放下第一个切点前，先听音乐
先不看画面播放选中的录音，记下吸引注意的时刻：鼓点进入、停顿、人声力度改变，或一组押韵结束。最实用的切点，未必是波形最高的地方。副歌前一口轻声换气，有时比在重复鼓点上再切一次更能制造期待。
选定获准使用的声音母版，并在剪辑过程中保持稳定。中途换歌，之前的视觉决定可能不再成立。先在时间线上标出开头、主句和结尾，之后再加细节。有几个有意义的参照点，就足以开始组织镜头。
给每个镜头安排音乐上的任务
环境镜头交代背景，表演镜头承担主句，插入镜头衔接转折或强调细节。空球场可能适合内省的停顿，直视镜头则可能适合关键短句。分配任务后，你就能按意思选素材，不必用视觉最复杂的片段塞满每一秒。
观察每段生成素材内部的动作。手势、转头和镜头运动，也有自己的起点与终点。围绕这些事件裁剪，避免不小心打断动作。有时最佳切点会略早于或晚于音乐标记，因为这样能保留自然手势。观众实际感受到的，是画面与节奏共同作用。
先做一个简单的初剪
把最强的表演镜头放在主要乐句上，只加入让段落清楚所必需的插入画面。先使用直接切换。如果效果薄弱，先调整选镜和时点，再添加转场。特效能让切换更显眼，却很少能修好混乱的顺序或含糊的信息。给人物和地点足够时间被看清。
如果生成声音不属于最终配乐，就彻底静音，不要让它以很低音量留在音乐下面。意外双重声音可能造成回声，或让节奏显得松散。如果保留生成声音，则认真检查进入和退出它的地方。即使视觉切换顺畅，环境底噪突然变化也会令人分心。
分清卡点与对口型
视频可以剪得很合拍，但嘴部动作仍然不匹配歌词。这是两个问题。踩着底鼓切换，不会自动把人物嘴唇对齐输入人声。如果必须精确咬字，应选择音频驱动的同步流程并检查结果。否则，可以用较宽的表演景别和非语言插入镜头，采用音乐视频式表达。
不要试图靠不断变速修复严重嘴型错位。视频速度改变，会影响表演感受，甚至造成不自然动作。小幅时间调整可能改善一个手势，却不能让每个音节都正确。选择素材能够真正支持的视觉方式，不要把不合适的画面硬当成近景演唱。
检查最终节奏
完整观看三次：正常观看、移开视线只听声音，以及静音看画面。正常播放检查组合效果；只听声音能发现意外叠音或突兀结尾；静音观看则能看出哪些切点只是因为时间线上恰好有个波形标记。删掉几个不必要的切换再比较，较平静的版本也许更能突出关键短句，因为重要变化有了空间。
比较同一转场的两个版本
复制序列，把其中一个版本的一处切点稍微提前。不要看时间线标记，直接观看两版，判断手势是否完成、歌词是否清楚、新镜头是否来得有理由。更好的切点，未必正落在波形峰值。选择观众看不到剪辑网格时，仍显得有意安排的版本。