تصور کنید یک فایل متنی ساده، فرمان کامل یک استودیوی تدوین حرفه‌ای را در دست داشته باشد. در ۹ جولای ۲۰۲۶، ابزار FableCut با تغییر رویکرد سنتی، فایل پروژه را به رابط اصلی تبدیل کرد تا عامل‌های هوش مصنوعی (AI Agents) بتوانند به جای تولید کلیپ‌های تصادفی، خط زمانی (Timeline) ویدیو را در لحظه مدیریت کنند.
بیشتر ابزارهای ویدیو محور، فرآیند تدوین را پشت APIهای بسته پنهان می‌کنند و کاربر فقط خروجی نهایی را می‌بیند اما کنترلی روی برش‌ها ندارد. FableCut این معادله را تغییر داده و کل پروژه را در قالب یک سند project.json تعریف می‌کند. این فایل تمام رسانه‌ها، کلیپ‌ها، ترک‌ها، افکت‌ها، کلیدهای زمانی (Keyframes) و انتقال‌ها (Transitions) را توصیف می‌کند. به زبان ساده، هر سیستمی که بتواند متن JSON بنویسد، اکنون قادر به تدوین ویدیو است؛ این یعنی ایجاد یک پل شفاف میان تدوینگر انسان و عامل‌های خودمختار.
همان‌طور که در تحلیل‌های پیشین ما درباره‌ی پروتکل‌های ارتباطی مدل‌ها اشاره کردیم، استانداردسازی رابط‌ها کلید بهره‌وری است. طبق مستندات مخزن گیت‌هاب این پروژه، سیستم به‌طور کامل در مرورگر و بدون نیاز به هیچ وابستگی npm اجرا می‌شود. یک سرور تک‌فایلی Node.js (server.js) در بخش بک‌اند قرار دارد و رابط کاربری (UI) با تأخیری در حدود ۱۵۰ میلی‌ثانیه از طریق رویدادهای ارسالی سرور (Server-Sent Events) به‌روزرسانی (Hot-reload) می‌شود. این سرعت بالا اجازه می‌دهد انسان و هوش مصنوعی بدون هیچ لگی، به‌طور هم‌زمان و شانه به شانه روی یک خط زمانی کار کنند.
قابلیت‌های هسته‌ای تدوین
این ویرایشگر مجموعه‌ای از ویژگی‌های حرفه‌ای را پشتیبانی می‌کند، از جمله چهار ترک ویدیو و سه ترک صدا. کاربران می‌توانند عملیات استانداردی مثل برش با کشیدن (Drag-trimming)، تقسیم (Split)، جذب یا اسنپینگ (Snapping) و بازگشت/تکرار (Undo/Redo) را انجام دهند. برای مدیریت پروژه‌های پیچیده، قابلیت انتخاب چندگانه با کشیدن کادر (Rubber-band marquee) در نواحی خالی ترک‌ها، استفاده از کلیدهای Ctrl/Cmd/Shift+click برای تغییر وضعیت انتخاب کلیپ‌ها و کلید Ctrl+A برای انتخاب همه‌ی کلیپ‌ها اضافه شده است. با فشردن کلید 'S'، تمامی کلیپ‌های انتخاب‌شده دقیقاً در نقطه جای‌گیری نشانگر پخش (Playhead) برش می‌خورند و پنل بازرسی (Inspector) در حین این عملیات، بنری با متن "N clips selected" را برای نمایش تعداد کلیپ‌های انتخاب‌شده نشان می‌دهد.
ابزارهای بصری و صوتی
برای رسیدن به کیفیت تولیدات سطح بالا، ابزارهای پیشرفته‌ای مستقیماً در مرورگر تعبیه شده‌اند تا ظاهر اثر نهایی حرفه‌ای باشد:
- اصلاح رنگ (Color Grading): شامل ۱۲ پیش‌تنظیم تک‌کلیکی از جمله استایل‌های سینمایی، تنی-نارنجی (Teal-Orange)، نوار (Noir)، وینتج و سایبرپانک است. همچنین کنترل‌های کامل روی روشنایی، کنتراست، اشباع رنگ (Saturation)، رنگ‌مایه (Hue)، دمای رنگ، تینت (Tint)، تاری (Blur)، مقیاس خاکستری (Grayscale)، سپیا، معکوس‌سازی (Invert)، وینیت (Vignette) و دانه‌های متحرک فیلم (Animated Film Grain) را ارائه می‌دهد.
- لایه‌بندی: لایه‌های اصلاحی (Adjustment layers) وجود دارند که هر آنچه در زیر آن‌هاست را اصلاح می‌کنند و دقیقاً مشابه گردش کار نرم‌افزار Adobe Premiere عمل می‌کنند.
- ترکیب‌بندی: پیش‌تنظیم‌های ابعاد بوم برای ۱۶:۹، ریلزهای ۹:۱۶، ۴:۵ و ۱:۱ همراه با راهنمای حاشیه امن (Safe-area) در دسترس است.
- افکت‌ها: حذف پس‌زمینه سبز (Chroma key) با قابلیت تنظیم میزان تحمل (Tolerance)، نرمی (Softness) و سرکوب لکه‌های رنگی (Spill suppression) تعبیه شده است و همچنین جداسازی هوشمند پس‌زمینه (برش شخص) با استفاده از MediaPipe امکان‌پذیر است.
- ترکیبی‌ها (Blending): حالت‌های ترکیب مختلف (Screen, Multiply, Overlay)، حالت‌های برازش (Contain, Cover, Stretch)، برش لبه به لبه، شعاع گوشه‌ها (Corner radius) و چرخش افقی/عمودی را پشتیبانی می‌کند.
- صدا: نمایش موج‌های صوتی (Waveforms) واقعی و رمزگشایی‌شده روی کلیپ‌ها قرار دارد. کاربران می‌توانند در حین پخش با فشردن کلید 'M' نشانگرهای ضرب‌آهنگ (Beat markers) و نشانه‌های راهنما (Cue markers) ایجاد کنند که قابلیت جذب (Snapping) به لبه‌ها را دارند.
سیستم‌های متحرک و متنی
تحرک در این ابزار توسط یک موتور کلید-زمانی (Keyframe engine) قدرتمند مدیریت می‌شود که روی حدود ۲۵ ویژگی مختلف با قابلیت تنظیم نرمی حرکت (Easing) عمل می‌کند. این سیستم اجازه می‌دهد «رمپ سرعت» (Speed Ramp) — یعنی تغییر سریع سرعت از تند به کند که در ریلزهای شبکه‌های اجتماعی رایج است — به‌دقت اجرا شود؛ به‌طوری که موتور، زمان‌بندی ویدیو و میکس صدای خروجی را مجدداً نگاشت (Time-remap) می‌کند. افکت‌های متحرک اضافی شامل لرزش دوربین (Camera shake) و شکست رنگی (RGB-split/Chromatic Aberration) هستند.
متون نیز به عنوان لایه‌های پویا با قابلیت «کپشن‌های کینتیک» (Kinetic captions) تعریف شده‌اند. استایل‌های پشتیبانی شده شامل ماشین‌تحریر (Typewriter)، پرش کلمات (Word-pop)، لغزش کلمات (Word-slide)، کارائوکه، پرش حروف (Letter-pop)، موج (Wave)، پرش (Bounce) و لرزش (Shake) است. برای رسیدن به ظاهر ویدیوهای تیک‌تاکی، کاربر می‌تواند از افکت درخشش نئون (Neon glow) استفاده کند. ویرایشگر فونت از فونت‌های سیستم، فونت‌های گوگل (با نام) و فایل‌های سفارشی که در پوشه library/fonts/ رها می‌شوند، پشتیبانی می‌کند. سفارشی‌سازی‌ها تا حد رنگ‌های طیفی (Gradient fills)، خط دور (Outline)، پس‌زمینه‌های کپسولی (Background pills)، فاصله حروف، ارتفاع خط، وزن فونت و سایه‌های نرم گسترش می‌یابد.
اتوماسیون مبتنی بر عامل
عامل‌های هوشمند از سه روش اصلی با ویرایشگر ارتباط برقرار می‌کنند. پیشرفته‌ترین روش، استفاده از پروتکل زمینهٔ مدل (Model Context Protocol - MCP) است که به ابزارهایی مثل Claude Code یا Claude Desktop اجازه می‌دهد سرور MCP داخلی و بدون وابستگی را ثبت کنند. این رویکرد در واقع تکامل‌یافته‌ی تلاشاتی است که برای enabling مدل‌ها به درک دقیق‌تر ویدیوها از طریق شناسایی صحنه‌ها آغاز شده بود. از این طریق، ابزارهای زیر در اختیار عامل قرار می‌گیرد:
fablecut_status: برای اجرای خودکار ویرایشگر.fablecut_docs: برای دریافت بخش‌های راهنما (مثلاً بخش مربوط به ویژگی‌ها/props).fablecut_get_project: برای خواندن خط زمانی (با پشتیبانی از حالت{compact:true}برای خلاصه تک‌خطی هر کلیپ).fablecut_set_projectوfablecut_patch_project: برای تغییر خط زمانی. ابزار Patch برای بهینه‌سازی توکن‌ها طراحی شده تا عامل‌ها بتوانند ویرایش‌های جراحی‌گونه را بدون نیاز به ارسال مجدد کل سند انجام دهند.fablecut_import_mediaوfablecut_analyze_referenceبرای وارد کردن رسانه‌ها و تحلیل مراجع.
عامل‌ها همچنین می‌توانند از طریق یک API REST (GET/PUT /api/project, POST /api/upload, GET /api/library) یا با تغییر مستقیم فایل project.json عمل کنند. برای جلوگیری از تداخل، FableCut از یک شمارنده بازبینی (Revision counter) استفاده می‌کند. اگر انسانی در حال تدوین باشد و هم‌زمان یک عامل سعی در تغییر کلیپی داشته باشد، درخواست عامل با خطای ۴۰۹ رد می‌شود تا هیچ تغییری به‌صورت ناخواسته پاک نشود. رابط کاربری نیز در صورتی که نوشته‌های یک عامل جایگزین تغییرات محلی کاربر شود، از طریق یک پیام Toast به کاربر اطلاع می‌دهد.
نوآوری‌های فنی در دارایی‌ها
در این سیستم، SVGها به عنوان کلیپ‌های درجه‌یک شناخته می‌شوند و با CSS @keyframes متحرک می‌گردند. برای کنترل دقیق، کامپوزیتور از تأخیرهای سخت‌افزاری (Hardcoded) اجتناب کرده و instead از یک متغیر --d (مثلاً --d: 0.4s) استفاده می‌کند تا در هنگام خروجی گرفتن، انیمیشن‌ها دقیقاً در فریم مورد نظر متوقف (Freeze) شوند. این یعنی عامل‌ها می‌توانند المان‌های گرافیکی برداری مثل متون پایین صفحه (Lower-thirds)، کنفتی یا درخشش‌ها را به‌صورت فایل‌های SVG ساده طراحی و جای‌گذاری کنند.
همچنین ابزار analyze.js یک نقشه‌راه (Blueprint) برای بازسازی ویدیوهای ویرال فراهم می‌کند. با پردازش یک فایل MP4 مرجع از طریق دستور node analyze.js ref.mp4 یا ابزار fablecut_analyze_reference است، مرزهای شات‌ها، ضرب‌آهنگ موسیقی، BPM، منحنی بلندی صدا و انرژی هر شات استخراج می‌شود و خود ترک موسیقی نیز (با استفاده از Node برای تشخیص Onset/Tempo) شناسایی می‌شود. این قابلیت به‌طور ویژه‌ای برای تولیدکنندگانی مفید است که با استفاده از ابزارهای اتوماسیون محتوا به دنبال افزایش مقیاس تولید ویدیوهای اثرگذار هستند. سپس یک عامل هوشمند می‌تواند این نقشه‌راه را بگیرد و ساختار ویدیو را شات-به-شات با素材های کاربر بازسازی کند.
چیدمان و خروجی
ساختار پروژه برای سادگی طراحی شده است: server.js برای API و SSE، app.js برای موتور ترکیب و موتور متن، و mcp-server.js برای باز کردن دسترسی هوش مصنوعی به ویرایشگر. پوشه library/ در رابط کاربری به صورت تب‌هایی برای عناصر (Elements)، جلوه‌های صوتی (Sound FX) و دارایی‌های SVG ظاهر می‌شود.
خروجی گرفتن در مرورگر انجام می‌شود، جایی که هر فریم رندر می‌گردد. اگر ffmpeg روی مسیر (PATH) سیستم نصب باشد، یک فایل MP4 با کیفیت CRF-18 تولید می‌شود که حتی در صورت تغییر تب توسط کاربر، به رندر خود ادامه می‌دهد. این رویکرد رندرساز در مرورگر، شباهت زیادی به تلاش‌های بهینه‌سازی زمان رندرینگ در پلتفرم‌های AI دارد تا سرعت تولید نهایی افزایش یابد. در غیر این صورت، سیستم به Realtime MediaRecorder بازمی‌گردد. این پروژه به Node 18+ و مرورگرهای مبتنی بر کرومیوم نیاز دارد.
این معماری، هوش مصنوعی ویدیو را از حالت «مولد» به حالت «عامل‌محور» تغییر می‌دهد. با جداسازی قصد خلاقانه از موتور رندر، دقتی حاصل می‌شود که مدل‌های تبدیل متن به ویدیو هرگز به آن نمی‌رسند. توسعه‌دهندگان می‌توانند مستندات CLAUDE.md را در مخزن پروژه بخوانند تا دستورالعمل‌های آماده برای اتوماسیون کارهای تکراری تدوین را پیدا کنند.
گام بعدی شما
- اگر توسعه‌دهنده هستید، مستندات
CLAUDE.mdرا در مخزن پروژه بخوانید تا دستورالعمل‌های آماده برای اتوماسیون تدوین را پیدا کنید. - ابزار
analyze.jsرا روی یک ویدیوی ویرال آزمایش کنید تا بفهمید ساختار ضرب‌آهنگ آن چگونه است. - سعی کنید یک سرور MCP را به Claude Desktop متصل کنید تا تدوین ویدیو را با دستورات متنی تجربه کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو