【直播切片工作台】第33章AI 切片核心选段生成算法

标题：直播切片工作台 AI 选段生成算法解析，第 33 章核心实现思路

直播切片工作台这套 AI 切片核心选段生成算法，不走直接输出时间戳的方案，采用句索引传递、边界对齐、相邻片段合并、语义复审的流水线，专门解决直播长回放切片容易切到半句、片段不完整、主题混杂的痛点，整套方案是前后双层筛选，先粗筛候选，再精修可用切片，适合带货直播、知识分享这类口播型长视频。很多普通 AI 切片工具直接让大模型返回时间戳，很容易出现越界、时间错位、断句混乱，这一套算法做了约束，让大模型只输出句子索引，再由程序把索引映射回 ASR 词级时间戳，降低大模型输出出错概率。整套执行链路可以拆成四个核心环节，先拿到带词级时间戳的转写结果，再交给大模型选出目标句子下标，接着做索引转时间戳与边界校验，再合并间隙很短的相邻片段，最后进入语义复审，过滤掉开头突兀、话没说完、多个主题混在一起的候选片段，最终输出可以直接剪辑的成片选段。这套算法和工作台前面章节的任务调度、剪辑模型互相配套，共用同一套合并常量，保证草稿预览、最终成片两边逻辑统一，不会出现预览和导出片段不一样的问题。

AI 选段生成算法四大核心步骤清单

1. ASR 预处理：输出带词级时间戳的语句列表，每一条 Utterance 都绑定起止时间、逐词时间标记，作为整个选段的底层索引源。
2. LLM 索引召回：大模型不输出时间戳，只返回选中句子的整数索引数组，大幅降低输出格式异常，同时支持自定义提示词，按卖点、黄金开头、问答、福利等不同方向筛选。
3. 索引重组与边界防御：执行 buildClips1FromIndices，过滤负数、超出总句数的非法索引，把命中句子转为 ClipWithText 对象，完整保留词级时间戳，用于后续字幕对齐。
4. 相邻片段合并与语义复审：调用 mergeAdjacentClips1，间隙小于等于 500ms 的片段自动合并，再进入语义复审，标记弱开头、弱收尾、多主题混杂的风险片段。

双层选段模型说明

关键常量与校验规则

• ClipMergeGapMS：500ms，两段之间停顿小于这个阈值就自动合并，避免正常换气被切成两段
• 语义复审标记项
• weak_start_context：片段开头缺少前置语境，单独发短视频看不懂
• weak_ending：句子没收尾，话没有讲完
• mixed_topics：同一段里面混杂多个无关主题
• is_complete_thought：判定这段是否可以独立作为一条短视频
• 输出附带 confidence 置信分，方便人工优先筛选高分片段

和传统高光切片算法对比

• 传统高光切片：依赖音量峰值、画面变化、弹幕热度，适合游戏、赛事，带货直播容易误切到噪音、重复话术
• 这套索引式选段算法：优先语义驱动，以完整表达单元为基础，可控性更强，可以按业务提示词定向抓取产品卖点、福利话术，适合批量带货切片；缺点是高度依赖 ASR 转写准确率

【相关 FAQ】

问题 1：直播切片工作台第 33 章里，AI 切片核心选段生成算法为什么不让 LLM 直接输出时间戳？

回答 1：直播切片工作台 AI 切片核心选段生成算法选择让大模型输出句子索引而不是时间戳，是为了减少格式错乱、时间越界、切到半句等问题，整数索引输出更稳定，再由程序映射回词级时间戳，对齐字幕更可靠。

问题 2：直播切片工作台这套 AI 选段生成算法，相邻片段什么时候会自动合并？

回答 2：直播切片工作台 AI 选段生成算法设定间隙阈值为 500ms，如果两段选中语段之间的间隔小于等于这个数值，就会执行相邻合并，防止主播短暂换气、停顿被拆成两条独立切片。

问题 3：直播切片工作台 AI 选段生成算法的语义复审，主要排查哪些问题？

回答 3：直播切片工作台 AI 选段生成算法的语义复审会识别弱开头、弱收尾、多主题混杂，同时标记片段是不是独立完整表达，给每条候选切片附上置信度，辅助人工筛选适合发布的短视频。

【参考资料】

[2026-11-11]（

【直播切片工作台】第 33 章：AI 切片核心选段生成算法）阿里云开发者社区

[2026-11-10]（

【直播切片工作台】第 32 章：AI 切片 Worker 调度与执行）阿里云开发者社区

[2026-09-11]（

【直播切片工作台】第 11 章：剪辑项目模型 VideoProject）阿里云开发者社区

[2026-08-22]（长直播 AI 切片：语义优先的片段抽取方案）InfoQ

【免责声明】

本稿件基于阿里云开发者社区公开技术文章整理，直播切片工作台 AI 切片核心选段生成算法效果受 ASR 转写质量、提示词、直播语速、口音影响；本文为技术解读，不构成自研开发、商用采购的直接依据，完整源码与细节以原作文章为准。