GitHub 每日趋势
GitHub 每日趋势订阅

AutoClip：AI 视频高光提取与自动剪辑二创工具

显示原文

AutoClip : AI-powered video clipping and highlight generation · 一款智能高光提取与剪辑的二创工具

https://zhouxiaoka.github.io/autoclip_intro/

自动剪辑

把长视频变成值得分享的精彩片段。

简体中文·英语·日本·朝鲜语·西班牙语·葡萄牙语·俄语·英语

项目网站·反馈问题

桌面安装包: macOS ·苹果硅片·Windows ·x64

安装与第一次出片·完整排错指南

自 v1.3.1 起，产品界面、官网和 README 均支持中、英、日、韩、西、葡、俄、法。 顶栏可切换界面语言或跟随系统； 用户素材和生成内容保留原文。

AutoClip 用 AI 分析视频字幕、定位高光、生成标题，并自动剪出片段与合集。 适合访谈、播客、课程和直播回放，提供桌面应用、Docker Web 界面和 CLI / MCP 三种使用方式。

界面预览

AutoClip v1.3.0 — local video import

v1.3.0 真实 Web 界面：在文件导入区添加本地视频，可同时提供 SRT 字幕。

社区成就

以下徽章由 Trendshift 提供，点击可查看 AutoClip 的上榜记录。 GitHub Trending 与 Trendshift 是不同榜单； 徽章展示平台记录的成就，不代表当前实时排名。

你可以做什么

能力 说明
导入素材 支持本地视频、YouTube 与 B 站链接，可附带 SRT 字幕。
发现高光 从字幕提取大纲、话题时间线、精彩度评分和片段标题。
剪辑与合集 自动生成视频切片，组合推荐合集，也可手动调整顺序。
发布导出 提供抖音、小红书、YouTube Shorts 和 B 站导出预设，支持烧录字幕与标题卡。
自由选择模型 支持通义千问、OpenAI 兼容接口、Gemini、硅基流动，以及 Ollama / LM Studio 本地模型。
接入自动化 通过 CLI 批量编排，或让支持 MCP 的客户端调用同一条处理流水线。
导入视频 → 准备字幕 / 语音转写 → AI 分析与评分 → 生成切片与合集 → 导出成片

快速开始

1. 桌面版

从 GitHub 发布 下载适合你的安装包：

平台 安装方式
macOS ·苹果硅片 .dmg
Windows 10 / 11 ·x64 -setup.exe
英特尔Mac / Linux 使用下方 Docker 或 CLI

桌面安装包内置 Python 和 FFmpeg。 实际支持的平台与首次启动说明以对应 Release 为准。 安装后先在设置中选择模型提供商、测试连接并保存，再导入视频。

2. Docker / Web

需要 Docker 和 Docker Compose v2。 以下命令在仓库根目录执行：

git clone https://github.com/zhouxiaoka/autoclip.git
cd autoclip

cp env.example .env

启动前编辑 .env：选择 LLM_PROVIDER，填写对应服务的 API Key 和模型名； 也可以启动后在设置页配置。

mkdir -p data logs uploads
docker compose up -d --build

打开 Web 界面；API 文档 在后端启动后可用。 部署细节见 Docker 指南（中文）。

Linux 上若绑定目录出现权限错误，先执行以下命令修正项目数据目录的归属，再重新启动服务：

docker compose run --rm --no-deps --user root --entrypoint sh autoclip -c 'chown -R autoclip:autoclip /app/data /app/logs /app/uploads'
docker compose up -d

3. CLI / MCP

需要 Python 3.10+（建议 3.11）和 PATH 中可用的 FFmpeg。 以下安装示例使用 macOS / Linux shell； Windows PowerShell 用 venv\Scripts\Activate.ps1 激活虚拟环境。 CLI 本地处理不需要 Redis。

git clone https://github.com/zhouxiaoka/autoclip.git
cd autoclip
python3 -m venv venv
source venv/bin/activate
python -m pip install -r requirements.txt
python -m pip install -e .

本地模型示例：先安装并启动 Ollama，再下载模型。 无字幕视频需要 faster-whisper，首次转写会下载语音模型； 已有字幕可用 --srt talk.srt。

ollama pull qwen2.5:7b
python -m pip install faster-whisper
autoclip doctor --provider ollama
autoclip run talk.mp4 --provider ollama --json

把 PROJECT_ID 替换为处理结果中的项目 ID，即可导出 Shorts 格式； 用 autoclip mcp 启动 stdio MCP 服务：

autoclip export PROJECT_ID --preset shorts
autoclip mcp

在 MCP 客户端中将 command 设为虚拟环境里 autoclip 的绝对路径，args 设为 ["mcp"]。 详见 CLI / MCP 指南（中文）和 特工技能（中文）。

模型配置

方式 配置
云端模型 在设置中选择通义千问、OpenAI 兼容接口、Gemini 或硅基流动，填写 API Key； 兼容接口可配置 Base URL。
奥拉玛 服务地址默认为 http://localhost:11434/v1，默认模型 qwen2.5:7b，无需 API Key。
LM工作室 加载模型并启动 Local Server，默认地址 http://localhost:1234/v1，选择服务实际提供的模型。

Docker 访问宿主机模型服务时，localhost 指向容器自身； 需配置容器能访问的宿主机地址。 详见 CLI / MCP 指南。 视频剪辑在本地进行，云端模型分析会向所选服务发送字幕文本； 下载视频与模型仍需要网络。

常见问题

需要付费或 API Key 吗？

AutoClip 本身免费、开源（MIT）。 云端模型由所选服务商计费，需要自己的 API Key； Ollama / LM Studio 本地预设无需云端 Key，但需要模型和相应硬件。

我的视频会上传吗？

本地剪辑在你的设备上完成； 使用云端模型时，字幕文本会发送给该服务商。 主动使用发布上传功能时，视频会发送到目标平台。 统计与错误报告取决于版本和设置，详见隐私说明。

没有字幕也能使用吗？

可以，需要先准备本地 Whisper 组件和语音模型。 已有字幕时可同时导入 SRT； 准确字幕通常能减少转写等待和识别错误。

为什么没有生成片段？

先检查失败阶段：字幕是否为空、模型连接是否成功、评分阈值是否过高，以及 FFmpeg 和磁盘是否正常。 可以尝试把评分阈值从 0.7 降到 0.5，但不保证一定有片段。

什么视频更适合？ 处理要多久？

当前分析主要基于字幕，适合访谈、播客、课程和口播。 纯视觉动作或音乐类视频效果可能有限。 耗时取决于时长、硬件、模型与导出设置，建议先用短样本验证。

完整排错指南·已知问题

文档

README 提供八种语言； 以下深入文档目前以中文为主。 README 翻译语言不代表应用界面或转写模型支持的语言范围。

参与贡献与联系

欢迎提交修复、使用反馈和翻译改进。 报告问题时请附上系统、版本、所选模型、复现步骤及已脱敏的错误日志。

个人业余维护，回复时间不固定，不提供即时客服或一对一部署服务。 联系前请先查看常见问题与已知问题。

想法、用法和模型讨论走 GitHub 讨论，不要为此开 Issue。 能复现的故障用 Issue 模板。 看板规则见 社区看板。

  • 邮箱: christine_zhouye@163.com

感谢 FastAPI、React、Tauri、FFmpeg、yt-dlp、Whisper，以及所有贡献者。项目采用麻省理工学院许可。 如果 AutoClip 帮到了你，欢迎给项目一个 Star。

参与讨论