公开材料里没有“当晚发布”的具体耗时记录,但能看到一条把字幕校对、高光、标题、简介、章节串起来的后期流水线,以及一套按频道标准定制的 skill,发布快更可能来自这条流水线,而不是临时赶工。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
发布快靠的是预先搭好的后期流水线
材料里的观点一期录完之后,后面有一串重复但不能糊弄的活:字幕转写、专有名词校对、按剪辑需要重新断句、挑高光、写文章、想标题、整理简介和章节;访谈还要分清谁说了哪句、准备嘉宾审阅版本。这套工具把这些串成一条流水线,输入一段视频或音频,输出可以直接进入发布流程的一组文件,包括精校字幕、高光说明、文章、标题建议、简介章节,访谈还可选说话人标注和嘉宾审阅文档1。它明确是给这个频道做的生产工具,里面放了频道 guideline、真实高播标题、术语库和口吻要求,所以更像可 fork 的起点,不是通用写稿工具1。
Show notes 用自建 skill 按编辑标准生成
材料里的观点节目下面的介绍、章节时间和相关链接,Riverside 也能自动生成,但立正说自己一般用自建的 skill 和编辑标准来做,相关后期 skill 可以从视频或已有字幕开始,处理字幕校对,再按需要生成介绍和章节2。发布成音频播客时,还会按播客的阅读场景重新整理 show notes,要求读者打开这一期先明白聊了什么、为什么值得听,再靠章节找到关心的部分2。他也提醒,show notes 里的时间戳要对应最终发布的那一版,视频和音频剪得不同就不能共用一套章节时间2。
工具链能自动到什么程度
在一段公开演示里,流程会先做转录,再调度本地的 Codex 命令行工具精校脚本;如果识别出是在访谈嘉宾,还会调用声纹识别工具区分谁说的话,再跑多轮 AI 生成高光片段、起标题、做截图,最后汇总到一个可以直接分享给嘉宾的 Google 文档里,里面分嘉宾预览、正文伴读文章、高光剪辑地图、标题封面、发布文案和制作说明3。这说明“录完当晚就能发”在结构上是可能的:转录、校对、选段、文案这些环节都有工具承接,人主要做判断和把关。
公开材料没有记录这次发布实际花了多少时间,也没有逐条列出当晚的操作顺序;上面说的是可复用的流水线结构,不等于当晚的真实耗时。
出处
- 1我的视频后期流水线skill
最直接说明后期流水线的输入输出和它为什么能压缩发布准备时间。
- 2我是怎样做视频播客的
解释 show notes 和章节如何按编辑标准生成,以及时间戳要对齐最终版本。
- 3用豆包还是Codex,正在加速两极分化…
展示工具链自动做到哪一步,包括转录、声纹区分、高光和嘉宾文档。
你也有想问的?
卡住的时候,问问立正:回答只从立正讲过、写过的东西里来,每一段都能点回原文。
问类似的问题也可以接着问:
别人还问了
- 为什么要学AI
学 AI 是为了练出能迁移的判断力:撤掉帮助、换个任务,你还能把模糊需求变成可交付的结果。
- 如果把工资换算成当地实际能够购买的生活体验,而不是简单比较汇率后的收入,同一个中高收入者在中国会不会拥有比美国更高的日常生活品质
不能一概而论:同一笔收入在中国能换到的日常体验往往更多,但生活品质还取决于社会保障、家庭负担和你能接受的生活方式,钱只是其中一个变量。
- 你怎么看待data scientist的未来呢?这个岗位的未来他会消失吗?还是会变成另一种形式存在?那我现在是做Product Analyst,如果你说要离业务更近的话,那其实product analyst 可能离业务还更近,那难道就是我其实继续做Pod粗体Analyst,然后争取往业务转型是更好吗?还是有其他的转型方式例如我可能想到的是就是把data science 变成一种产品去办一些小公司比说提供数据转型或者数据分析的服务。
DS 岗位不会消失,但会从“做模型”转向“用数据直接驱动业务决策”;你继续做 Product Analyst 并往业务靠,和把数据能力做成产品,是两条都成立但验证方式不同的路。
- 当前时间点,转行ai产品经理是性价比高的职业路径吗?没有产品经验
资料没有直接回答“现在转行AI产品经理是否划算”,但能给出判断框架:性价比取决于你能否对业务结果负责,而不只是拿到一个岗位名。
- jev 火了一周 现在销声匿迹了,是伪概念还是什么?
热度退潮不等于概念是假的,但也不等于它值得采用。判断标准是:它改善的指标是不是你任务的瓶颈,以及不用它时你最好的替代方案是什么。
- 你觉得 AI 的下一个风口是什么?
材料里没人给出一个确定的风口,反而反复说五年后的事很难预测;能站得住的判断是:机会在把 AI 落到真实业务结果上,而不是押某个具体赛道。