转成竖屏，就是把画面的三分之二丢掉
你的素材是 16:9，而 TikTok、Reels 和 Shorts 是 9:16。这两个数字之间的一切都是关于「丢掉什么」的决定，一旦决定错了，瞬间再好、字幕再好，片段看上去都是坏的。这是几乎没人谈论的部分，也正是它决定一个片段看起来像人做的还是像脚本做的。
两个省事的答案，以及它们为何都失败
居中裁剪取中间那条并填满屏幕。在特写上很有力，在全景上是灾难：球传到边路，裁剪后的画面根本不显示，你看到的只是对一个看不见的动作的反应。
加黑边把整幅画面缩小并补上条带。什么都没丢，但什么都很小，整条片子这样处理，看起来就像「视频的视频」。
真正的错误是把重新构图当成一次性的全局决定。正确的构图不是视频的属性。它随时刻变化，所以决定必须跟着变，然后在每个镜头内部稳住，让画面既不抖也不飘。
它逐个镜头选择什么
镜头切换划定边界，边界之间的每一段按自身条件构图。有人说话的内容又加了一个维度：一个人、两个人还是一整桌，各自需要不同的版式；既不把谁挤出画面，也不把所有人压进一条细带，这才是大部分工作。
由一个人撑起这个瞬间。画面跟住说话的人并保持稳定，而不是慢慢飘走，因为一个一呼一吸的画面即使居中正确，也会被读成错误。
把全景居中裁剪是经典的失败：足球片段里球传到边路，你只看到对看不见动作的反应。这里画面保持足够宽以留住动作，并对准真正的主体而不是几何中心。
两个人对话。画面一分为二，各给一个特写，这正是一来一往所需要的。当其中一人单独撑起这一段时，立刻回到单一画面。
三到四位讲话者，各占一格。四人访谈做成宫格，在手机上的可读性是裁剪后的会议画面永远达不到的。
游戏实况、录屏和直播，小摄像头待在角落。主体内容占据上方，摄像头获得自己的条带，而不是让裁剪二选一、丢掉另一个。
标题卡、全屏图形和幻灯片。有些东西只有完整才成立，所以完整呈现，而不是裁到失去意义。
最终拍板的是你
无法修改的自动构图比不做自动化更糟，因为它判断失误的那一个镜头，正是让你发不出去的那一个。在编辑器里可以只为某一个场景设定构图而不影响片段其余部分，也可以用手拖动裁剪框。这些按场景的选择会一路保留到导出，这听起来理所当然，却正是多数预览默默无法保证的事。
诚实的部分
这里没有一个聪明的模型。是计算机视觉和音频在支撑判断，而这些判断要拿真实素材一遍遍地调，看哪里不对就改哪里。大部分进步来自那些把它弄崩的视频：节奏快的足球比赛、多主持人的播客、一张脸都没有的录屏。
快节奏体育是工作仍在继续的地方，也值得把已经成立的部分说清楚。一场比赛的全景恰恰是居中裁剪失败得最厉害的场面：球一旦传到边路，裁剪其实早已把那部分场地丢掉了。这里画面保持足够宽以留住动作，并对准动作本身而不是画面正中。它还做不到的，是在同一个连续镜头内部跟住比赛，像摄影师那样。构图质量不是一项会做完的功能。对一个剪辑工具来说它就是全部胜负，所以这项工作还在继续。想知道今天做到哪一步，丢一条视频进去，看它如何构图每一个瞬间。
常见问题
因为它在特写上有效，在其他一切上都失败。把全景居中裁剪，恰好删掉了这个镜头之所以存在的那部分画面。这是自动剪辑的视频看起来坏掉的最常见原因，哪怕选中的瞬间是对的。
什么都没丢，但什么都很小。整条片子都是黑边，看起来就像「视频的视频」。加黑边对标题卡是对的，对对话是错的，这恰好说明为什么不能对整条片段一次性决定。
可以，按场景改。编辑器允许只设定某一个镜头的构图而不碰其他镜头，而且这些选择会保留到导出，不是预览里的假象。
那正是让粗糙检测器失效的情况，所以被明确处理：没有人的录屏或空镜段落，会按内容构图，而不是去对准一张并不存在的脸。
它把比赛留在画面里，这是居中裁剪做不到的：在全景里，裁剪恰好切掉了动作刚刚转移过去的那片场地。它还做不到的，是在一个连续镜头内部像摄影师那样跟住比赛，因此一段不间断的长回合是被构图而不是被跟踪。这部分仍在打磨中，与其让你在一场比赛里发现，不如我们先说。
不是。是人脸和人体检测、镜头切换检测、说话人分离和音频，共同驱动一组规则，而这些规则是拿会把它们难住的素材调出来的。大部分进步来自失败，不是成功。
看它如何给你的素材构图
有意思的测试不是一个正面出镜的讲话画面。给它一段带全景、带标题卡、不止一个人的素材，看看画面往哪儿走。