今天傍晚我在外面逛街，一集 65 分鐘的訪談 Podcast 從 v5 改到 v9。v9 是我第一個聽完說「可以了」的版本。

這段時間我沒碰電腦。我做的事情只有三件：用藍牙耳機聽、在手機上打字回饋、選 A 或 B。

剪輯本身是 Claude 做的。但讓這件事成立的關鍵不是「AI 會剪片」，而是分工：判斷在雲端，苦工在我家的 Mac，耳朵在我的手機。

三個位置，三種工作

雲端：我跟 Claude 的對話跑在 Anthropic 的雲端工作階段。它負責判斷要剪哪裡、寫剪輯程式、下指令。字幕要校對時，它會開兩個分身，各讀一半同時抓錯字。

我的 Mac：Claude 桌面版連上這台 Mac 之後，雲端那邊可以在 Mac 裡開一台小型 Linux 虛擬機，只看得到我授權的幾個資料夾。ffmpeg 剪接混音、faster-whisper 離線辨識逐字稿，都在這台虛擬機裡跑。

我的手機：同一個對話在手機的 Claude App 也看得到。成品寫進 iCloud 資料夾，我在路上用手機開來聽。

為什麼不乾脆整包丟上雲端剪？因為原始錄音是 RODECaster 的多軌 WAV，三個檔加起來將近 10 GB。上傳要很久，而且這是還沒公開的錄音，留在自己的電腦上比較安心。

所以錄音檔從頭到尾沒離開過我的 Mac，離開的只有指令跟文字。

有在玩 AI 代理的人看到這裡，大概會覺得很像「小龍蝦」（OpenClaw）：在自己的電腦上養一個 AI 代理，人在外面用手機傳訊息叫它做事。

概念確實很像，差別在我沒有自己架任何東西。我用的是 Claude 桌面版：把對話連結到這台 Mac，雲端的 Claude 就能在 Mac 上開虛擬機、讀寫我授權的資料夾；出門後在手機的 Claude App 打開同一個對話，接著講就好。不用開伺服器、不用接通訊軟體的機器人，也不用自己管 API 金鑰。

代價是它只碰得到我授權的那幾個資料夾，而且 Mac 要開著、桌面版要在線上。對剪 Podcast 來說，這個範圍剛剛好。

剪輯是一條分段的生產線

流程長這樣：

WAV 合併 → 照剪輯企劃重排段落 → 逐字語音辨識 → 刪贅詞 → 母帶（加速、縮停頓、鋪背景音樂、插廣告、接片頭片尾、片尾彩蛋）→ 字幕。

這條線會長成這樣，是被限制逼出來的。

那台虛擬機每個指令最多跑 3 分鐘，背景程序在指令結束後也會被收掉。90 分鐘的錄音光是辨識一輪，就要切成幾十段慢慢跑。

所以每一站都寫成「做過就跳過、沒做完就接著做」。中間檔先寫成 .tmp，完成才改名。逾時了就再下一次同樣的指令，它會從斷掉的地方繼續。

這個設計在後面回饋時變成優勢。

我說「背景音樂太小聲」，只要重跑鋪 BGM 之後的幾站。我說「整體音量再大一點」，只要拿已經組好的整集重新調增益、轉 MP3，大概一分鐘。我說「彩蛋換一下」，只重做那 35 秒，再重新組裝。

前面最花時間的合併、辨識、去贅詞，都不用重來。

九個版本，每一版只改一件事

回頭整理，這集一共出了九版。每一版都是我聽完丟一句回饋，它只改那一件事：

版本	改了什麼	為什麼
v1	結構剪＋去贅詞＋母帶，約 64 分鐘	錄音照訪綱走，前 20 分鐘太悶，把我的直男按摩師故事、AA 制往前排
v2	去贅詞的刀口改成交叉淡接	我聽到剪輯點有「切換聲」
v3	重新合併麥克風分軌	背景嘶聲會隨換人講話忽有忽無
v4	背景音樂調小	以為是 BGM 的鼓點在句間冒出來
v5	句間停頓改成淡接	還是聽得到
v6	改用錄音介面的硬體混音軌，照上一集的做法	真正的根因，雜音消失
v7	背景音樂調回原本音量	v6 的 BGM 幾乎聽不到
v8	整體音量加大約 3 dB	藍牙耳機要開到 90% 才聽得清楚
v9	片尾彩蛋從一句加長成三段	原本的彩蛋不夠精彩

v2 到 v5 其實都在追同一個問題，下一節講。

最難的一個 bug：每一句之間都有「喀」一聲

這集卡最久的不是剪接，是聲音。

v3 到 v5，我每一版都聽到句子跟句子之間有切換的雜音。Claude 換了好幾種做法：接點改交叉淡入淡出、把背景音樂調小、停頓改用淡接。都沒用。

後來我跟它說：「之前的集數都沒有這個問題，你參考上一集的剪法。」

它去比對上一集的母帶程式，才找到真正的原因。

這集它一開始是自己把主持人跟來賓的麥克風分軌重新混在一起，混出來只有 -17 到 -23 LUFS，太小聲。母帶階段為了拉到目標響度，加了約 7 dB 的增益，聲音直接頂進限幅器。

結果就是每一句開頭的那個瞬間，限幅器都在壓。耳朵聽起來就是句子之間一直「喀」。

上一集的做法是直接用 RODECaster 硬體自己混好的那一軌，本來就有 -12 LUFS，人聲也不再加壓縮，限幅器幾乎不用工作。換成這個做法之後，v6 雜音就消失了。

後面 v7 到 v9 就都是「好不好聽」的微調，不再是修 bug。

我自己的收穫是：AI 換招換很快，但如果沒有一個「已知是好的」版本可以比對，它很容易一直在症狀上打轉。這時候人能提供的最大價值，是指出「上次是好的」。

我在手機上實際做了什麼

回頭看對話紀錄，我傳的訊息大概是這種長度：

「v6 已經沒有雜音，但背景音樂幾乎聽不到，幫我調大聲一點。」

「我用藍牙耳機聽，要開到 90% 才清楚，音量幫我調整一下。」

「彩蛋好像不夠精彩，有沒有其他建議？」

最後這句，它沒有直接問我要哪一段，而是先從開錄前的對稿和正片裡挑了三個候選，各自剪成十幾秒的試聽檔放進 iCloud，附上推薦理由。我在路邊聽完，回「B」，後來又改口「原本那個再加上 B、C」。幾分鐘後新版本就在 iCloud 裡了。

這是我覺得這套流程最舒服的地方：需要判斷的時候，它把判斷變成可以用耳朵做的選擇題。 我不用描述我要什麼聲音，我只要說哪個比較好。

中間踩過的坑

Mac 硬碟爆了兩次。 多軌 WAV 加上一堆中間檔，空間一下就沒了，檔案寫到一半被截斷。後來改成先在虛擬機自己的磁碟上渲染，完成後才複製回資料夾，再用 cmp 逐位元比對一次。

雲端寫回 Mac 會延遲。 有時候檔案「寫入成功」，但 Mac 上看到的還是舊版。現在每次寫回都會比對 md5，對不上就改在虛擬機裡直接產生。

隱私要逐條檢查。 訪談裡有幾處說溜的個資，包括我的本名。這些都在剪輯企劃裡列成待辦：本名用嗶聲蓋掉，可辨識的地點直接剪掉，字幕跟節目說明欄也一併檢查不能出現。AI 會照清單做，但清單要人先開出來。

結論

這一集裡，我比較像製作人，不像剪輯師。

AI 負責所有能寫成程式的事：切、接、混、辨識、校字幕、算時間軸。我負責它沒辦法替我決定的事：哪一段好笑、哪個音量舒服、什麼東西不能播出去。

而讓這件事可以在逛街時完成的，是把工作放在對的位置：判斷放雲端，重活放在檔案所在的那台電腦，最後一關留給自己的耳朵。