AutoClip：AI 驱动的长视频高光提取与切片剪辑工具

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

GitHub原文发布未知首次收录 2026-09-23上架 2026-09-23 07:02

ELI5：它是什么，解决什么问题

AutoClip 是一款 AI 视频剪辑工具，通过分析视频字幕来定位高光片段、生成标题，并自动剪出视频切片与合集。适合访谈、播客、课程和直播回放等以对白为主的素材。它提供桌面应用、Docker Web 界面和 CLI / MCP 三种使用方式，支持通义千问、OpenAI 兼容接口、Gemini、硅基流动等云端模型，以及 Ollama / LM Studio 本地模型；还提供抖音、小红书、YouTube Shorts 和 B 站导出预设，并可在同一页面向多个已连接平台发布。

# 自动化 # OpenAI兼容 # whisper # 本地LLM # 视频剪辑

核心能力与快速开始

★ 8708 · Python

能做什么: 从本地视频、YouTube 与 B 站链接导入素材，可附带 SRT 字幕；基于字幕提取大纲、话题时间线、精彩度评分和片段标题，自动生成视频切片与推荐合集并支持手动调整顺序。提供抖音、小红书、YouTube Shorts、B 站导出预设，支持烧录字幕与标题卡。可选多种模型：通义千问、OpenAI 兼容接口、Gemini、硅基流动等云端服务，以及 Ollama / LM Studio 本地模型；无字幕视频可借助 faster-whisper 转写。支持 CLI 批量编排与 MCP 客户端调用同一处理流水线，并提供切片发布与自动封面功能。
适用场景: 用于访谈、播客、课程和直播回放等以对白为主的长视频，快速发现高光片段并生成可分享的短视频切片与合集；按抖音、小红书、YouTube Shorts 或 B 站等平台预设导出成片；通过 CLI 或 MCP 接入自动化批量处理流水线。
项目形态: 可直接使用的工具
部署方式: 提供 macOS（Apple Silicon）与 Windows 10/11 x64 桌面安装包，内置 Python 和 FFmpeg；Intel Mac / Linux 可使用 Docker（需 Docker 与 Docker Compose v2）或 CLI 方式，CLI 本地处理不需要 Redis，首次出片与部署细节以官方文档为准。
主要依赖: 桌面安装包内置 Python 与 FFmpeg。Docker 方式需要 Docker 和 Docker Compose v2。CLI / MCP 需要 Python 3.10+（建议 3.11）和 PATH 中可用的 FFmpeg；无字幕视频需要 faster-whisper 及语音模型，首次转写会下载语音模型。使用云端模型需自备对应服务商的 API Key；使用 Ollama / LM Studio 本地模型需要相应模型与硬件。
使用限制: 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。处理耗时取决于视频时长、硬件、模型与导出设置。云端模型由所选服务商计费并需自备 API Key；海外发布需自备 Upload-Post 账号，其免费档、付费档及每日额度以 Upload-Post 页面为准。项目为个人业余维护，不提供即时客服或一对一部署服务。README 翻译语言不代表应用界面或转写模型支持的语言范围。
许可证: MIT
最近推送: 2026-09-23 05:11

官方入门项目文档核对 README 依据 ↗

资料检查：2026-09-23 07:00 · 卡片整理：2026-09-23 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

职业应用

程序员

通过 CLI 批量编排视频处理流水线，或让支持 MCP 的客户端调用同一条处理流水线，将 AutoClip 集成到自动化工作流中。

查看内容依据

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。

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

产品经理

对访谈、播客、课程和直播回放等以对白为主的素材，用 AI 分析字幕定位高光片段、生成标题并自动剪出切片与合集，用于内容运营与产品宣传素材制作。

查看内容依据

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

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

相似资源

swarmflow：用本地编码 Agent 集群从 PRD 确定性交付经过验证的 MVP

swarmflow 是一个面向绿地项目的确定性控制平面，用于编排多个本地编码 Agent 会话并行开发。它接收 PRD，由前沿模型负责规划、验证与验收，通过多波次（wave）并行执行与门禁流水线（进程清理、回归指纹、区分度检查、范围审计）产出模块与测试，并以 SQLite 账本为唯一事实来源，所有声称作凭据验证而非退出码。前沿后端不限厂商，兼容任意 OpenAI 兼容接口、Command Code CLI、通用终端 Agent CLI 或 Pi；模型选择通过配置完成。当前为 Alpha 状态，已在 5 任务 NestJS 项目上完成端到端验证，PR 自动化和打包制品交付暂不在范围内。

OpenCode Multi-Model Orchestrator：为 OpenCode 提供多 AI 提供商切换与自动路由的零配置桥接工具

该项目自称是面向 OpenCode 的多模型编排桥接工具，宣称可自动检测并同步系统中已有的 AI 提供商凭据，在 Claude、GPT-4、Gemini 等多家服务及本地模型之间按成本、速度或能力进行请求路由，并提供并行请求、凭据保险库、用量分析与网页控制面板等能力。README 同时给出了配置文件示例、命令行调用示例、系统兼容性表与故障排查命令。需要注意，材料中的性能基准、安全性、客服支持等表述均来自项目自述，未经过独立验证；实际可用性、部署条件和合规性需以官方说明为准。

MergeJudge：基于 AI 的 GitHub 拉取请求自动审查与分流工具

MergeJudge 是开源的 GitHub Action 与 runner，用于对拉取请求进行 AI 审查并按 auto、review、block 三个等级分流。它先使用确定性规则确定最低等级，默认只允许 AI 使等级更严格；它会读取仓库基分支上的 AGENTS.md、REVIEW_POLICY.md 和 .mergejudge.yml，因此拉取请求无法放宽自己的审查标准。用户需自备 Anthropic、OpenAI、z.ai 或任意 OpenAI 兼容端点的 API key，也可选择仅使用规则而不调用 AI。项目支持 deep 模式来补充变更代码的调用方与相关文件、根据 PR 上的反馈学习规则，并通过定时任务生成供人工审核合并的规则提案 PR。

TripWise：预算安全的 AI 旅行行程规划器

TripWise 是面向 MakeMyTrip AI Trip Assistant 案例的 AI 产品管理毕业项目，提供已发布的旅行行程规划应用原型，支持登录与保存行程；行程由精选目录确定性生成，并非由大模型生成。项目还包含 Groq 生成内部评审说明、经 Make 写入 Airtable 的评审队列、产品发现与 PRD、RICE 优先级、用户故事与指标、自动化证据记录、评测标准与八条黄金数据集，以及责任 AI 监控与定价等文档。项目明确直播价格与预订不在范围内，并列出尚未完成的发布门槛。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。