AutoClip：AI 找高光，本地剪出能直接发的短片

一期一小时的播客访谈，想剪出两三条能发 Shorts 的片段，多数人的流程是拖着进度条找金句、记时间点，再在剪辑软件里耗掉一晚上。AutoClip 把前半段交给模型：导入本地视频、YouTube 或 B 站链接（可带 SRT），它从字幕里提大纲、排话题时间线、给每段打精彩分，把过线的部分切成短片和推荐合集——你确认之后才动剪，成片在共用编辑器里继续改。边界也画得清楚：剪辑渲染全在本机，模型自备 Key，从 Qwen、DeepSeek、GLM 到完全本地的 Ollama 都行，走哪条路线、哪些数据发出去，README 的隐私问答里一条条写明。

核心功能

• 字幕定位高光：默认路线从字幕提取大纲、话题时间线、精彩度评分和片段标题，适合访谈、播客、课程和直播回放；没有字幕就先跑 faster-whisper 本地转写，首次转写会下载语音模型。
• 确认后再剪：导入先确认制作类型，未确认的导入可恢复；确认后才正式理解和剪辑，切片、合集和顺序都在共用编辑器里手动调整。
• 游戏视觉分析（可选）：v1.4.0 起自行配置多模态模型、显式打开付费视觉初筛，识别录屏中的独立事件，生成可编辑高光与推广草稿；字幕分析仍是默认，README 明说输出要人工检查边界和文案。
• 按平台导出：内置抖音、小红书、YouTube Shorts 和 B 站导出预设，支持烧录字幕与标题卡。
• 发布自动化：v1.3.2 起切片做好可在应用内发布或预约——海外平台走 Upload-Post（自备账号），B 站在设置里粘一次登录 Cookie；发布时可自动生成封面，也可以只导出不发布。
• 模型随你换：设置里接 Qwen、OpenAI、Gemini、DeepSeek、Doubao Seed、Kimi、GLM、Grok，或 Ollama / LM Studio 本地模型，兼容接口可改 Base URL；CLI 批量编排，autoclip mcp 起 stdio 服务给 MCP 客户端调用同一条流水线。

典型使用场景

• 播客、访谈主理人：一期节目切成几条带字幕的短片，按 Shorts 或抖音预设导出，直接进发布队列。
• 课程和直播复盘：靠话题时间线把几小时回放切块归档，先做得分高的段落。
• 游戏主播：v1.4.0 的视觉分析从录屏里找独立事件生成高光草稿，适合愿意自配多模态模型、且接受人工复核的玩家。
• 开发者和重度用户：CLI 批量跑素材，或通过 MCP 把剪辑流水线接进自己的 agent 工作流。

快速上手

最短路径是下载 v1.4.0 桌面安装包：macOS Apple Silicon 的 .dmg 或 Windows x64 的 -setup.exe，内置 Python 和 FFmpeg。装完先在设置里选模型商、填 Key、测连接，再导入视频。想自托管，用 Docker：

git clone https://github.com/zhouxiaoka/autoclip.git
cd autoclip
cp env.example .env   # 编辑 .env 选择 LLM_PROVIDER 并填 Key
mkdir -p data logs uploads
docker compose up -d --build

Web 界面在 localhost:3000，API 文档在 localhost:8000/docs。命令行需要 Python 3.10+ 和 FFmpeg，按仓库的 CLI / MCP 指南装好后：

autoclip doctor --provider ollama
autoclip run talk.mp4 --provider ollama --json
autoclip export PROJECT_ID --preset shorts

doctor 自检模型连通，run 处理完返回项目 ID，export 按 Shorts 预设出片；autoclip mcp 把同一条流水线暴露给 MCP 客户端。

小结

AutoClip 适合素材稳定、在意数据去向和调用成本的创作者：视频不用传给第三方剪辑服务，模型账单直接走自己的 Key。想开箱即用、全程不动手的人，会被自备 Key 和先确认再剪这两步劝退。项目以 MIT 许可证开源，主体是 Python 加 Tauri 桌面壳，2025 年 7 月创建，更新很勤——v1.4.0 发布于 2026-09-27。几个要留意的点：默认路线只吃字幕；游戏视觉分析要额外花多模态模型的钱，README 自述输出需人工检查、不承诺投放效果；Windows 安装包的说明里写着“实际安装、导入与保存尚待实机验收”；个人业余维护，作者明言回复时间不固定。