CapCutCapCut

Jak napisać brief montażowy, który edytor AI naprawdę rozumie: ujęcia, czasy trwania i wejścia tekstów

Zespół AiToolsForAppsNapisane z pomocą AI12 min czytania

W skrócie

  • Edycja przez prompt nie jest już obietnicą: EditPilot pozwala opisywać zmiany na osi czasu w języku naturalnym w pulpicie CapCut, a wtyczka do ChatGPT została ogłoszona na wydarzeniu CapCut World w Los Angeles, z datą 27 października 2026 w oficjalnej nocie CapCut.
  • Wąskie gardło się przesunęło: nie chodzi już o to, gdzie jest przycisk, tylko o wiedzę, o co prosić. Niejasny prompt („zrób to bardziej dynamicznie”) zwraca generyczny montaż, bo nie zawiera decyzji, tylko przymiotniki.
  • Wykonalny brief to lista ujęć z czasem trwania w sekundach, zadeklarowany rytm cięć, dokładna sekunda, w której wchodzi każdy tekst i jak długo zostaje, oraz miejsce b-rollu i miejsce ciszy.
  • Są elementy, których żaden agent nie odgadnie i które warto mieć gotowe: plik .srt z czasami co do bajta i napisy w PNG z kanałem alfa. CapCut importuje napisy tylko na komputerze i w wersji webowej, nie na telefonie, według jego oficjalnej pomocy o imporcie napisów.
  • Wersje mobilne z listopada 2026 (20.0.0, opublikowana 3 listopada, i 20.1.0, z 11 listopada, według APKMirror) utrwalają cykl: edytor porusza się szybko, a brief jest jedyną rzeczą, która zależy od ciebie.
Stół montażowy z kartami storyboardu ułożonymi jak oś czasu i telefonem w pionie
Stół montażowy z kartami storyboardu ułożonymi jak oś czasu i telefonem w pionie

Przez piętnaście lat montaż wideo w pionie był problemem rąk: znać skróty, dobrze przeciągnąć klip, pamiętać, gdzie był keyframe. W 2026 roku to się odwróciło. Gdy mówisz edytorowi „utnij to do 30 sekund i dodaj napisy”, maszyna robi to w sekundy; problem w tym, że robi to po swojemu, a jej sposób to średnia z wszystkiego, co widziała. Dla kogoś, kto tworzy lub sprzedaje w CapCut, narzędzie aiCapCut od AiToolsForApps uderza dokładnie w tę szczelinę: pozwala ci dotrzeć do edytora z briefem montażowym, napisami SRT i etykietami już gotowymi, zamiast czekać, aż agent je zaimprowizuje. Ten artykuł jest o nowym rzemiośle: pisaniu briefu.


Co dokładnie zmieniło się w CapCut między październikiem a listopadem 2026?

Zmienił się sposób wydawania instrukcji. CapCut przedstawił na wydarzeniu w Los Angeles — 27 października 2026 według jego własnej sali prasowej — zestaw narzędzi, które odpowiadają zarówno na prośby w języku naturalnym, jak i na zaznaczenia wykonane bezpośrednio w oknie podglądu, oraz wtyczkę do ChatGPT, która pozwala przejść od pomysłu do pierwszego cięcia i dalej go dopracowywać w rozmowie.

Trzy bloki, które się liczą w codziennej pracy:

NowośćCo robiGdzieZadeklarowany status
EditPilotZamienia pisemne polecenie w rzeczywiste zmiany na osi czasu (przycinanie, zmiana kolejności, zaostrzanie rytmu, zmiana koloru konkretnego obiektu w ujęciu)Pulpit / PCW trakcie wdrażania
Generative & Interactive EditDopracowywanie przez zaznaczanie w oknie podglądu, a nie na ścieżcePulpit i webOgłoszone na wydarzeniu
Wtyczka ChatGPT (CapCut × Codex)Montaż pierwszego cięcia z czatu i iterowanie go w rozmowie; używa MCP CapCut, by zwrócić edytowalny projekt ze ścieżkami i zasobamiChatGPTStrona integratora opisuje ją jako działającą z limitami zależnymi od konta i regionu; relacje z ogłoszenia, takie jak ivipid, umieszczały ją w „najbliższych miesiącach” bez daty i ceny

Jest szczegół, o którym warto pamiętać, czytając nagłówki: data wydarzenia pojawia się różnie zależnie od źródła (27 października w nocie CapCut, 24 października w części relacji). Nie zmienia się natomiast pokazane demo: 12-sekundowy sportowy reel zmontowana z czatu poleceniem „zamień te klipy w highlight na 12 sekund”, a potem łańcuch poprawek — długość ujęcia, czytelność napisów, muzyka pod lektorem, tekst na ekranie.

Równolegle kanał mobilny szedł swoim zwykłym rytmem: 20.0.0 opublikowano 3 listopada 2026, a 20.1.0 11 listopada, ta ostatnia z poprawkami błędów i usprawnieniami przycinania. Czyli edytor iteruje co półtora tygodnia. Twój brief nie.


Dlaczego „zrób to bardziej dynamicznie” zawsze zwraca generyczny montaż?

Bo to nie jest instrukcja, tylko ocena. „Dynamiczny” nie zawiera żadnej liczby: ani ile cięć na minutę, ani minimalnej długości ujęcia, ani czy rytm rośnie, czy spada. Wobec prośby bez decyzji model wypełnia medianą swojego treningu, a mediana filmów pionowych to dokładnie to, co widziałeś już tysiąc razy.

Prompt jest wykonalny, gdy każde jego zdanie da się sprawdzić stoperem. Porównaj:

Niejasny promptCo agent decyduje za ciebieWersja wykonalna
„Zrób to bardziej dynamicznie”Liczba cięć, długość ujęcia, przejścia„18 cięć w 45 s; żadne ujęcie poniżej 1,2 s; bez przejść, tylko twarde cięcie”
„Daj ładne napisy”Krój pisma, rozmiar, pozycja, ile wierszy„Napisy w 2 wierszach, maks. 32 znaki na wiersz, umieszczone nad dolnym pasem interfejsu”
„Zacznij mocno”Które ujęcie otwiera i jak długo trwa„Ujęcie 01: detal, 1,8 s, końcowy gest rezultatu; kontekst wchodzi w ujęciu 03”
„Dodaj muzykę”Utwór, głośność, czy przykrywa głos„Muzyka instrumentalna pod lektorem, wchodzi w 0:00, ścisza o 6 dB, gdy mówi głos”
„Zostaw napis na zakończenie”Tekst, sekunda wejścia, czas trwania„Napis końcowy wchodzi w 0:41, zostaje 3,5 s, zajmuje środkową trzecią część”
Porównanie stosu nieuporządkowanych kart i tych samych kart ułożonych w siatce ze znacznikami czasu trwania
Porównanie stosu nieuporządkowanych kart i tych samych kart ułożonych w siatce ze znacznikami czasu trwania

Zasada praktyczna: jeśli twojej instrukcji nie da się obalić danymi, to nie jest instrukcja. „Bardziej dynamicznie” nie da się zdementować. „18 cięć w 45 sekund” — tak: liczy się je.


Jakie elementy musi mieć wykonalny brief montażowy?

Sześć bloków i wszystkie sześć z liczbami. Brief jest wykonalny, gdy inna osoba — albo agent — mogłaby zmontować pracę, nie pytając cię o nic, a wynik trwałby dokładnie tyle, ile zaplanowano.

  1. Docelowa długość i format wyjściowy (pion 1080×1920, poziom 1920×1080). Suma ujęć musi się zgadzać z celem; jeśli się nie zgadza, skaluje się, a nie improwizuje.
  2. Numerowana lista ujęć. Dla każdego ujęcia: typ (detal, plan średni, b-roll, ekran, talking head…), krótka etykieta, opis tego, co widać, długość w sekundach oraz jego skumulowany początek i koniec.
  3. Zadeklarowany rytm cięć: łączna liczba cięć i cięcia na minutę. To jedyny sposób, by „dynamiczny” coś znaczyło.
  4. Teksty na ekranie z timecode: co mówi każdy napis, w której sekundzie wchodzi i ile sekund zostaje. Tekst bez czasu trwania to tekst, który agent zostawi aż do końca.
  5. Haczyk i CTA jako osobne elementy względem reszty. Haczyk to nie „początek”: to ujęcie z funkcją i własnym czasem trwania. CTA też nie jest „tym, co się jeszcze zmieści na końcu”.
  6. Gdzie idzie b-roll i gdzie idzie cisza. Cisza to decyzja montażowa, a nie dziura: zaznacz ją sekundą wejścia i czasem trwania, tak jak ujęcie.

Minimalny szablon ujęcia, na poziomie szczegółowości, który edytor przez prompt może wykonać, niczego nie zmyślając:

Ujęcie 04
  typ: b-roll
  etykieta: dłonie na klawiaturze
  czas trwania: 2,4 s   (początek 00:07,2 — koniec 00:09,6)
  opis: ujęcie z góry, dłonie piszące, bez twarzy
  tekst na ekranie: tak — wchodzi w 00:07,6, trwa 2,0 s
  przejście: twarde cięcie
  audio: otoczenie, bez lektora

Co warto mieć gotowe przed otwarciem edytora, bo AI tego nie odgadnie?

Dwie rzeczy: czasy napisów i etykiety jako obraz. To dwa elementy, w których błąd nie jest estetyczny, lecz mechaniczny — źle zapisana milisekunda i plik się nie wczyta, PNG bez kanału alfa i napis zasłania ujęcie — i w których agent generatywny nie ma czego wymyślać, bo poprawna odpowiedź jest jedna.

Plik .srt. CapCut przyjmuje import napisów w .srt i .txt na komputerze, tylko .srt w wersji webowej, i nie pozwala importować plików napisów na telefonie; ponadto wymaga kodowania UTF-8, żeby znaki specjalne się nie psuły. Oznacza to, że jeśli twój przepływ pracy jest mobilny, plik musi być dobry od pierwszej próby, bo tam nie będziesz mógł go naprawić. A poprawny .srt jest rygorystyczny: numeracja od 1, przecinek jako separator milisekund, poprawne podziały wierszy i cue, które nigdy się nie nakładają.

Etykiety. Napis wygenerowany przez model obrazu wychodzi z zdeformowanymi literami: to klasyczny błąd prośby o tekst do generatora wizualnego. Niezawodna droga jest odwrotna — tekst złożony typograficznie i wyeksportowany jako PNG z prawdziwą przezroczystością, a kanał alfa warto sprawdzić w pliku binarnym, nie ufając nazwie pliku.

Cztery półprzezroczyste panele ułożone warstwami, przedstawiające etykiety PNG z przezroczystym tłem
Cztery półprzezroczyste panele ułożone warstwami, przedstawiające etykiety PNG z przezroczystym tłem
ElementKto powinien go wytworzyćDlaczego
Czasy napisówDeterministyczny dzielnik, z regułami znaków na wiersz i szybkości czytaniaPoprawny wynik jest jeden; kreatywność jest tu wadą
Etykiety i okładkaSkład typograficzny wyeksportowany do PNG z alfaGeneratory obrazu źle piszą litery
Struktura ujęć i rytmTy, w briefieTo decyzje redakcyjne, a nie techniczne
Wykonanie na osi czasuEdytor przez promptTo praca mechaniczna i powtarzalna: właśnie jego rola
Końcowa korekta i publikacjaTy, w edytorzeDemo wtyczki kończy się otwarciem projektu w CapCut

Gdzie mogą wejść teksty, żeby interfejs sieci ich nie zasłonił?

W środkowym pasie. W filmie pionowym użyteczne płótno to nie cała klatka: górną część zajmują powiadomienia i kontrolki, dolną nazwa użytkownika, podpis, informacja o muzyce i przyciski akcji, a prawy bok kolumna „lubię to”, komentowania i udostępniania. Napis umieszczony tam istnieje w twoim eksporcie i znika na telefonie widza.

Dwa uczciwe ostrzeżenia na ten temat:

  • Dokładne wymiary w pikselach różnią się między sieciami i między wersjami aplikacji, a dolny pas dodatkowo rośnie, gdy podpis jest długi. Traktuj je jako minimum, które trzeba sprawdzić na urządzeniu, a nie jako stałą.
  • Dlatego brief powinien mówić, w której strefie idzie każdy tekst (górna trzecia część, środkowy pas, nad podpisem), a nie tylko, co mówi.
Telefon w pionie z zaznaczonymi pasami bezpiecznej strefy u góry, na dole i po prawej oraz siatką trójpodziału
Telefon w pionie z zaznaczonymi pasami bezpiecznej strefy u góry, na dole i po prawej oraz siatką trójpodziału

I punkt odniesienia skali, żeby zrozumieć, dlaczego to się drogo płaci: YouTube Shorts przekraczał 100 000 milionów dziennych wyświetleń w listopadzie 2025 i oscyluje wokół 4 000 milionów użytkowników miesięcznie, z maksymalną długością 3 minut od września 2024, według karty YouTube Shorts. Zasłonięty napis to nie szczegół: to połowa twojego przekazu w formacie, w którym widz nie wraca.


Jak krok po kroku zamienić pomysł w brief?

Czterema przebiegami, zawsze w tej samej kolejności: zdecydować o długości, napisać ujęcia, ustawić timecode tekstów i wyprowadzić pliki. Kolejność ma znaczenie, bo każdy krok zamyka decyzje, których potrzebuje następny.

  1. Ustal sumę i podział. Zdecyduj o sekundach pracy i ile zabiera haczyk, ile rozwinięcie, a ile zakończenie. Jeśli suma ujęć się nie zgadza, przeskaluj wszystkie proporcjonalnie, zanim pójdziesz dalej.
  2. Napisz ujęcia jako listę, a nie jako akapit. Typ, etykieta, opis, sekundy. Numerowane. W tym momencie możesz już policzyć cięcia, a więc zadeklarować rytm.
  3. Połóż teksty na zegarze. Każdy napis z sekundą wejścia i czasem trwania. Zaznacz tu także ciszę i odcinki b-rollu.
  4. Rozwiąż pliki, których się nie improwizuje. Wygeneruj .srt ze scenariusza według swoich reguł znaków i szybkości czytania, wyeksportuj etykiety w PNG z alfa i sprawdź wymiary miejsca docelowego. Dopiero wtedy otwierasz edytor i prosisz o wykonanie.

To dokładnie ten podział pracy, który proponuje aiCapCut: brief i pliki przygotowuje się poza edytorem — plan montażu z ujęciami, czasami trwania i odmierzonymi tekstami, napisami w SRT, VTT lub TXT i etykietami w PNG — a edytor robi to, co robi najlepiej, czyli wykonuje na osi czasu. aiCapCut nie renderuje wideo ani nie generuje projektów CapCut: wytwarza zweryfikowane elementy, które potem importujesz. I warto powiedzieć to jasno, bo to granica, która odróżnia użyteczne narzędzie od obietnicy: nie jest to produkt CapCut ani nie jest powiązany z CapCut.


Co się mierzy, żeby wiedzieć, czy brief był dobry?

Cztery liczby, wszystkie sprawdzalne na gotowym montażu. Jeśli brief był wykonalny, wynik spełnia je bez negocjacji; jeśli ich nie spełnia, brief miał luki, które ktoś wypełnił za ciebie.

Wskaźnik briefuJak się sprawdzaSygnał słabego briefu
Całkowita długośćStoper na eksporcieOdchylenie > 5 % względem celu
Cięcia na minutęPoliczyć cięcia i podzielićNie zadeklarowałeś tego
Teksty na ekranieSprawdzić wejście i czas trwania każdegoNapis, który zostaje do końca
Czytelność napisówZnaki na wiersz i sekundy na cueNakładające się cue albo wiersze po 60 znaków

Piąty, miękki, ale użyteczny: ile razy musiałeś ponownie prosić agenta o to samo. Każda ponowna próba to decyzja, której brakowało w briefie.

Najczęstsze pytania

Czym jest brief montażowy?

To dokument, który tłumaczy pomysł na film na wykonalne instrukcje: listę ujęć z ich czasem trwania, rytm cięć, jaki tekst wchodzi w której sekundzie i jak długo trwa, gdzie idzie b-roll i gdzie cisza. Służy równie dobrze ludzkiemu montażyście, jak edytorowi przez prompt.

Jak poprosić AI w CapCut o zmontowanie filmu?

Opisując konkretne zmiany na osi czasu. EditPilot jest pomyślany do próśb w języku naturalnym w rodzaju „zamień ten 12-minutowy tutorial w cięcie na 90 sekund” albo „usuń powtarzające się fragmenty i zaostrz rytm”. Im więcej liczb ma prośba — sekundy, liczba cięć, minimalna długość ujęcia — tym mniej model będzie musiał zdecydować za ciebie.

Czy wtyczka CapCut do ChatGPT jest już dostępna?

To zależy od źródła i od twojego konta. Strona CapCut poświęcona integracji z ChatGPT opisuje ją jako działającą, ostrzegając, że dostęp, limity generowania i zasoby zależą od konta, regionu i warunków produktu; relacje z ogłoszenia z października 2026 umieszczały ją w „najbliższych miesiącach” bez potwierdzonej daty ani ceny. Warto to sprawdzić w samej aplikacji, zanim zaplanujesz z nią przepływ pracy.

Czy można importować napisy SRT w CapCut z telefonu?

Nie. Według oficjalnej pomocy CapCut import plików napisów jest dostępny na komputerze (.srt i .txt) i w wersji webowej (.srt), ale aplikacja mobilna nie pozwala importować .srt ani .txt. Dla każdej z dwóch dróg plik musi być w UTF-8.

Dlaczego etykiety generowane przez AI mają źle napisane litery?

Bo modele obrazu rysują litery jako kształty, a nie jako tekst: nie mają za sobą silnika typograficznego. Rozwiązaniem nie jest upieranie się w prompcie, tylko wyjęcie tekstu z generatora i złożenie go typograficznie, wyeksportowanie w PNG z przezroczystym tłem i nałożenie w edytorze.

Ile cięć na minutę powinien mieć film pionowy?

Nie ma uniwersalnej liczby, a każdy, kto poda ją bez kontekstu, zgaduje. Ważne dla briefu jest, żebyś zadeklarował ją ty: spokojny tutorial i sportowy highlight nie mają wspólnego rytmu, a dopóki nie podasz liczby, poda ją model.

Czy bardzo szczegółowy brief nie zabija kreatywności?

Jest odwrotnie: szczegółowy brief chroni decyzje kreatywne, które już podjąłeś. To, czym agent wypełnia ciszę briefu, nie jest kreatywnością, tylko średnią z jego treningu. Zapisanie, że haczyk trwa 1,8 sekundy i otwiera się detalem, jest właśnie tym, co uniemożliwia mu zwrócenie ci tego samego montażu co wszystkim.

Brief jest teraz pracą

Edycja przez prompt nie wyeliminowała rzemiosła, tylko je przeniosła: z rąk do wcześniejszej decyzji. Kto przychodzi do edytora z odmierzoną listą ujęć, tekstami już na zegarze, poprawnym co do bajta .srt i etykietami w PNG z alfa, dostaje to, o co prosił; kto przychodzi z „zrób to bardziej dynamicznie”, dostaje to samo co wszyscy. Jeśli chcesz mieć te elementy gotowe przed otwarciem edytora, aiCapCut od AiToolsForApps jest zbudowany do tego i do niczego więcej: wygenerować plan montażu, napisy SRT i etykiety w PNG i zostawić je tobie zweryfikowane, bez rejestracji na start. aiCapCut nie jest produktem CapCut ani nie jest powiązany z CapCut.

Przygotuj brief, zanim otworzysz edytor: wygeneruj z aiCapCut plan montażu z ujęciami i czasami trwania, napisy w SRT i etykiety w PNG, bez rejestracji.

Przygotuj brief, zanim otworzysz edytor: wygeneruj z aiCapCut plan montażu z ujęciami i czasami trwania, napisy w SRT i etykiety w PNG, bez rejestracji.

↑ Wróć na górę