📌 项目地址：zhouxiaoka/autoclip | ⭐ 8,121 颗星 | 🔧 Python | 📜 未标注
它解决什么问题
一个两小时的播客或直播回放，手动找高光、掐时间点、起标题、切片导出，至少要耗掉半天。AutoClip 的做法是：把视频（或字幕）交给 AI，让它提取话题时间线、给片段打精彩度评分、生成标题，然后自动剪出切片并组合成推荐合集，最后按抖音、小红书、YouTube Shorts、B 站的预设直接导出，支持烧录字幕和标题卡。
适合的素材类型官方明确列了：访谈、播客、课程、直播回放，共同点是有完整字幕或语音可转写、内容靠”说话”承载的长视频。
三种使用方式
桌面版（最省事）
从 GitHub Releases 下载安装包：macOS Apple Silicon 用 .dmg，Windows 10/11 x64 用 -setup.exe。安装包内置 Python 和 FFmpeg，不用配环境。装完后先在设置里选模型提供商、测试连接、保存，再导入视频。Intel Mac 和 Linux 用户走下面两条路。
Docker / Web 界面
需要 Docker 和 Docker Compose v2：
git clone https://github.com/zhouxiaoka/autoclip.git
cd autoclip
cp env.example .env
启动前编辑 .env，选择 LLM_PROVIDER 并填入对应的 API Key 和模型名（也可以启动后在设置页配置），然后：
mkdir -p data logs uploads
docker compose up -d --build
Web 界面在 http://localhost:3000，API 文档在 http://localhost:8000/docs。Linux 上如果绑定目录报权限错误，先修正数据目录归属再重启：
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
CLI / MCP（批量与自动化）
需要 Python 3.10+（建议 3.11）和 PATH 中可用的 FFmpeg，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 .
Windows PowerShell 用 venvScriptsActivate.ps1 激活虚拟环境。用本地模型的话，先装好 Ollama 并拉取模型：
ollama pull qwen2.5:7b
无字幕视频需要 faster-whisper 做语音转写（首次会下载语音模型）；已有 SRT 字幕可以直接用 --srt talk.srt 传入。README 在 CLI 部分的后半段被截断了，更完整的命令参数建议参考仓库内的安装指南（docs/USER_INSTALLATION_GUIDE.md）和 FAQ。
除了 CLI，项目还支持 MCP 协议，支持 MCP 的客户端可以调用同一条处理流水线，这意味着可以把它接进自己的 AI 工作流里做自动化剪辑。
模型选择
不绑定单一厂商：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。对不想把素材内容发给云端 API 的用户，本地模型路线是完整打通的（Ollama + qwen2.5:7b + faster-whisper 转写，全程不出本机）。
和同类工具的区别
市面上”AI 剪辑”产品不少，但多数是 SaaS：按分钟收费、视频要上传到别人服务器、导出带水印。AutoClip 的差异点在于：开源、本地可跑、模型自选、CLI 可批量编排。它的定位不是炫技式生成，而是围绕”长视频 → 可发布短片段”这一条流水线做扎实：字幕分析、评分、切片、合集排序、平台预设导出，每一步都允许手动介入调整。
需要注意的
- 许可证：README 中许可证链接存在但具体类型未在可见文本中说明，商用前务必到仓库确认。
- 平台覆盖：桌面安装包只有 Apple Silicon Mac 和 Windows x64，Intel Mac / Linux 只能走 Docker 或 CLI。
- 转写依赖：整条流水线建立在字幕之上，无字幕视频依赖 faster-whisper，首次转写需要下载模型，对机器有一定要求。
- README 截断：CLI 的完整参数和 MCP 接入细节在 README 后半部分，使用前建议完整阅读仓库文档。
整体来看，这是一个 8k Star、文档多语言、发布节奏活跃（v1.3.x 已支持 8 种界面语言）的项目，流水线设计清晰。如果你的日常工作里经常需要从长视频里抠片段，值得先拿一两个本地视频跑一遍试试。