先让团队形成一致认知,再把柏油路铺平。具有大厂方法论的产品合伙人与他的直觉互补,目标由双方共同商量,而非单向下令。

5. 第一笔钱先验证毅力,随后才升级成 VC 叙事

  • 金马影展期间,李凯文遇到新加坡 VC Antler 的合伙人 Eric。对方先给一小笔钱,看他能否做出东西、是否具备持续做事的毅力;更重要的是,Eric 会寻找他“为什么能成”,而非罗列失败原因。

  • 当时他并未准备做可 scale 的 AI VC-backed startup,只想找到第一个、前十个、前一百个持续用户。他引用“一千个 true fans、每人每年付 30 美金”的小而美设想,并认为资源贫乏迫使自己学会了真正的产品验证。

  • ChatCut 第一版只完成语音转录和文字式编辑:用户删改文字,视频跟随变化,尚无 AI 编排。到 4 月份,AI 剪辑才出现雏形;完整思路逐渐包含转录、内容重排和时间线映射。

  • 在还没有市场的情况下出现大量付费用户后,他判断下一段 slope 需要真正的 VC 支持,回国用一个月连续见投资人,自称像 GPT 一样经历“深刻的强化学习”。融资不是逐步接近终点,而是成交前始终看似不可能。

  • 他与真格投资人刘源的连接始于电影:对方凌晨两点真的看完他推荐的影片,再尝试建立关于创始人的长期模型。李凯文的融资建议不是训练完美话术,而是寻找能产生化学反应、愿意长期同船的人。

6. 自然语言剪辑不是未来发明,而是把微信指令接进时间线

  • 柯基提出自然语言剪辑可能永远不会发生,李凯文却说它过去一直存在:客户本来就通过微信告诉剪辑师“这个镜头放这儿、那个镜头放那儿”,只是过去由剪辑师执行。

  • 对一整段访谈,用户可以要求删掉若干话题、把一句好话放到最前面,再补音乐和 MG 动画,让 ChatCut 先给出大致成片。这类意图级命令,才是聊天相对拖动时间线的优势。

  • 他的让步同样明确:若只需移动一帧,手动拖动可能比说半天更快,AI 还可能移错。剪辑必然是人机互动,因此 ChatCut 保留时间线和文字编辑,不追求百分之百依赖自然语言。

  • Premiere、Final Cut、达芬奇和剪映的编辑器形态已有约 99% 重合,“这个轮子就是圆的”;ChatCut 不需要表面上的天翻地覆,却仍须不同程度重建底层,否则依附 Premiere 插件会受到很多限制。

7. AI 的价值位于“思维层”,不是页面控件层

  • 李凯文希望 AI 掌握剪辑助理真正做什么,而非在页面上制造所谓创新。编辑器与 AI 必须平衡推进,不会先造完整轮子,再等某一天宣布“轮到 AI 了”。

  • 他把当前 AI 比作小学生:下一阶段不是让它更服从“指哪打哪”,而是送它读高中、大学,使其看见素材就能提出方案,甚至剪出高于用户当前水平的版本。

  • 这里首先存在一组可以判错的任务:一句话没说完便切断、要求删口水词却遗漏,都属于明确错误。但基础正确后,节奏、取舍和个人风格不再有唯一答案,产品问题由工程执行转向审美判断。

8. 风格来自流程与习惯,Agent 要学习顺序而非成片答案

  • 柯基指出 coding 能靠 bug 建立强化学习闭环,视频“好不好看”却高度主观。李凯文承认风格化至今“没有人有答案”,并反对把素材 A 到成片 B 当成唯一可暴力拟合的路径。

  • 他剪 Vice 或 Discovery 项目时不会先释放个人 ego,而是遵循流程:素材再多,也先看采访;采访再长,也先做 Word 文档。稳定流程最后自然形成稳定风格,“它不是一个 A 点到 B 点的问题”。

  • 若只用十万个素材—成片样本“大力出奇迹”,在他看来容易“走火入魔”。真正决定宏观风格的,可能是早期如何筛采访、何时回看素材、故事缺口出现时寻找什么 sound bite,以及怎样补 transition。

  • 下一步是把真实剪辑师的工作流拆成不同 Agent,让它们在不同语境和素材里行动。很多先后顺序、checklist 和人类 common sense 必须由人定义,因为这些知识并未充分内化在 LLM 训练数据中。

9. “轮胎碰地”后,目标用户从专业剪辑师转向不会剪的人

  • 柯基的质疑是:剪辑环节彼此耦合,专业用户会极度谨慎地改变工作流。李凯文确认现实完全验证了这一点——早期 target 专业剪辑师后,团队发现既难触动习惯,也造不出一个完整 Premiere 再叠加 AI。

  • 这促使 ChatCut 转向原本不是剪辑师、却一直想做内容的人。手机已让拍摄足够简单,剪辑反而成为迟迟不起号的关键卡点;团队希望直接消除这道进入门槛。

  • 李凯文给出的价值比较很鲜明:把新用户从不会剪提升到 80 分,比让专业剪辑师效率提高 1.3 倍更大。“轮胎跟地表接触的时候你都醒悟了”,也是他对这次 target 转变的总结。

  • 已出现的案例包括老师把课件或大纲变成 MG 动画,再配自己的口播建立账号,以及房产从业者自行完成视频。因为 ChatCut 只触碰剪辑,用户作品题材天差地别,也看不出统一的“AI 痕迹”。

10. 生成可以成为素材,但不能替代现实本身

  • 柯基提出另一条服务同类用户的路径:用户只提供 idea,产品负责生成视觉并自动成片,从而同时绕过拍摄和剪辑。李凯文认为两条路线背后,是对视频为何存在的不同判断。

  • 他的核心判断是视频首先用于人与人交流。一个粗糙的真人面对观众讲故事,仍具有专业度无法掩盖的生命力;若内容完全不与现实世界相关,就很难产生同样的感染力。

  • 他并不否定生成,明确称其可以是“创作手段之一、艺术手法之一”;但若认为生成能整体替代拍摄,就是“对世界的一个错误判断”。AI 可以替代很多环节,却取代不了人与现实的核心连接。

  • 团队将 ChatCut 的 AI 比作“蓝领”、比作“世界上最接地气的 AI”。李凯文观察到,飞机、地铁和抖音里真实消费的视频生产方式并未被生成模型改写;像 Frame.io 只解决审片这种 niche 问题,也能成为他口中的 multi-billion-dollar company。

11. Gemini 2.5 和 3.0 分别松开上下文与 MG 动画

  • 早期使用 Claude 或 GPT 时,半小时视频就可能触及上下文限制,团队过去面对这个问题,第一反应可能是 RAG 和 vector database。Gemini 2.5 提供一百万、甚至两百万 token 后,这个问题至少可以暂缓处理。

  • Gemini 3.0 则让 MG 动画功能真正成立。ChatCut “不生成任何的像素”,而是生成代码来制作动画,效果更像替用户做一个 PPT,而不是生成一个固定画面。

  • 多模态现阶段对产品影响还不大,但李凯文强调它“绕不过去”。现有模型对音频、语言和画面已有粗略理解,却尚未精准到剪辑所需程度;未来既要用于分析,也可能用于生成。

  • 团队不会每逢新模型就连接一个 API,以“表现自己很勤奋”。只有在模型之上加入与剪辑工作流结合的价值,才值得开发;上下文和成熟多模态,仍是自然语言剪辑落地前的关键突破。

  • 没有海量开源“剪辑代码”并不等于剪辑比 coding 更难。李凯文把能力拆为可验证和主观两部分:删口误、去口水词、改竖屏等若能准确执行,已经价值巨大;平台可继续积累这些信息、调优 prompt,但他“不敢说”这是不是训练模型就能解决的问题。

12. Unscripted 是 ChatCut 真正选择的切口

  • 李凯文把视频分为 scripted 与 unscripted:电影脚本和场景逻辑已经固定,剪辑要从表演与机位中找最佳瞬间;纪录片、自媒体和 YouTube 则必须从无序素材中发现内容、逻辑和结构。

  • 他认为让 AI 处理 scripted 中最精细的判断目前很难:梁朝伟对张曼玉说“我有个船票,你会不会跟我走”,若有一百个 take,让 AI 选最佳表演,“forget it, cannot be done”。

  • 纪录片则是 unscripted 中最难的形态:素材巨大、目标模糊。王兵拍《铁西区》三年再剪成三小时,不是执行预设答案,而是持续面对素材,让一个有生命力的结构有机形成。

  • 但同一工作流可以缩放到普通创作:去长白山滑雪拍下一堆 random 片段,也是在较低复杂度上解决“如何从无序找到规则”。他甚至把本期 podcast 视作 documentary,而非截然不同的媒介。

13. 切口来自细腻判断,也来自没有错过 AI coding 窗口

  • 李凯文不认为自己身处完全无人竞争的市场;很多人把 ChatCut 归入拥挤的 AI 视频赛道。真正稀缺的是锁定方向后,找到一个足够细腻的入口与方法论,最后让用户感到简单的 “yeah, this works”。

  • 纪录片经历提供了入口,时机则让它成为产品:LLM 已出现一到两年、AI coding 刚起步,Antler 又因早期投资 Lovable 给团队无限 credits,他因此想到可以直接做 web 产品。

  • 他直言现在才以同样想法入场“稍微有点晚了”:世界并未停止,已有团队把“萝卜扔到坑里”。后来者仍可硬塞另一个萝卜,但 “life is not gonna be easy for you”。

  • 即便如此,他并非自然语言原教旨主义者。ChatCut 重视时间线与文字编辑,因为“AI 做到 80% 且人能改”比“AI 做到 90% 但人不能改”更有用;控制权本身就是产品能力。

14. “炼金师”文化让计划外实验成为正式生产力

  • ChatCut 的“炼金师”不是岗位,而是工程师、设计师或产品经理的第二重身份。李凯文把 amateur 理解为一个为爱而做的人:钱是基础,但真正的突破往往来自一个人为爱而做、对细节怀有执念。

  • MG 动画最初不在 PRD 或每周目标中,而是产品同学在主任务之外持续尝试。做出雏形两天后 Gemini 3.0 发布,团队立即暂停其他工作追赶窗口;在他看来,这是“命运给我们的一个机会”。

  • 这并非贬低工程师,恰恰意味着工程师也应学会炼金和 tinker。若一个人只严格完成作业,AI 会逐渐把作业接走;真正难替代的是发现标准、尝试未知组合,并判断什么值得继续。

  • 招聘因此从单看技术背景转向综合兴趣:一个人哪怕只对某种食物极度着迷,也可能形成自己的高标准;若对任何事情都没兴趣,就很难对产品产生真正判断。

  • 李凯文希望把意外收获“系统化地制造”,并借《反脆弱》解释:组织应主动制造对自己有利的意外,因为其杠杆远大于一加一等于二。管理的难度,正是给试错留下空间而不失方向。

15. 终局越清楚,团队越自由;“有事可做”构成九分幸福

  • 柯基追问,鼓励意外是否意味着通往终点的道路并不清晰;李凯文回答“不,我觉得完全相反”。因为结果看得足够清楚,团队才可尝试多条路:“当你能听见音乐的时候,你弹什么都是对的。”

  • 节目中还回忆了一段 2014、2015 年聚美上市后的经历:叙述者自称那年“应该 29 岁”,带着一笔钱裸辞,住进朋友的湖景房;第四天起因无人联系而体会到抑郁,最终明白“躺着根本就不快乐”。

  • 李凯文把当前幸福度打九分。过去羡慕 Kent School 的富裕同学,如今向他们介绍 ChatCut 时,第一次感到财富自由者反过来羡慕自己——“一个人有事儿做,那是你最大的财富”;他称 ChatCut 为 “this is my life’s work”。

  • 创业的痛苦与享受并不矛盾,关键是是否相信事情有价值。他从片场学到 “nothing's supposed to go right, of course it goes wrong, that’s the job”;障碍不是通往工作的插曲,“如果这个关不存在,I have no job”。

  • 剩下的一分来自竞争心与 ego:它可能是现阶段高效决策需要的燃料,也妨碍完全平静。导演并未被放弃,只是不必急着回去;电影是封装生活理解的载体,而创业经历正在成为未来作品的燃料。

Koji

欢迎收听十字路口,我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会。十字路口是乔布斯对苹果公司的一个比喻,形容他站在科技与人文的十字路口,伟大的产品往往诞生在这里。我们长期观察 AI 创业,如果你正在做一件让你自己感到兴奋的事情,哪怕它还只是一个想法,我们都很愿意听你聊一聊,我会认真看每一条留言。嗨,我是柯基。那本周十字路口呢,我们第一次尝试了一种新的视频播客的录制方式。这一期我们没有坐在桌前对谈,而是把整个对话拆成了两个连续的场景。第一部分我和嘉宾一起开着理想 Mega 前往郊区,我来开车,他坐在副驾,我们在车里边开边聊,持续了大约一个小时。那第二部分呢,我们抵达了嘉宾曾经隐居过一年的上海郊区淀山湖的旁边,在湖中央的一座安静的亭子里面坐下来,继续完成了这场对谈。那本周的嘉宾是谁呢?他是 AI 视频剪辑工具 Chat Cut 的创始人李凯文,他过去十年的职业生涯都在做导演,而作为导演他非常的厉害,他的第一部短片作品《孽种》就入围了金马奖。我先。我现在先自己开车去他们在上海乌鲁木齐中路的办公室接上他,然后开车出发。李阳同学,导航去淀湖桃源。

你现在这播客做了多久?

李凯文

做了两年。

做了一百期。这个频率是一周一期?

李凯文

一周一期。

这是我们第一次用这种方式来录播,有可能我可以把它拍成某种有趣的系列,每次去一个不一样的地方。这是一个好的系列:Founders and Cars Going to Places。

我们已经在开车驶离市中心的路上了,先从快问快答开始。凯文,你的年龄?

李凯文

1992 年。

你毕业的学校?

李凯文

罗德岛设计学院。

你的 MBTI 和星座?

李凯文

MBTI 很久之前测过,已经不准了,不提了。星座是双鱼座。

那你自认为自己现在的 MBTI 是什么?

李凯文

INTP。

一句话介绍 ChatCut?

李凯文

用聊天的方式剪视频。

融资的情况目前是?

李凯文

大概是 1,000 万人民币左右的种子轮,刚融完。

收入和利润情况呢?

李凯文

不太好透露。

目前团队的规模呢?

李凯文

10 个人。

一句话介绍一下创业之前在做什么?

李凯文

创业之前我是一个广告、纪录片导演。我之前在 Vice 和 Discovery,后来是 Home Production 的创始人,2024 年短片入围金马奖。

我们在开车离开上海的路上,可以聊一聊你的来时路。等到了目的地之后,我们再来聊 AI,以及这个 AI 的产品 ChatGPT。

我记得有一次你跟我讲,离开市中心是你人生的一个关键词。那是哪一年的关键词?

李凯文

2022 年、2023 年那个区间。那个时候我刚拍了很多广告和纪录片,然后遇到了上海比较特殊的那个时期,突然有更多的时间去做一些思考。比如说,我怎么突然拍上广告了呢?

所以你怎么突然拍上广告了?

李凯文

2016 年底的时候,我去了 Vice Media,被派到了 Vice 的中国团队。

在美国的时候,你做这种媒体,可以通过平台本身的收益。但是在中国,比如说当时你把片子放到爱奇艺、优酷或者腾讯上面,靠流量给你分钱,几乎是不可能成立的。所以在中国就多了一个 commercial 部门。

所以其实你去 Vice 的时候,一开始认为 Vice 是一个自由表达、做自己的内容的地方。来了中国之后,发现这里的商业模式是那样的。

李凯文

但我没觉得那是个问题,我是争着做商业项目。因为商业项目是有预算的,有更多的人配合你做这件事。其实我是主动拥抱了商业。

我彻底、主动地拥抱了商业。一部分是从学习的角度,我对那个很好奇:当钱不是问题的时候,咱们能有什么样的想法,能拍出什么样的东西。

另外从商业的角度来说,我觉得大学刚毕业的时候,假如我自己去拍一个短片,没有人会管你那个短片,对吧?但是如果我说“我给 Burger King 拍了一个项目”,大家看都不用看,就会觉得:这个小伙好像有两下子,Burger King 都找他拍;他还给 Adidas 拍过,那得是什么样的人?

为什么拍着拍着,那两年就想逃离了?

李凯文

广告确实能带来实打实的技术提高,还有一部分是虚荣。当纯虚荣的这一部分消除之后,我对于做纯广告的兴趣就没有那么大了。

广告是一个非常全面的要求。你有 idea,同时又得去说服你的演员、客户、甲方、乙方,还有乙方的甲方,里面乱七八糟的事情很多。

我看见很多人非常擅长做这件事的时候,就明白了:每个人的品种不一样。如果我硬要跟别人比广告导演的综合素质,未必会有一个特别好的结果。

那个时候想好接下来要做什么了吗?

李凯文

我们现在去的地方给了我特别大的一个启发。当时我们也是拍一个项目,就在那个湖旁边。

我去看景的时候觉得,这太棒了。旁边有一个中介,我就说,咱们看一眼吧。可能搬到那儿不太现实,但去看了一眼之后,我就看中了一个房子。

有的时候这不是说你做了一个决定,而是上帝之手在推着你。就是觉得,哦,一见钟情的房子。

我觉得不管怎么样,先抽身出来,然后咱们再想下一步是什么。

那个时候开始拍后来入围金马奖的短片《孽种》了吗?

李凯文

那个时候是我开始想要做一件属于我自己的事。它可以是一个片子,可以是一个产品,也可以是一个 App。

我想这一年不接广告,憋一个招。这个招具体是什么不知道,但是咱们先憋着,让它发芽。我写了很多短片,《孽种》是其中一个,然后那一年把它拍出来了。

其实拍《孽种》的同时,也是 ChatGPT 刚出来的时候。所以我生活中开始用了很多 AI,同时也生成了 ChatCut 这个 idea。

你刚用完 ChatGPT,然后再开始剪片,用 Premiere 能感受到这两个时代的交接,感觉自己在穿越。

李凯文

对,是在穿越未来世界和远古时代。

我一直在琢磨做 ChatCut 这件事。上帝一定会把这件事做出来,但是这是不是上帝让我去做这件事,或者说我要不要把上帝这个活儿接下来?

解决一个普通人的问题,实际上听上去既简单又难。它不在于你有多么技艺高超的表达,而在于你对生活里的问题,有没有简单但是深入的洞察。

在这一点上,相比于一个纯工程师背景的人去做事,我觉得我具备一定的优势。如果让上帝去安排,不一定会安排我;但是如果上帝还没指定谁,我把手举起来了。

从你萌生想要做这件事到今天,中间有哪几个阶段?

李凯文

我开始深入地想,这个 App 到底是什么样的 App。刚开始的时候,它是一个 ChatGPT 或者 Cursor for video editing,但是它到底是什么意思?落地之后又是一个什么样的 App?

然后在金马影展期间,遇见了 Antler 的合伙人 Eric,新加坡的一个 VC。他会直接说,已经跟你相处一段时间了,我给你很小的一笔钱,看看你能用这个做出什么,看看你有没有做一件事的毅力。

我很有幸,遇见的第一个投资人是他,那种传说中的 empowering figure。

这个怎么讲?

李凯文

有很多人个人能力非常强,个人魅力也很强,但是你坐在他旁边的时候,会觉得他这么强,我这么渺小,我什么都不是,我怎么能跟他比?

但有的人是在个人能力很强的前提下,会放大身边每个人的能力。

我记得你曾经说过一个评价:你见了很多 VC 投资人,好多人都在找你身上不能做成这件事的原因,但是 Eric 一直在试图寻找你能做成这件事的原因。

李凯文

完全就是这样。找一件事不能成的原因很简单,世界上大部分的事都是不能成的。如果要找毛病,根本不用找。

拿到 Antler 的钱之后就开始做了。第一版发出来的时候顺利吗?

李凯文

当时我们的目标用户是一个相对专业的用户。

ChatCut 大概的思路是这样的:你把视频通过某种方式转录成文字。这来自我们的剪辑经验,因为很多时候剪辑是发生在 Word 文档里的。

剪辑听上去是一件多模态的事,但实际上一个剪辑师在剪辑的时候,大部分工作是以文字为载体的。所以 ChatCut 的核心可能有两点:一个是用巧妙的方式把视频转录成文字;另外,AI 真正产生价值的部分,是怎么把已经转录出来的文字编排成新的剪辑,然后通过工程的方式把它映射到时间线上。

我们第一版其实只做到了第一个,只是把语音转录出来,人可以像编辑文字稿一样编辑视频,它甚至还没有 AI 剪辑的功能。接下来的版本里,到了 4 月份,我们才刚开始有 AI 剪辑的雏形。

所以一开始是来不及做吗?

李凯文

如果你有 1,000 个 true fans,他们是那种你出什么都会用,然后每年付你 30 美元的人,你把这些人服务好,其实不需要特别大地 scale。它更多是一个小而美的 business。

当时我们没有想要做一个能 scale 的、大的、VC-backed startup。我们就是没有,我们还没准备好。

所以我们能做到的,就是做出一个 MVP,找到第一个 customer,然后找到前 10 个 customer、前 100 个能持续使用你 App 的人。

现在我的观念变了,但当时我觉得这是很好的学习经验。就比如说小孩留学去美国,你爸最好别一下子在他的存折里放 50 万美元,可能一下就染上不良习惯。

所以你的意思是,穷创业反而让你经历了更多、学到了更多?

李凯文

别人可能有别人的方法,但对我来说,这是特别好的学习途径。

这让我想到,其实你是从辽宁鞍山去美国直接读高中,而且是在 Kent School 这样非常好的高中。这个是怎么做到的?

李凯文

我小的时候学习属于班里面中上等,不是一个特别好的学生,但是我对外界、对这个世界特别有好奇心。

当时的电影,我就一部一部地看;音乐,我就一张一张地听。只要是唱的不是中国话的歌,我就觉得,哎,这个听一听。别人都听不明白,我还装模作样地说我能听明白。

我爸也比较支持我的这些兴趣爱好。他出差的时候,当时有个东西叫打口碟,都按斤卖。我爸就直接买一斤回去,我一个一个地听。每次收到一斤,像拆盲盒一样快乐。

那时候不仅是盲盒,拆完了也是盲盒。

李凯文

因为这东西不像现在,拆完一看是 Nirvana,上网一搜,哦,别人都说这个好。那时还没有 Internet,整个评价体系都得自己去构造。

这个东西好听不好听,完全靠你自己判断,靠你的两只眼睛、两只耳朵去听。

我对外来的文化特别好奇,以至于初中的时候英语就特别好。

当时 Kent 正好来上海做面试招生。但他怎么知道你的存在,或者你怎么知道 Kent School 来上海了?你人在鞍山。

李凯文

这个就是当时做的一些调研。

你已经决定要去美国读高中了,所以开始做这个调研?

李凯文

我想去美国读高中。

原因是什么?

李凯文

一个原因是我对外面非常感兴趣。我看那些美国电影,觉得那就是我的灵魂所在。当然后来并不是完全像我想的那样。

另外,我妈是一个高中老师,出了名的比较狠。我的成绩应该不会出问题,大不了就去我妈的学校。

那个时候在鞍山,大家去美国读高中仍然是一个极其小众的选择,几乎完全没有。

我对于新的事物或者新的地方,从那个时候开始就没有“会是什么样”“我人生低谷的时候会不会遇到问题”这种想法。我会觉得,it's okay, let's just try it。

感觉你对于风险的承受能力非常高。那 Kent 来上海招生的时候,你觉得自己身上哪些故事或者性格打动了他们?

李凯文

我在初中的时候开始卖打口碟。首先,我有销售能力;另外,他们也会看你对一个东西真正有多热爱。

我初中的时候热爱音乐,已经热爱到疯了的地步。别人春游的时候,都是拿着面包、饼干什么的,我背的是所有的打口碟,装在书包里面。

所以你在我旁边走,就会把耳机塞到我耳朵里推销?

李凯文

对。你听这个,买不买不重要,但是你听这个东西。难道只有我一个人觉得它好听吗?

第一次听到 Beatles,第一次听到 Nirvana,我觉得这个东西太厉害了。你听了之后,难道不觉得它好听吗?这太好听了。

所以这是一个完全由热情驱动的创业。

李凯文

对,这是完全由热情驱动的创业。

我还记得买到过一张 Blink-182 新专辑的首版。当时的打口碟别人都打得特别多,但我那张打得很薄,所以有一首歌没打掉。

我就给同学打电话说:“喂,我弄到了 Blink-182 新专辑的首版。我现在直接在电话上给你听一下。”然后我打开 stereo,让他在电话里听。我说:“牛不牛?50 块钱买不买?明天就没了。”

他说:“那给我留两张。”

我现在听起来,仍然觉得这是非常快乐的一段创业。如果别人不买,你也可以自己留着,还是自己的资产,不会因为卖不掉而苦恼。这样的商业模式真是太爽了。

李凯文

其实做一个 startup,成功不成功,不管个人能力有多强,很多因素都是上帝决定的。

但是我觉得,作为一个创业者,你能做到的是:我选择做的这件事失败了,it's okay。我们一起做的这件事,以及一起做这件事的人,不管这件事成功还是失败,这个过程一定是好的。

沿着这条路,其实你很容易就会去读商学院、经济,或者计算机,对吧?但你后来去了罗德岛设计学院。

李凯文

我在 Kent 上高中的时候就热爱上了电影。当时我有几个电影学院的选择。美国有一点挺好,它鼓励你去 college visit。

我去了罗德岛设计学院,觉得这里的人太不一样了。他们的发型、穿着、听的东西,都是你以前没见过的;他们看的那些东西,你也没看过。那感觉就像完全来到了一个外星球。

这是一个特别鼓励独立思考的地方,所以它培养出来的 startup founders,感觉都是有灵魂的 startup founders。

有哪些?

李凯文

比如 Brian Chesky 和 Joe Gebbia 的 Airbnb。然后 Family Guy,Family Guy 的创始人是 Ken School 和 Risty,是我的 alumni。

这真是很特别的经历,可能找不出第二个鞍山人有和你相近的经历。

李凯文

有一个作家叫 Kurt Vonnegut,他管这个东西叫 Dancing Lessons from God。我是愿意去 take dancing lessons from God 的。

但东北实际上是一个比较保守的地方,可能到我这儿,出现了一个基因突变。东北确实很少有这种冒险精神的人,现在这样的人越来越少了。

大家都说导演很像片场的 CEO,因为他要统筹所有事情。现在你真的创业做 CEO 了,两种 CEO 的角色都当过之后,你觉得有哪些相同、哪些不同?

李凯文

我觉得有很多相同的点。比如一个导演,他面对的是综合素质的挑战。你对这个世界有自己的认知,有一个 vision,但 vision 只是刚开始。

作为导演,你得有能力吸引资方,有能力吸引 crew,有能力吸引好的演员,然后让他们一起去达成这个 vision。你需要很强的抗挫折能力、厚脸皮,以及三顾茅庐的精神,最后对这个 vision take complete ownership。

另外一个特别相似的点是,导演每次的工作都是从零到一。每个片子都是全新的一个片子。Always day one, it's always day one。

我都要很快进入舒适区之外的环境,完全从零把它做到一。这一点跟创业是极其相似的。

不相同的地方,我觉得最大的是,一个影片拍出来的时候,这个东西就不动了。但是一个 App 产品发布的那一天,实际上才刚刚开始。你要去打造这个东西最终的模样,需要一个很大的思维模式上的转变。

刚才说的是作品的角度。从管理或者经营一家公司来看,因为做电影其实也是在经营一个临时组建起来的组织,这又有哪些相同和不同?

李凯文

我觉得电影的组织是一种纯粹“只筛选、不培养”的合作方式。

广告公司在选导演的时候,比如要拍车广告,这个导演得是之前拍过 5 个一模一样的车广告的人,公司才会考虑。因为这件事容不得一丝一毫的闪失。

与其说它像一家公司,不如说它更像一个 SWAT team。拍电影,就是一个特工队。特工队不是那种特别理想主义的组织,不是说大家一直 talk about ideas。你当然会 talk about ideas,但是拍片的时候,它就是一次军事行动。

做决定的时候,需要有一些独裁:不商量了,我们这么做。

但做 startup 的话,对人的态度要更长期。你要做一个真正好的 startup,应该对人更像是一种投资。

你会觉得做电影导演的这种独裁感更强吗?相对于做一个 startup,你怎么看这两种不同的管理风格?

李凯文

我觉得导演可能看上去是一个非常独裁的角色,但是任何好的管理者,独裁这件事都不 work。

不管是公司运营,还是更大层面的独裁,事实已经证明它为什么不行,原因很明显。你如果能找到跟你一路的人,激发别人的能力,让 10 个人聚力去做一件事,肯定远远大于一个天才式的独裁者。

你是什么风格的管理者?

李凯文

我一直把自己当成铺马路的那个人。大家来的时候非常顺利,对这个片子有完全一致的认知,有非常清晰的预判,然后把这件事顺利完成。

我觉得一个 CEO 真正的工作,就是把这条柏油马路铺得特别特别平。

那你们公司的目标是谁定的?

李凯文

公司的目标可以一起商量。我跟现在的产品同学、现在的合伙人一起定。他有大厂的经验和特种兵式的方法论,加上我的一些直觉判断,我们是完全互补的。

我们会自己立一个目标,然后去完成它。

你从一个非科技行业的从业者,现在做了一个 AI startup。今天很多人在自己的行业里也有一种受困于此的感受,想要突破这种困顿。你有什么建议吗?怎么离开那种困顿?

李凯文

事情都不是说出来的,也不是学出来的,都是做出来的。

现在 AI coding 的一个好处是,你没有什么借口不去做一件事。现在迈出第一步很简单。

我们刚才聊到,你拿了 Antler 的钱,做出了第一版 MVP,后来真格投了,是刘源的一个投资。你和刘源接触的过程中,有什么故事吗?

李凯文

当时在没有任何 market 的情况下,已经有很多付费用户了。下一阶段的斜率要远高于现在这个阶段,需要真正做一个 VC-backed startup。

那时候我开始回国融资。那一个月我什么都没干,就是一个一个见投资人,像 GPT 一样,得到了深刻的强化学习。

在这个期间遇到了刘源。我觉得上帝之手就是把我们俩放到了一起。中国这么大,有这么多投资人,out of all the investors, out of all the startup founders,我们居然能够遇见。

他是一个特别喜欢电影的人。做 AI startup 需要很多理性,但同时也需要很多感性。有的时候你看数据看多了,感性的那一面会逐渐被消除掉。能够保持感性、保持对这个世界天真的看法的人非常少。

刘源具备真正的感性,也具备真正的好奇心。给我印象最深的是,我们聊了很多电影。我一开始以为,他只是先把我放到温水里,最后再想办法煮我。

我也给他推荐了很多电影,但是他凌晨两点会说:“凯文,我看了你给我发的那部电影。”他是真的好奇。

我觉得这非常少有。对电影的共同好奇,是一个很重要的东西。

那这怎么导向投资的发生?或者说,你们对事业的共同追求和彼此认可,是怎么形成的?

李凯文

他是真的在试图完完全全地了解我,然后再建立一个关于我的模型,在未来对我做出判断。

而且他不喜欢正确的答案。我们没有聊过这个,但我觉得,如果有 A、B 两个选择,就像赌马一样,A 有 70% 的胜率,B 有 30% 的胜率。在理智的情况下,大家可能都会选 A。

但是即使你选对了,也不会从中得到特别多的满足感。你得做出一个特殊的选择,然后你选对了,而大多数人都错了,这时候才会得到更多的满足感。

在这一点上,刘源跟我是完全一样的。做了一件正确的事,可能就是 it's okay, it's fine;但如果做了这件事还能给别人打脸,那就是 that's even better。

你刚才说,见了非常多 VC 之后,形成了一个强化学习模型。有什么 tips 可以给其他还在创业、还在融资的 founders?

李凯文

首先放平自己的心态。不管怎么样,你没法练出一套完美的话术,不可能每个投资人都被你说服。

世界上有很多 VC,你要找到的是跟你能产生化学反应的 VC。因为投资不是一次性的事情,不是投完钱人就走了,而是大家会在同一条船上待很久,有点像一段长期关系的开始。

这件事发展的曲线不是“我一点点接近,最后融了”,而是在它发生之前,看上去都是不可能的。

所以面对拒绝,继续去聊下一个。不是所有的事情都能得出一套方法论,你就是得不断尝试,试这个、试那个。突然有一个行得通了,也没有什么特别可复刻的原因,就是天时地利人和,这件事就成了;天时地利人没和,就不行了。

这里好美啊!这个地方像一个拍戏的工地。当时我拍片看景的时候就看到这个湖,但它太巨大了,大到有点像一片海。

李凯文

对,太棒了。

李凯文

我开始做 ChatCut 之后,就是我高中那学校是一个,就是我同学都很有钱,以前都是我特别羡慕他们。但是我开始做 ChatCut 之后,我跟他讲我做的这个事儿,他说我第一次就是我能感受到就是有钱人对我的羡慕。

Koji

哇哦,就是你一个人有事儿做,那个是你最大的财富。

李凯文

同意。

李凯文

我人生最痛苦的一个时间是 2014 年、2015 年。那时候聚美上市了,我那年应该 29 岁,也有了一笔钱。

然后我裸辞了,去了美国,住在一个朋友家里。他当时已经买了一个湖景房,白天要去上班。他上班之后,我就自己躺在那套三面环湖的湖景房客厅里的白色大沙发上。

第一天心情非常好,还自己换上装备出去绕着湖跑步。第二天、第三天,到第四天的时候,我第一次感觉到了抑郁是一种什么情绪。

我摸手机,没人找我;再摸手机,还是没人找我。这个世界好像离我远去了,也没有人在意我。我不知道自己还能和谁发生什么样的联系。那真是巨大的痛苦。

然后我就知道了,从此以后必须要找事情干。躺着根本不快乐。

你当时在这里住了几个月?

李凯文

这一片住了一年,整整一年,春夏秋冬四季都经历了。

住在这里的时候,生活方式是什么?

李凯文

当时有车,每两周去一次山姆,把所有吃的东西都买回来。

当时我对健康比较有意识,每天要多走路,也要 work out。那时候还开始做一件事,就是冥想。

那一年的开头和结尾,你觉得自己有什么变化吗?

李凯文

我觉得那一年开头和结尾,我已经完全不是一个人了。

之前我是一个上海的广告纪录片导演。经过那一年,我觉得自己可以摆脱那个身份,以及任何一个身份,自己有了更强的定力。

你当时做导演的时候,一天的酬劳是多少?

李凯文

一天 10 万块钱。那就是 normal life,I show up is like……

但我觉得导演是一个没有杠杆的 business,你是用时间换钱。有了 ChatCut 这个 idea 之后,我觉得这个东西有强烈的杠杆,同时我仍然在做自己喜欢的事情。

所以做到现在,ChatCut 的大多数过程你还是享受的。

李凯文

有一本很有名的书,叫《活出意义来》,英文是《The Man’s Search for Meaning》。

过程中的享受和痛苦并不矛盾,更多在于你做的这件事有没有 belief,从根本上觉得它有没有价值。

如果你觉得自己的东西有价值,其实你越难受,最后越享受。它是成正比的。

越难受,感觉越享受。就像电影一样,不经历九九八十一难,直接“西天到了,咱们取经吧”,那部电影就不好看了。

所以你其实在期待一些磨难。影视真的是纯高强度的压力测试。

李凯文

片场能发生的事情,真的是你很难想象它会在日常生活里发生。

现在对我来说,从别的角度不说,但从抗压的角度来说,磨难发生在我身上,已经没有什么能触碰到我了。

所谓关关难过、关关过,也一样。我开始更有自信,觉得自己可以把问题解决好。

甚至“关关难过”的假设,还是说你是为了关后面的那个东西。但 that's the job,而不是为了后面的东西。如果这个关不存在,就是说 I have no job。

很有意思。The obstacle is the way。有一本书就叫这个,《障碍即道路》。难关本身就是一种生活方式,就是道路本身。

当时做导演、拍片的时候,你遇到的最大难关是什么?

李凯文

还真没有哪一个是单一的、巨大的难关,就是 everything goes wrong。

而且我感觉这也跟“关关难过”一样。Everything goes wrong 的假设是 it's supposed to go right,但是我的心态是:nothing's supposed to go right, you know? Of course it goes wrong, that's the job。

我们终于到了湖边。这是你经常会来的地方吗?

李凯文

是的。

你一般在什么样的情景下,会来到湖中间的这个亭子?

李凯文

之前我住在后面的一间小房子里,早晨可能第一件事就是来到这里。

我们再来聊一下 ChatCut。ChatCut 做的事情,是用自然语言帮助人进行视频编辑。有人觉得这一定会发生在未来,但也有人认为它可能永远不会发生。

我理解你肯定相信它一定会发生,所以才选择做这件事。你想到它的时候,脑海里有一个什么样的图景?现在有办法把它描绘出来吗?

李凯文

我觉得它不是“未来一定会发生”,我觉得过去视频就是这么剪出来的。

过去,视频可能是剪辑师在 Premiere 里操作剪出来的。但是视频本来就是通过聊天的方式剪出来的:客户拿着微信说,这个镜头给我放这儿,那个镜头给我放那儿,都是通过聊天的方式剪出来的。

当然,如果是特别细的活,可能会有这样的情况:我就要把这个东西挪一帧,我自己动手挪一下,比用聊天的方式说半天更快,而且它还可能给我挪错。这种情况是可能的。

比如我们现在这一大段采访,扔到 ChatCut 里面,你可以说:“刚才提到的这几个点不要提了。我记得当时说的这句话很好,放到最前面。帮我加上合适的音乐,帮我加上合适的 MG 动画。”

你可以说这样一句话,然后它就能帮你剪出一个大致的效果。

我觉得未来 App 的形态,不需要在表面上发生天翻地覆的变化。剪辑器是一个已经被解决过的问题:Premiere、Final Cut、DaVinci Resolve,甚至剪映,在编辑器这方面有 99% 的重合度,高度相似。

因为经过时代的打磨,这个轮子已经是圆的。

所以你不打算重复造一个轮子了?

李凯文

我觉得造一个轮子没有特别大的价值。

如果你们的愿景是做一个自然语言视频编辑器,中间会经过几个步骤?分别是什么?

李凯文

你不用完全重新造这个轮子,但不得不经历造这个轮子的过程。你没法拿着 Premiere 来做底层,直接在 Premiere 里面改。

你可以做插件,但那样会受到很多限制。这个轮子你还是要在不同程度上去做。

但最核心的部分,还是 AI 的抽象层:怎么帮助一个人完成剪辑助理的工作。它得掌握的是真正的剪辑工作流,而不是页面上所谓的创新。

AI 主要解决的是功能,也就是编辑器之上的一个层面,它是一个思维层面。

ChatCut 经历的是一个过程:现在的 AI 还是一个小学生,下一步的工作,是把这个小学生送去读高中、读大学,让它对这个世界有自己的判断。

当你把素材扔进去的时候,它可能不用等着你指哪打哪,而是看一眼素材就明白了,然后跟你讲这些东西应该怎么做,剪出一个高于你自己水平的视频。

所以第一步,你们现在做的还是要再造一个编辑器?

李凯文

第一步可能是一个比较平衡的发展,既有编辑器的成分,也有 AI 的成分。

不是说先造出一个编辑器,等编辑器做完之后,再轮到 AI。它是比较平衡的发展。

过去一年多做 ChatCut 的过程中,你思考最多的问题是什么?

李凯文

核心的问题可能是风格化。风格到底来自什么?

这里的风格,指的是影片的风格?

李凯文

对,影片的风格。

你在看一个人剪辑的时候,剪辑有两个层面。一个是涉及对与错的东西。比如说你中间说一句话,没说完就被卡掉了,这就是错了。我让你剪掉口水词,但口水词没剪掉,这也是错了。

但如果解决了这些基础问题之后,就没有绝对的对与错了。比如每个 YouTuber、每个自媒体都有很强烈的个人风格,整个剪辑过程都要理解这种风格化。

怎么用 AI 去复刻这种风格?我觉得这是现在还在探讨、没有人有答案的问题。

我理解这个难点在于,它很难有强化学习所需要的反馈闭环。

AI coding 之所以能够发展得这么快,是因为有 bug。它就是有 bug,所以很容易拿到强化学习的反馈。

但是一部片子好不好看,非常主观,也非常风格化。

李凯文

我在剪 Vice 的片子、剪 Discovery 的片子时,思路不是“李凯文来了,拿出自己的风格剪一下”,而是 follow a process,遵循自己的流程。

因为我用这样的流程,所以每次都不会把自己的 ego 放进去。素材量很多,但没关系,我们先看采访;采访也很多,听起来很难记住每一个点,那我们先做一个 Word 文档。

所以刚才提到,为什么剪辑很多都是文本上的工作。每次我 follow 这样的 workflow,最后就形成了这样的风格。

也就是说,它不是一个从 A 点到 B 点的问题。如果用传统工程的思维说,这是 A,这是 B,我们用强化学习大力出奇迹,那就像中国武侠小说里走火入魔一样,是硬来了,没有找到问题的关键。

但如果你观察一个人在刚开始做第一步的时候用了什么技巧,最后的成片为什么是这样,就会发现,这个技巧自然地帮助他形成了风格。

那要怎么把它变成 ChatCut 的一种能力?

李凯文

下一步的工作,是把真实剪辑师的工作流做成不同 agent 的工作流,然后观察他们在不同语境、不同素材里的不同表现。

很多东西需要人去定义。我觉得你说得完全正确:剪辑有很多是人类的 common sense,但它没有内化在 LLM 的训练数据里。

所以有些工作流先做什么、后做什么,这些小的 checklist、这些细节,实际上很大程度决定了成片是什么样。

今天做 AI 视频的工具很多,大家有不同的路径。这里面有很多关键选择,比如用什么模型,给用户多少自由度,要不要做 workflow,要不要使用生成的画面,还是坚持只用用户拍摄的画面。

在这一系列的关键选择里,能不能讲讲你认为自己已经做出了哪些非常清晰、非常笃定的选择?

李凯文

我们的目标就像一加一等于二一样清晰,原因是我们自己就是用户。

有时候问题提出的时候,可以直接想一想现实生活中每天拍东西、做创作的人,他们的需求是什么。

我觉得 AI 生成视频没有给真实世界带来特别大的影响。比如你坐在飞机里,看前面那个人在看什么;你在地铁里看见一个人在刷抖音,他刷到的是什么。这些视频是怎么剪的,一点都没变。

视频是怎么出来的,也一点都没变。

所以这个世界是矛盾的。有些东西看上去每天都在天翻地覆、每天都在革命,但有些事情就像我们坐在这片湖边一样,一点也没变。

我们的 AI 一直被比作一个蓝领,是世界上最接地气的 AI,解决最真实的创作者工作流。假如在这个工作流里解决一个问题,而且解决得很好,就是 a billion-dollar business。

比如 Frame.io,它是一个很好的 product,做的是视频 review,也就是审片。这是一个很 niche 的 market,但它能成为一家 multi-billion-dollar company,因为它不那么 sexy,却解决了真实世界里的真实问题。

另外一种观点认为,视频剪辑是环环相扣的。你刚才举例的审片,其实不在剪辑工作流里面。正因为剪辑环环相扣,大家会很谨慎地改变自己的剪辑工作流。

你做到现在,有没有看到哪些苗头?AI 的出现,会在哪些剪辑环节产生改变?

李凯文

我觉得你的评估在现实中也得到了验证。一个专业剪辑师很难被触动他的工作流。

之前我们的 target 很多是专业剪辑师,这也是我们改变 target 的一方面原因。我们意识到了这个生态系统的庞大,没法造出一个 Premiere,再在 Premiere 上面加一个 AI,这肯定做不到。

所以你们改变了目标用户群的定义。

李凯文

对,因为轮胎跟地表接触的时候,你就醒悟了。

现在对我来说,最 exciting 的是,我们的用户可能之前都不是剪辑师。比如一个一直想做内容、想起号的自媒体创作者,他之前觉得做内容很难,而剪辑一直是他不做这件事的原因。

现在拍摄特别简单,拿出手机拍出来的画面一点不比那些相机差。但剪辑是最重要的卡点。

如果解决他们的问题,让他们一下达到 80 分,我们给这些人提供的价值,甚至比让专业剪辑师提高 1.3 倍的工作效率更大。我觉得前者更有价值。

可以举一个具体的例子吗?比如刚才提到的新目标用户,他们因为有了 ChatCut,现在剪出了什么样的新片子?

李凯文

别的 AI 视频 App 生成的东西,一看就知道是用哪个做的:这是 Google Bill,这是 Clean,里面有水,肯定是集梦;这是漫画风格,肯定是什么什么工具。

但用 ChatCut 剪出来的片子,完全看不出来有 AI 痕迹,因为它只触碰剪辑,不生成任何像素。它只生成上面的动画,跟你用 AE 做动画的感觉是一模一样的。

所以我们用户做出来的视频,差别非常大,什么样的都有。

比如有一个老师发现,他可以把课件或者大纲直接扔进去,做成一个个 MG 动画,然后再录一段自己的视频,再用 ChatCut 剪一下,直接就能做成一个自媒体账号。

还有房地产视频,用户现在也能直接自己做。

我看到另外一种路径,和你们的目标用户是一致的:不服务最专业的用户,因为最专业的用户在 Premiere 里过得好好的;只服务那些想用视频表达、但今天还没有能力的人,这样的人群是广泛的。

有些产品的做法,是帮这些用户生成视频,再用生成的视频剪出完整的片子。背后有一个假设,就是用户自己拍东西很困难。

虽然拍摄工具很简单,但视觉语言的表达很困难。所以用户只需要有 idea,产品把 idea 翻译成视觉,生成视觉,最后组合成片子。

但这显然不是你们选择的路。

李凯文

这体现了我们对未来不同的认知和判断。

我觉得视频之所以存在,根本原因是它是人与人之间交流的东西。但如果里面的内容完全不跟现实世界相关,就很难感染一个人。

比如你录了一个很粗糙的视频,但这是一个真实的人对一个观众讲一个故事,它能引发的东西,不是“不专业”可以掩盖的。因为这个人是具备生命力的。

AI 能取代很多东西,但我觉得取代不了这个最核心的东西。

生成一定会成为一种创作手段,也会成为一种艺术手法。但如果你认为生成出来的东西可以代替别人拍摄,那就是对世界的一个错误判断。

所以你觉得可以有一部分生成,但不能是全部生成。因为全部生成没有真实世界的样子,很难打动人。

今天 AI 已经有很多突破,但还是有很多做不到的事情。从现在到有一天,真正的自然语言视频剪辑工具 ChatCut 诞生,中间还有哪些技术上做不到的事情,需要逐一突破?

李凯文

首先是上下文限制,这个一定要突破。视频是一个消耗大量 token 的东西,现在的上下文 limit 是一个问题。

另外是多模态的发展。实际上,多模态现在还没有一个真正意义上特别成熟的模型。Google 的 Gemini 算是一个好的开头,它对音频和里面说的话有大概的理解,但还没有精准到能直接做剪辑的程度。

我觉得多模态和上下文,会是比较大的突破。

今天 Cursor 之所以成立,是因为背后有非常多的代码,代码就是它的训练材料。但是要做一个 Cursor for video editing,也就是你们在做的事情,背后没有那么多开源代码,因为视频剪辑对应的知识全都在人的脑海里。

没有这些知识和材料,要怎么训练一个 AI,让它很好地帮助人完成剪辑工作?

李凯文

剪辑没有那么多代码,不是因为剪辑比代码难,而是因为剪辑里更多的是 common sense。

Common sense 是 LLM 本身就具备的东西,这是一个前提。

另外,我觉得剪辑还是得分成两块去提高。一块是能验证、能指哪打哪的东西。比如我要剪掉口误,但你没剪掉;我要做成抖音风格,但你没有把它变成竖屏 9:16。这些东西是能验证的。

另一块是好与坏的问题。我觉得如果做到第一个程度,其实就已经提供了巨大的价值。

假如有一天,你说得稍微清楚一点、把需求稍微说清楚一点,它就能指哪打哪,我觉得那一天它就已经能提供巨大价值了。

另外,我们也要通过自己的平台收集这些信息,一方面调优 prompt,另一方面……我不敢说这是不是一个训练模型就能解决的问题,但没有那些代码,that's true。

不过自己做平台的优势之一,就是我们可以积攒这些信息。我觉得这仍然是在挑战一件非常难的事情。

你来的路上我们聊过,觉得这件事上帝一定会选一个人来做,因为它一定会发生。你之前一直在看谁会去接上帝这个活儿,好像没有人接,然后你接了。

李凯文

对。

那为什么没有人接呢?

李凯文

That's interesting。

其实有两种创业状态不一样。一种是我做的事情有 1 万个人都在做;另外一种是我做的事情没有别人在做。

这两种各有各的好与不好。我觉得我们也不完全属于后者。很多人觉得我们在前者,甚至很多创业者也会觉得自己在前者,把我们归类为前者。

但我为什么说上帝这个活儿没人接?因为你能锁定一个方向,找到一个切入点和一个好的方法论,是非常难的事情。

这个切入点非常细腻。有时候它不需要一个特别天才、特别划时代的想法,通常只是:yeah, this works。

我需要的是一个很简单的认知,落到一个具体的东西上。恰巧我的纪录片背景在这方面起到了很大作用。

纪录片属于 unscripted,也就是无剧本创作。现在我们讨论的很多 content creation,比如你是一个 YouTuber,你做的就是 unscripted。

与 unscripted 相反的是 scripted content,也就是电影这样的创作,它有一个严格意义上的脚本。

剪辑 scripted content 的时候,需要解决的问题不是我选哪句话、怎么筛选内容、怎么找到逻辑,因为逻辑已经是铁打的了。你要解决的是,怎么找到这句话最好的表演,怎么找到这个 scene 最好的机位。

梁朝伟对张曼玉说:“我有个船票,你会不会跟我走?”他可能拍了 100 个 take。你让 AI 去选?Forget it, cannot be done。

而在 unscripted 这个层面里,纪录片是最难的,因为素材量巨大,目标又最盲目。

王兵拍《铁西区》拍了 3 年,最后要剪成 3 个小时。你不是带着脑海里的一个印象,最后剪成脑海里的那个东西,而是要完全面对每天拍摄的素材,有机地形成一个有生命力的东西。

但你找到这个东西之后,它的工作流和拍抖音完全一样,只是问题的程度不同。

比如你拍抖音,去长白山滑雪,拍了一堆 random 的东西。在一个比较低的程度上,你是在解决王兵做纪录片时同样的问题:在无序的素材里,怎么找到规则。

这些素材里可能有 3 条可能性的规则,但其中一条最吸引眼球。所以非常巧,我在 AI 出现之前就在做大量 VICE 和探索频道的纪录片。

我面对的就是 chaos、虚无的宇宙,从中得到的东西,恰好是现在内容创作增长最大的趋势。自媒体、YouTuber,其实都是纪录片。

我们现在做的,你可以觉得是在做一个 podcast,但 I think it's a documentary。

另外,我当时迈出这一步,时机特别好。LLM 已经出现了 1、2 年,但 AI coding 才刚刚出现。

Antler 给我最大的影响是,它是第一个投资 Lovable 的公司,所以我们有无限量的 Lovable credit。我刚开始的时候想,OK,有一个 Lovable,那我就做 web 呗,还等什么?

但现在回头想,如果那时候你开始做 web,现在还能有一定起色;相比之下,你现在才说“我也想做 ChatCut”,现在开始搭建团队,我觉得时机就稍微有点晚了。

这个世界不会停止不前。它还有其他像我这样的人在行动,你把坑占住了,我的萝卜已经扔进那个坑里了。你也可以硬塞一个萝卜进去,但是 life is not gonna be easy for you。

你刚才提到,之前拍纪录片时,拍了 3 年素材,最后要整理成 3 个小时、具有完整生命力的故事线。这里面其实有一些 know-how,有一些方法已经在你的肌肉里。

你是怎么把这些方法落到 ChatCut 的产品里,变成一些功能、一些大家今天看到的 feature 的?

李凯文

有一种 self-help 理论说,一个人在一年之内会取得什么样的成绩,不在于他给自己列了什么目标,而在于他养成了什么样的习惯。

我觉得这在 AI 里是一个被低估的方法。很多人觉得 AI 应该是:这是原素材,这是结果;或者这是 context,这是我想要的结果,它们之间应该有一个特别线性的连接。

但实际上,很难让很多人理解的是,一个问题有很多不同的正确答案。

我剪片的时候,有太多机缘巧合的成分。我可以这么剪,找素材的时候突然看到一个东西:哎,我没在找这个,但这个放在这里,works。

它没有绝对的对与错。所以如果你用 AI 去找一个绝对的对与错,它永远都会是错的。

你只能让它养成一个好的习惯:当这个地方有缺失的时候,要去看素材;当故事发展到这里的时候,一定要去找一个这样的 sound bite;在 scene 转场的时候,要尽力去找一个 transition。

而不是说这是原素材、这是好的剪辑,然后给它 10 万个样本。我觉得还是要找到一些细微的点,细微的点决定了宏观上的样子。

你是非常原教旨的自然语言剪辑派吗?也有人认为自然语言可能只能解决一半的问题,甚至更少。还有很多剪辑需要用拖动、滑拽来完成。

李凯文

我觉得这需要找到一个平衡。

从原则上来说,剪辑一定是一个人机互动的事情。AI 再强,我也看不到它有一天能完全取代一个人。

所以在 ChatCut 里,时间线编辑是一个比较重要的功能。文字编辑也是我们花了很长时间去做的东西。

从原则上来说,肯定不是 100% 依赖 AI 来完成所有剪辑。甚至我觉得,假如 AI 能达到 80%,但是给人空间去改;相比于 AI 达到 90%,但人没法改,我宁可要前者。

从你们开始做 ChatCut 到现在,模型经历了非常多的发展。最近这一两年,哪些突破对你们的帮助最大?不管是多模态还是 LLM。

李凯文

我觉得分成两个部分。一个是对产品的帮助。

在产品方面,Gemini 2.5 出来的时候,对我们的产品是巨大的帮助;这次 Gemini 3.0 对我们来说也是巨大的帮助。

可以分别讲讲帮助是什么吗?

李凯文

之前用 Claude 或 GPT 这样的模型,上下文长度不够。比如半小时的视频可能就已经超出上下文限制了。

现在 Gemini 有 100 万 token,甚至 200 万 token。以前做视频剪辑,第一件想到的事可能是要做 RAG、做 vector database,因为首先要解决上下文问题。但现在实际上可以先不用解决这个问题。

另外,我们 MG 动画的功能,很大程度上也是因为 Gemini 3.0 才成立的。

MG 动画其实也用了生成式 AI。跟别人不一样的是,我们不生成像素。我觉得生成像素就是 where I draw the line。

我们生成代码。未来你可以把它理解成做 PPT:它只是替你做了这个 PPT,而不是给你生成一个奥特曼,把房子踩扁。

多模态的进步,好像对你们影响不大,对吧?因为你们不用生成。

李凯文

多模态的进步,在这个阶段对我们影响不大,但多模态是一个绕不过去的东西。

下一步我们会融入更多多模态,一个是用来分析,一个是用来生成。

我们不是完全不想做生成,而是不想做一种无效的迭代。比如别人出了一个新模型,我们也接一个 API,表现得自己很勤奋,但实际上没有增加价值。

我们得有一个好的切入点,在模型 API 之上加入和剪辑的良好结合。对我们来说,这才是值得做的事。

在你看来,未来什么样的图景会让你觉得 ChatCut 达到了你想象中的成功?

李凯文

我可以绕一点回答这个问题。

Sora 刚出来的时候,我们刚开始琢磨做 ChatCut。那时候还不是 Sora App,而是 Sora 的 demo。那个滑雪的人一出来,大家就觉得,以后还拍什么电影,用这个就完了。

当时世界一下子慌了。它的标识性很强,一看就知道,哇,Sora 真厉害。

这是一个好的事情,也是一个坏的事情。它限制了创作者在其中参与的部分,因为不管你怎么 prompt,最后出来的还是一个 Sora 生成的东西。它是一个非常容易被辨识的东西。

我觉得首先要回避的,就是不要成为一个限制创作者的东西。

对我来说,成功是 ChatCut 像你写邮件或者日常工作里使用 ChatGPT 一样,是一个跟你的质量已经没什么关系、每个人都可以使用的东西。

但最终做出来的东西,还是你心目中的东西。刚开始你会觉得,有了 ChatGPT 之后什么都能做;但最后,你还是会回到自己的水平。

这很有意思。一开始我们可能以为,有了 ChatGPT,大家的能力都会统一拉到 1,000 分。

李凯文

对。但是我觉得,如果你有一个上知天文、下知地理,而且一直可以被你操纵的朋友,你应该是一个天才。

但我们没看到有特别多这样的天才。

我们来聊一下团队。之前在十字路口的开放麦上,你有一个分享,我印象很深。你说团队里有很多“炼金师”这个身份。能不能再快速介绍一下,炼金师是一个什么样的身份?

李凯文

一个炼金师一定是双重身份。他本来有自己的职能,比如工程师、研发、设计师或者产品经理。

炼金不能当饭吃,只能当副业,肯定是副业;或者说,炼金是一种荣誉。当你做一个东西做到一定程度的时候,大家会说:哦,你是一个炼金师。

它有点像古希腊的那个词 amateur。我们现在把它翻译成“业余”,但实际上什么是 amateur?就是一个为爱而做的人。

它和专业相反。现在看来,专业是好的,业余是不好的;但在古代,一个是为了钱做这件事,一个是为了爱做这件事。

当然,钱是基础,但我觉得一个东西的突破,往往来自一个人内心对它的执念。

现在有了 AI coding,可以让团队规模不那么冗余,让每个人更大地发挥自己灵光一现的价值。

所以在 ChatCut 里面,哪些功能或者我们今天看到的部分,是因为炼金师为爱而做的?

李凯文

MG 动画对我们来说就是一个突破。

它不在我们的 PRD 或者每周目标里,是我们的产品同学对这个东西有执念。他在做其他事情的时候,一直在旁边做这个东西。

结果他刚做上手两天,Gemini 3 就发布了。

Gemini 3 一发布,你就觉得,fuck,别的事先放下,先做这个。

李凯文

对。这个就是命运给我们的一个机会。

另外,可能有的人会把这个说法理解成“不尊重工程师”。其实传统方法也有它的作用。我的意思是,工程师也可以是炼金师,甚至在 AI 时代,工程师最好也学会炼金。

只有这样,AI 才不会淘汰炼金师。如果你严格按照做作业的方式工作,AI 会逐渐自己把作业做了。

听起来,你是在营造一种比较 empower 大家的团队氛围,激发每个人,让大家都可以自由地为爱做一些灵光一现的功能。

那在面试的时候,怎么去找这种人?你会问什么问题?

李凯文

以前可能更关注一个人的技术背景,他有没有能力解决我们需要解决的问题。

现在我更关注一个人的综合素质。比如他特别喜欢吃某个东西,或者对某个东西特别感兴趣。

如果一个人对任何事情都没有兴趣,他可能也不会对任何事情有好的标准。这样的人很难去炼金。

这让我想到,Google 曾经也讲过“80/20 文化”,有 20% 的时间给大家自由呼吸、自由创造。

李凯文

对。今天 NotebookLM 也是这样做出来的。

我觉得很多特别伟大的产品,一定具备一定程度的炼金成分。

比如 cloud code,它不是来自一个正式立项,而是有人觉得“我得给自己做一个东西”,然后,it worked。

我觉得人类历史上,我们在课本里读到的,很多时候是一个伟人为了一个伟大的事情做了很多付出,最后得到了他想要的结果。

但很多时候,其实是不知道结果会是什么样,只是一次次尝试。最后发现,红水加绿水是蓝水;蓝水放到伤口上,伤口就愈合了。

我们管它叫炼金,但这个词其实一直存在,它叫 tinker,就是不断鼓捣这个东西。

他不知道结果是什么,他的工作就是:咱们试试这个;没用,咱们再试试这个;再试试这个。

我觉得下一步我需要学会的,或者说我们需要提高的,是如何把这种意外的收获系统化,去制造这种意外。

它有可能系统化吗?

李凯文

我觉得完全有可能。这就是管理的难度和意义所在。

如果一加一等于二,那就没什么意思。它得是系统性地制造意外。

就像《反脆弱》里的理论,我特别喜欢那本书。你得去制造有利于你的意外,因为那个杠杆远远大于一加一等于二。

听起来你还是蛮期待一些意外的发生。是不是因为背后你暂时还没看到一条特别清晰的路,知道怎么走到那个结果?

李凯文

不,我觉得完全相反。

正是因为我能特别清晰地看见这个东西的结果,所以不用摁着团队的脖子说“按照大哥的意思走”。

因为结果特别清晰,所以你走这条道能走,走那条道也能走。你想走另一条道,也 that's okay。我可以放心大胆地让大家去走,因为我能看见那个东西。

当你能听见音乐的时候,你弹什么都是对的。

相反,如果目标不清晰,你做什么都是错的。老板不知道自己想要什么,所以你做什么他都不会满意。

如果生活幸福度的满分是 10 分,你觉得自己现在有几分?

李凯文

我觉得现在是 9 分。

非常高。这个分数一直都很高,还是最近才这么高?是 ChatCut 带来的吗?

李凯文

我在跟别人提到 ChatCut 的时候,第一次感受到身边一些财富自由的人投来羡慕的目光。

因为我有事情可以做,而且这件事不是 arbitrary,不是一个武断的决定。我做了一些市场调研,觉得 there is money in AI video editing。

因为你是在为自己的热爱做这件事。

李凯文

对。我能感觉到上帝的手在推动这件事。我一直说上帝,但我是一个无神论者。This is my life's work。找到自己的 life's work,找到一个 VC,让它成为一个 real project,这种事情发生的概率并不高。

我拍过很多片子,其实人生就是一部电影。有时候你得知道这是电影里的哪一幕,this is a good scene。

电影里的很多悲剧,是一个好事发生的时候,主人公不知道珍惜。作为观众,你会觉得这个男人不懂事,这个女人这么爱他,他都不知道珍惜,最后就有一个悲惨的结局。

而在我现在这部电影、现在这条故事线里,我没有这个问题。I know it, I know I'm very lucky。

你知道自己被爱着。

李凯文

对。

那你觉得失去的一分是什么?

李凯文

我觉得一个人如果特别具有竞技心理,可能就不会完全快乐。

我可能会有一天到达那个境界:既能高效地做出所有工作上的决定,同时又能保持心态完全平静。

但今天的我,还是一定程度上被 ego 操纵,会跟别人 compete,有竞争的心理。

我觉得这可能是这个阶段需要的东西,但它的存在会让幸福指数稍微降低一些。

如果有机会,你还会想做导演吗?

李凯文

导演是我任何时候都可以做的一件事。正因为如此,我不会特别着急,不会觉得“几年没拍片了,我得拍一个片”。

我现在做的每一件事,都会成为让我成为一个更好导演的燃料。

我在罗德岛设计学院第一天上电影课的时候,教授问了一个问题:“如果你不是一个导演,你会去做什么?”

有人说:“我去当木匠。”“我去当画家。”

其实我最感兴趣的是接我爸的厂子。教授说,其实那就是你的电影。

你最想过的人生,可能就是你最适合拍的电影。

电影不是一个东西,它是一个载体,是一个封装器。但很多学电影的人会以为,热爱电影本身就足够让你拍一部电影。

电影只是你对生活的理解。

我觉得现在做 ChatCut,是我现在需要做的事。电影这件事,你看侯孝贤,我可以到那个年龄还在做。

谢谢凯文,也祝福 ChatCut,希望它可以越走越好。也希望你的状态一直保持在 9 分。

李凯文

谢谢十字路口。拜拜。

视频剪辑的「Cursor 时刻」来了?|对谈 ChatCut 创始人李凯文:从金马导演到 AI 创业 | BidClub