AutoClip:丢一条长视频进去,切片、字幕、封面、文案一起出来

一、这个项目解决的是什么问题

长视频剪成短视频,这件事的痛点不在剪,在选。一场两小时的访谈,能用的高光可能就十几段,剩下的时间你在反复拖进度条、听同一句话、判断这段能不能独立成片。AutoClip 就是冲这个环节来的:贴一个链接或者拖一个文件进去,选好目标平台,它把候选片段、封面、标题、简介、话题一起给你,觉得可以就出片。

当前版本 v1.5.8,MIT 许可,星标一万二千多。桌面版、命令行和 MCP 三个入口共用同一条出片链路,不是三套东西。作者自己说这是个人维护的项目,回复时间不固定,不提供即时客服。

它的定位要摆正:不是「一键生成爆款」,是「把选片和初剪这段体力活压缩掉」。素材本身没内容,它变不出内容来。

二、核心设计机制

第一层是本机渲染。剪辑、取景、渲染全在你自己的电脑上跑,不上传原片。上传只发生在两处:用云端分析时发字幕和文案,用云端转写时发音频,选投稿时发成片。这条设计决定了它对素材体积不敏感,两三个小时的原片也照跑,代价是你自己的机器要扛得住。

第二层是模型自选。分析模型可以接云端 API,也可以接本地 Ollama(默认 http://localhost:11434/v1)或 LM Studio(默认 http://localhost:1234/v1)。用本地模型不需要云端密钥,但要相应硬件。这一层是它能免费用的关键——软件本身免费,花钱的是你选的模型服务商。

第三层是字幕来源。三条路:作者自带字幕、本地 Whisper 或 SenseVoice 转写、云端转写。有字幕时跳过转写,整条链路最快;没有字幕就走转写,本地第一次要下约 220 MB 模型,国内网络大概十五分钟。这个选择直接决定总耗时。

第四层是平台规则。每个平台按自己的画幅、时长、版式要求生成,抖音和小红书默认访谈式竖版,TikTok、Reels、Shorts 默认满屏播客式,B 站和 YouTube 走横版保留原画幅。每个平台按评分自动生成至多十条合格片段,其余列成备选,点「生成这条」才制作。

三、功能拆解

出片这块,一条链接进来会走完整条流水:抓取、转写、分析、选段、取景、渲染、包装。画面会跟着说话人走,没有人的镜头保留完整画面,不会硬裁成奇怪的比例。

包装这块是自动的:每条片段都带封面、标题、简介、话题标签和一个 ZIP 发布包。封面默认用自动设计,不调用付费生图,所以不额外花钱。片尾默认带品牌标识,设置里可以关掉。复制发布文案不会附上项目署名。

批量这块有两种用法。一是在界面里挂长视频队列,让它一条条跑;二是走命令行,用一条 produce 命令指定平台和版式,加 --json 拿到结构化结果,再用 outputs 导出整套发布包。要做自动化就接 MCP,新入口是 start_quick_output 和 get_quick_output_status,客户端负责起服务。

四、适合谁,不适合谁

适合做访谈、播客、课程、口播类内容的人。这类素材有人说话、有完整句子、有可以独立成立的段落,切出来能看。有作者字幕的素材最省事,两小时的片子七八分钟就能出十条。

适合想批量铺量的小团队。一个人一天手动剪五条是极限,这套东西配一台 Apple Silicon 的机器,同样的时间能过好几条长片。

不适合游戏录屏和几乎没人声的素材。这类要靠画面识别,得选支持图片的模型,选出来的段落还得自己一条条看,省下的时间有限。

不适合指望它替你判断内容好坏的人。它按评分选段,评分不等于你的判断,出来的十条里可能有五条你根本不想发,这很正常。

不适合 Intel Mac 用户直接装桌面版。官方没有给 Intel Mac 出安装包,和 Linux 一样走 Docker 或者命令行。

五、几个需要提前知道的限制

第一,算力门槛是真的。本地转写吃 CPU,本地模型分析吃显存,两样都弱的话整条链路会慢到不可用。官方给的实测数据是同一台 Apple Silicon Mac:一条一小时四十三分、自带字幕的英文素材出十条用了七点五分钟;一条两小时五十二分、没有字幕的中文素材用了二十九点五分钟。差别就在转写这一步。机器更弱,时间按倍数往上走。

第二,费用不是零。软件免费,云端模型按量计费。上面两条实测的文字模型费用估算分别是九分钱和两毛钱,不含云端语音识别、AI 生图和投稿服务。真跑起来账单以你选的服务商为准,这个数字只能当量级参考。

第三,YouTube 长视频有硬规则:完整片段至少一百八十秒。素材短的时候这条会直接卡死生成,得换 Shorts 或者 B 站。这是平台规则,不是 bug。

第四,Docker 访问宿主机模型服务时,localhost 指的是容器自己,得换成容器能访问到的宿主机地址。这个坑几乎每个人第一次部署都会踩。

六、项目现状

v1.5.8,桌面、命令行和 MCP 同步更新。版本号以 autoclip --version 和 MCP 的 get_version 为准,别信二手教程里的版本。MIT 许可,源码公开,个人维护。

桌面安装包覆盖 macOS Apple Silicon 和 Windows 10/11 x64 两套,安装包自带 Python 和 FFmpeg,装完不用再配环境。Intel Mac 和 Linux 走 Docker 或命令行。macOS 15 及以上首次打开会被拦一次,要去系统设置里点「仍要打开」;Windows 会弹 SmartScreen,点「更多信息 → 仍要运行」。

已知问题集中在「为什么没生成片段」这一类,官方给的方向是先看失败阶段:字幕转写成没成、模型连没连上、FFmpeg 和磁盘正不正常、候选有没有满足平台规则。报问题时附上版本号、系统、素材时长、所选模型和脱敏日志,比只说一句「不出片」有用得多。

七、常见问题

问:一定要有 API Key 吗?

答:不一定。分析模型可以接本地 Ollama 或 LM Studio,这条路不需要云端密钥,只要机器扛得住。云端 API 是可选项,方便在没有强显卡的机器上跑。转写也一样,本地 Whisper 或 SenseVoice 免费但要下模型,云端转写按音频时长计费,大约一毛钱一小时,具体以服务商账单为准。

问:我的视频会被上传吗?

答:剪辑和渲染在本机完成,原片不上传。会往外发的是三类:云端分析时发相关字幕和文案,画面理解或参考帧生图时发抽样画面,云端转写时发音频。用本地分析加本地转写,这几项都不出本机。成片只有你主动选择投稿才会上传到已连接的平台。

问:为什么一条片段都没生成?

答:按阶段查。先看字幕有没有成功,转写失败后面全空;再看模型连接测试过没过;然后看 FFmpeg 在不在 PATH 里、磁盘够不够;最后看候选有没有满足目标平台规则,YouTube 长视频要求完整片段至少一百八十秒这条最容易卡住短素材。

问:本地转写装不上或者太慢怎么办?

答:换云端转写。设置里进「默认模型 → 语音转字幕」,选云端那条,音频会上传到云端。导入被拦住时界面上有「改用云端转写」的入口。本地第一次要下约 220 MB 模型,国内网络大概十五分钟,慢在这一步而不是转写本身。

问:封面是自动生成的吗,要不要额外付费?

答:默认自动设计,不调用付费生图,所以不额外花钱。要用 AI 生图封面得自己配支持图片的服务商,费用另算。片尾的品牌标识默认开着,设置里能关;复制发布文案不会带项目署名。

问:能接到我自己的自动化流程里吗?

答:能。命令行用 autoclip produce 指定文件、平台和版式,加 --json 拿结构化结果;要批量就用 MCP,客户端起服务,调 start_quick_output 提交、get_quick_output_status 查状态。命令行需要 Python 3.10 以上和 FFmpeg,本地跑不需要 Redis。

下载地址

夸克网盘(永久有效):https://pan.quark.cn/s/d83768b3eaa9

本教程由「宝藏星球屋」整理,更多软件、游戏、开源项目都在 https://cbge.top。

本站全部免费,如果觉得内容有用,可打赏支持服务器续费打赏支持
固定文章缩略图

新人必看的入站详细说明指南

解决的你的各种疑难杂症以及各种相关教程

前往查看 »
© 版权声明
THE END
喜欢就支持一下吧
点赞23 分享
评论 抢沙发
头像
欢迎您留下宝贵的见解!
提交
头像

昵称

取消
昵称表情代码图片

    暂无评论内容