
Videóvágás AI-jal, lépésről lépésre: megmutatom, milyen eszközök vágják a Reels-videóimat, és mire figyelj, ha te is ilyet szeretnél.
„Ezt hogy vágtad meg?” Egy rövid Reels-videóm után ezt kérdezték tőlem a legtöbben. A válasz kicsit kínos: sehogy. Nem én vágtam, és vágót sem fizettem. Egy rendszer csinálta, amit két nap alatt raktam össze a saját gépemen, AI-jal.
Csakhogy a „vágja az AI” így elég semmitmondó. Mit csinál pontosan a gép, és mit csinálok még mindig én? Melyik része ingyenes, és melyikért kell fizetni? És főleg: neked, aki fodrászként, villanyszerelőként vagy webshoposként havonta pár videót tennél fel, megéri-e ezzel bajlódni? Leírom az egészet, a hibáimmal együtt (volt belőlük bőven).
Mit jelent az, hogy az AI vágja a videót?
Az AI-alapú videóvágás azt jelenti, hogy a gép kidobja a nyers felvételből a felesleges részeket, feliratot tesz rá, és megtervezi a vágás ritmusát, neked pedig csak jóvá kell hagynod. A kész alkalmazások (CapCut, Submagic, Vizard) ezt egyetlen gombnyomással intézik. A saját rendszerem lépésenként halad, és mindegyik lépésbe bele tudok szólni.
Miért nem egy kész appot használok? Mert azokból mind ugyanolyan videó jön ki. Ugyanazok a sárga feliratok, ugyanazok a zoomok. Én olyat akartam, ami úgy néz ki, mintha egy profi vágó dolgozott volna rajta, és pontosan azt hagyja benne, amit fontosnak tartok.
A gép vág, a döntés az enyém marad. Ettől más, mint egy egygombos app.
Milyen eszközökből áll a rendszer?
Öt darabból. Négy közülük ingyenes, nyílt forráskódú program vagy modell, vagyis bárki letöltheti és használhatja, az ötödik pedig egy AI-asszisztens, ami az egészet vezényli. Egyik sem „videós AI” a szó reklámos értelmében. Mindegyik egyetlen feladatra való, abban viszont nagyon jó.
- Claude Code – a karmester. Az Anthropic AI-asszisztense, ami a gépemen fut: programot ír, fájlokat kezel, elolvassa, mit mondtam a videóban, és ő tervezi meg a vágást. Ez az egyetlen előfizetéses elem.
- Whisper – a gépíró. Az OpenAI beszédfelismerője, ingyenes és nyílt forráskódú. Szóról szóra leírja, amit mondok, és minden szóhoz ezredmásodpercre pontos időbélyeget ad, vagyis tudja, melyik szó mikor hangzik el.
- FFmpeg – a svájci bicska. A videós világ legrégebbi ingyenes munkalova. Ez vágja ki a felesleges részeket, és ez javítja fel a képet meg a hangot.
- Remotion – a grafikus. Egy keretrendszer, amellyel webes technológiával, kódból lehet videót készíteni. Ez rajzolja meg a feliratokat, az animációkat és az átmeneteket. Magánszemélynek és legfeljebb háromfős cégnek ingyenes, nagyobb cégnek a Remotion licencfeltételei szerint céges licenc kell.
- Robust Video Matting – az olló. Egy AI-modell, ami képkockánként kivágja az alakomat a háttérből. Ettől kerülhet a nagy felirat mögém, és ettől mosódhat el a háttér, mintha drága objektívvel vettem volna fel.
A zenét sem a netről szedem. A két alapzenét a Higgsfielddel generáltattam, és mindkettő instrumentális. Így nem kell azon izgulnom, hogy az Instagram egy jogvédett szám miatt lenémítja a videót.
Hogyan készül egy videó? A hat lépés
Most jön a lényeg. Egy harmincmásodperces videó hat lépésen megy át a felvételtől a kész fájlig, és ebből csak kettőnél kell tényleg ott lennem: a felvételnél és a jóváhagyásnál.
1. Felvétel: egy beállítás elég
4K-ban, 30 képkocka/másodperccel veszem fel, kikapcsolt HDR-rel. Egyetlen kameraállás, se második szög, se operatőr. Ha elrontok egy mondatot, nem állok meg, hanem újrakezdem, és megyek tovább, a rendszer pedig mindig a későbbi, jobb változatot tartja meg. Harminc másodperchez nagyjából száz kimondott szó kell, ezért a szöveget előre megírom, és nagy betűkkel kinyomtatom.
2. Átirat: minden szó a helyén
A Whisper a videókártyán futva leírja a szöveget, minden szóhoz pontos időbélyeggel. Ezen áll az egész rendszer: minden további lépés ezekből az időbélyegekből dolgozik. Az én gépemben egy régebbi GTX 1060-as videókártya van, és ha a nagy modellnek nem elég a memóriája, a rendszer magától kisebbre vált. Lassabb – de megy.
3. Vágási terv: itt dolgozik az AI
A Claude elolvassa az átiratot, és tervfájlt készít belőle. Ebben benne van, melyik csend és melyik elrontott mondat esik ki, mely szavakból lesz nagy, animált kulcsszó, hová kerülnek az átmenetek, a grafikák és a hangeffektek, és hol lesznek a „virtuális vágások”. Ez utóbbi a legjobb trükk az egészben. A gép ugyanabból a felvételből más-más kivágást mutat, egyszer tágabbat, egyszer szorosabb közelit, és ettől pörög egy olyan videó is, amit egyetlen beállításból vettem fel.
4. Jóváhagyás: itt a gép megáll
Ez a legfontosabb lépés. A rendszer itt leáll, és megmutatja a tervet: mit vágna ki, milyen szöveggel, mennyi lesz a végső hossz, és hol gyanítja, hogy a Whisper félrehallott egy nevet. A videóba csak az kerül bele, amit jóváhagyok vagy átírok.
Egy AI-ra bízott folyamat ott romlik el, ahol senki nem nézi meg, mit csinált.
5. Vágás és retus
Az FFmpeg kivágja a felesleges részeket, zajt szűr, finoman simítja a bőrt, élesít, és rendbe teszi a hangot: helyreállítja a túlvezérelt, recsegősre sikerült részeket, és tisztábbá teszi a beszédet. Közben az AI-modell elkészíti az alakmaszkot, vagyis azt a „sablont”, ami minden képkockán megmondja, hol vagyok én, és hol kezdődik a háttér.
6. Render: a gép összerakja
A Remotion képkockánként összerakja a végleges videót a feliratokkal, a mozgó grafikákkal, a filmes színezéssel, a zenével és a hangeffektekkel. A kész fájl Instagram-szabványú: 1080×1920 pixel, −14 LUFS hangerő. A LUFS a hangosság mértékegysége. Ha a videód ennél sokkal hangosabb, a platform lehalkítja, ha meg halkabb, a nézők simán továbbgörgetnek.
Mit rontottam el menet közben?
Elég sok mindent. Az első videóim technikailag hibátlanok voltak, nézni viszont fárasztó volt őket. Négy tanulság maradt meg, és szerintem ezek akkor is igazak, ha te egy appal vágsz.
Kevesebb néha több. Az első változatban 31 másodpercre 29 vágás jutott. Lenyűgözőnek gondoltam. Idegesítő volt. A túl sűrű vágás és a sok hangeffekt kifárasztja a nézőt, ezért ma harminc másodpercre nagyjából húsz vágással és tíz másodpercenként két-négy hanggal dolgozom. A „pittyegéseket” teljesen kidobtam: hang csak a valódi vágásra és a nagy kulcsszóra szól.
A háttérelmosásnál a finomság számít. Az erős elmosás elsőre profinak tűnik, aztán észreveszed, hogy a fülem és a hajam körül furcsán remeg a széle. Ott lebukik, hogy gép vágott ki. Visszavettem a töredékére, és azóta senkinek nem tűnik fel.
Mérj, ne csak hallgass. Egy ideig nem értettem, miért tompa a hangom. Hallgattam, állítgattam, de nem lett jobb. Aztán megmértem, és kiderült, hogy a hangláncban egy rosszul beállított szűrő, egy úgynevezett de-esser (ez halkítja a sziszegő hangokat) 10 decibellel vágta a magasakat. Kivettem, és visszajött a hang. Fülre ezt sosem találtam volna meg.
A gép számít. Az én négymagos, i7-6700-as processzoromon egy 31 másodperces videó renderelése, vagyis a végső összerakása kb. hét perc. Elsőre soknak tűnik, csakhogy közben nem kell a gép előtt ülnöm. Elindítom, főzök egy kávét, és kész.
A legtöbb amatőr videót nem a kevés effekt rontja el. Hanem a túl sok.
Mennyi időt spórol ez valójában?
A legtöbbet a nyűgös részen. A csendek kivágása, a feliratok szóról szóra időzítése és a kulcsszavak animálása egy vágóprogramban, kézzel még egy harmincmásodperces videónál is órákig tart. Nálam ebből annyi maradt, hogy elolvasom a tervet, belejavítok, és jóváhagyom. A renderelés hét perce már a gép ideje, nem az enyém.
A rendszer felépítése viszont nem volt ingyen. Két napig raktam össze, a referenciavideók elemzésétől a hangláncig, és közben rengeteget tanultam. Arról, hogy mikor jön vissza a befektetett idő, külön írtam a megéri-e automatizálni kérdésről szóló cikkemben.
A tartalomgyártás más részeit is régóta AI-jal oldom meg. Az öltönyüzleteink termékfotói például így készülnek: telefonos fotóból lesz modelles kampánykép, gépi minőségellenőrzéssel.
Kinek nem éri meg?
Őszintén: a legtöbb kisvállalkozónak ez a rendszer ebben a formában túl sok. Ha havonta egy-két videót teszel fel, egy kész app (CapCut, Submagic) bőven elég, és tíz perc alatt megtanulod. Ha pedig nem szeretsz parancssorral és mappákkal bíbelődni, egy saját rendszer több bosszúságot okoz, mint amennyi időt megspórol.
| Kész app (CapCut, Submagic) | Saját AI-rendszer | Videóvágó ember | |
|---|---|---|---|
| Kinek való? | Havi pár videóhoz | Heti több videóhoz, egyedi stílushoz | Kampányhoz, forgatáshoz |
| Beállítás | Percek | Napok | Egy brief |
| Egyedi kinézet | Sablonos | Teljesen a tiéd | Teljesen a tiéd |
| Beleszólás | Korlátozott | Minden lépésben | Visszajelzéssel, körökben |
| Saját munkád videónként | Kevés | Felvétel + jóváhagyás | Felvétel + visszajelzés |
Akkor éri meg, ha hetente többször jelensz meg videóval, ha fontos, hogy a videóid ne úgy nézzenek ki, mint mindenki másé, és ha a vágás már a munkád elől veszi el az órákat. Van viszont egy eset, amikor semmilyen eszköz nem segít: ha a videó tartalma még nincs meg. Egy rossz mondatot a legjobb vágás sem ment meg. Ha a szöveggel van gond, kezdd inkább azzal, hogy a ChatGPT-vel írod meg a rövid videók scriptjét.
Mire figyelj, ha te is ilyet szeretnél?
Az első a jog. A referenciavideókból, amelyekből a stílust tanultam, csak általános stílusjegyeket vettem át: a felirat helyét, a vágás tempóját, a színezés jellegét. Logót, grafikát, zenét vagy egy az egyben lemásolt elrendezést soha. A zenét pedig, ahogy írtam, generáltattam, nem letöltöttem.
A második a képernyő széle. Az Instagram felülete fent és lent is eltakar egy sávot, ezért az én rendszerem felül 220, alul 380 pixelt hagy szabadon: oda nem kerülhet felirat. Ha appal vágsz, az előnézetben mindig nézd meg, nem lóg-e be a szöveg a gombok alá.
A harmadik a legfontosabb: tartsd meg a jóváhagyási lépést. Bármilyen eszközt használsz, a gép néha félrehall egy nevet, vagy kivág egy mondatot, amit te fontosnak tartottál. Ha erre általában is kíváncsi vagy, ebben a cikkben összeszedtem, mit bízhatsz ma nyugodtan az AI-ra, és mit nem.
Szóval ki vágta azt a Reelst? Egy gépíró, egy svájci bicska, egy olló, egy grafikus és egy karmester. Én csak felvettem, és rábólintottam. Ha kedvet kaptál, de nincs időd magad összerakni, nézd meg az AI fotó- és videókészítés szolgáltatást, vagy foglalj egy ingyenes 30 perces konzultációt, és együtt átnézzük, hogyan működhetne egy ilyen rendszer nálad.
Gyakori kérdések
Meg tudja vágni a videót az AI teljesen egyedül?
Technikailag igen, de nem érdemes hagyni. A videóvágás AI-jal akkor működik jól, ha a gép elkészíti a tervet, te pedig jóváhagyod: így nem esik ki egy fontos mondat, és nem marad benne egy félrehallott név.
Milyen programmal lehet AI-jal videót vágni?
Egyszerűbb igényekre a kész alkalmazások (CapCut, Submagic, Vizard) a legjobbak. Egyedi stílushoz a saját rendszerem a Claude Code, a Whisper, az FFmpeg, a Remotion és a Robust Video Matting együttesére épül.
Ingyenes az AI-alapú videóvágás?
Részben. A Whisper, az FFmpeg és a Robust Video Matting ingyenes és nyílt forráskódú, a Remotion pedig magánszemélynek és legfeljebb háromfős cégnek ingyenes. A Claude Code előfizetéses, és a kész alkalmazások jó részének is van fizetős csomagja.
Hogyan lehet Reels-videót vágni AI-jal egyetlen felvételből?
Virtuális vágással: a rendszer ugyanabból a felvételből más-más kivágást mutat, egyszer tágabbat, egyszer szorosabb közelit. Ehhez 4K-ban vedd fel a videót – így a közeli kivágás is éles marad.
Milyen gép kell az AI-os videóvágáshoz?
Nem kell csúcsgép. Én egy négymagos i7-6700-as processzorral és egy régebbi GTX 1060-as videókártyával dolgozom: egy félperces videó renderelése kb. hét perc, de közben nem kell a gép előtt ülni.
Hány vágás legyen egy 30 másodperces Reels-videóban?
Az én tapasztalatom szerint nagyjából húsz. A 31 másodpercre jutó 29 vágás már idegesítő volt, tíz másodpercenként pedig két-négy hangeffekt bőven elég.
Elakadtál?
Írj, és közösen megoldjuk.
Ingyenes 30 perces audit: megnézzük, hol tartasz, és mit vehet át az AI.
Írj nekem

