FunClip：3 步完成 AI 视频智能剪辑

FunClip3 步完成 AI 视频智能剪辑【免费下载链接】FunClipFunASR-powered video transcription, subtitle generation, and LLM-assisted clipping tool with a local Gradio UI.项目地址: https://gitcode.com/GitHub_Trending/fu/FunClip两小时会议录像想剪成 5 分钟精华传统做法是逐句听、逐句在时间轴上掐秒表。FunClip 这类 AI 视频剪辑工具把这条路缩短成三步本地语音识别、复制文字选段、一键导出片段。从手动标时间轴到复制文字出片段先看看没有它时的流程转录、找重点句、手动打时间轴出入点、导出四步里最熬人的是找到那句话的入点一段两小时的录音你可能要花半小时。字幕更麻烦每一行的时间戳都要手动敲。FunClip 把这个过程压成上传视频点「识别 | ASR」识别结果和整段 SRT 字幕直接出来把想保留的文字高亮复制进「待裁剪文本」点「裁剪 Clip」对应片段连同该段 SRT 一起导出。本地语音识别 说话人分离 大模型选段一套完整的 AI 视频剪辑流程都在一个页面里。两小时的会议现在 15 分钟出剪好的精华。图FunClip 主操作界面——左侧上传视频并做 ASR 识别右侧是 LLM 智能裁剪、Prompt 配置与裁剪结果输出区四件核心能力文字裁剪、说话人裁剪、大模型选段、本地服务复制一段文字就能剪出对应片段你能从识别结果里复制任意一段文本贴进「待裁剪文本」多段文本用#连接即可自由剪多段点 Clip 后返回目标片段视频同时自动给出全视频 SRT 字幕和该段落的 SRT 字幕。背后靠的是 FunASR 的 Paraformer-Large 模型开源中文 ASR 里识别效果最好的之一ModelScope 下载量 1300 万它能在识别的同时一体化预测时间戳省去单独做时间轴对齐的环节。按说话人裁剪多人对话识别时把「是否区分说话人」设为 Yes识别结果里每句都会带上说话人 IDspk0、spk1……把spk0或spk0#spk3贴进「待裁剪说话人」就能只剪出某位说话人的话。背后靠 CAM 说话人识别模型speaker diarization自动区分不同人声你不需要自己标注谁在说话。让大模型帮你挑精彩片段识别完成后选一个 qwen 系列或 GPT 系列的模型、填上 API key点「LLM 推理」FunClip 会自动把两段 prompt 和视频的 SRT 字幕拼给大模型LLM 以N. [start-end] text格式输出片段后再点「AI Clip」它就按时间戳自动裁剪。funclip/llm/ 目录封装了 litellm、openai、qwen、TwelveLabs Pegasus 等多种大模型调用方式Prompt System 和 Prompt User 两个输入框都可以改选择标准由你定。一条命令启动本地 Gradio 服务服务完全本地运行浏览器里就能完成全部操作加参数也能在服务器上部署、远程访问。背后是 Gradio基于 Python 的快速 Web 界面框架视频数据不出你的机器。python funclip/launch.py5 分钟跑通 FunClip装依赖、启动、拿到第一个片段克隆仓库并安装依赖需要 Python 环境git clone https://link.gitcode.com/i/83517386b62885113c3943f0d709be46 cd FunClip pip install -r ./requirements.txt启动本地服务python funclip/launch.py浏览器打开localhost:7860。页面里自带几个示例视频先用示例数据跑通最快点一个示例视频点「识别 | ASR」从识别结果里复制一句话贴进「待裁剪文本」点「裁剪 Clip」右下角立刻出现裁剪结果和该段 SRT。想把字幕烧进视频的话先装好 ffmpeg 和 imagemagickUbuntu 下apt-get -y update apt-get -y install ffmpeg imagemagick并按 README 改 ImageMagick 的 policy.xml 权限中文字体仓库已在 font/ 里内置。图中文界面的六步操作——上传视频、配置热词与说话人识别、点识别、复制待裁段落、设置字幕参数、点裁剪右侧即出结果视频与裁剪段落 SRT三个最典型的剪辑场景怎么落地 会议录像剪精华2 小时到 5 分钟场景一场长会录了两个小时只想把核心结论剪出来分享。操作上传录像做识别后从识别结果里挑出想保留的三四段用#连接贴进「待裁剪文本」每段还能单独调开始/结束时间偏移结束偏移默认 100 毫秒避免掐掉句尾。产出一条精华片段加该段 SRT两小时录像约 15 分钟出 5 分钟成品。访谈播客按人取段只保留某一个人的话场景三人访谈录音里你只想单独抽出嘉宾的发言做二次剪辑。操作识别时打开说话人区分结果里每句都带 spk 标签确认嘉宾对应的 ID 后把它填进「待裁剪说话人」点 Clip。产出只含这位说话人所有发言的片段SRT 仍带说话人 ID方便回查。图开启说话人识别后SRT 每行标注 spk0/spk1界面演示了从上传到按说话人 ID 裁剪出目标视频的完整链路大模型自动选段让 LLM 替你找高光场景视频你还没看过几遍不确定哪段精彩干脆让大模型挑。操作右侧「LLM智能裁剪」区选好模型和 API key在 Prompt User 里写清要求比如挑出 3 段最值得引用的金句依次点「LLM 推理」和「AI Clip」。产出LLM 输出的每条N. [start-end] text都会被按时间戳裁出来全程不用你手动挑文本。模型怎么选、热词怎么配进阶配置与命令行ASR 模型怎么选需求启动命令中文视频按文本精确裁剪默认python funclip/launch.py高精度转写普通话、英语、日语、26 种地域口音python funclip/launch.py -m fun-asr-nano多语言识别 情绪、音频事件标签python funclip/launch.py -m sensevoice英文视频裁剪python funclip/launch.py -l en注意一个取舍要按文本精确裁剪就用默认 Paraformer——当前发布的 Fun-ASR-Nano checkpoint 不提供可靠的字符级时间戳Nano 更适合纯转写场景。热词怎么配效果最好「热词 | Hotwords」框走的是 SeACo-Paraformer 的热词定制多个热词用空格分隔仅支持中文热词可留空。配置顺序建议先填专有名词公司名、产品名、技术术语再填人名领域词越集中提升越明显。命令行两阶段用法Web 界面之外识别和裁剪可以拆成两步命令执行方便接进自动化流程# step1: 识别识别结果和整段 SRT 落在 ./output python funclip/videoclipper.py --stage 1 \ --file 输入视频.mp4 \ --output_dir ./output # step2: 按文本裁剪start/end 偏移单位是毫秒 python funclip/videoclipper.py --stage 2 \ --file 输入视频.mp4 \ --output_dir ./output \ --dest_text 要裁剪的文本内容 \ --start_ost 0 \ --end_ost 100 \ --output_file ./output/res.mp4它在 FunAudioLLM 技术栈里的位置FunClip 是 FunAudioLLM 开源家族的视频剪辑应用层底层 FunASR 提供 VAD、ASR、标点、说话人分离的语音流水线同家族的 Fun-ASR-Nano、SenseVoice、CosyVoice 分别覆盖端到端 ASR、音频理解和语音生成。版本细节见 docs/releases/v2.1.0.md源码在 funclip/。图LLM 智能裁剪配置区——上方是 Prompt System 与 Prompt User 两段提示词下方选模型、填 APIKEY点按钮完成推理与裁剪实用技巧与常见坑热词优先级专有名词、人名放最前主题词靠后它只支持中文热词英文视频别在这上面花时间。偏移微调每段单独设开始/结束时间偏移End Offset 默认 100 毫秒能救回被切掉的句尾。ID 拼接多说话人一次剪出用#连接如spk0#spk3多段文本同理。首次启动慢是正常的模型权重不随仓库分发运行时自动下载耐心等第一次跑完之后再启动就快了。克隆下来跑一把拿你自己的会议录像试一次想交流 prompt 技巧可扫 README 里的钉钉、微信群二维码入群。【免费下载链接】FunClipFunASR-powered video transcription, subtitle generation, and LLM-assisted clipping tool with a local Gradio UI.项目地址: https://gitcode.com/GitHub_Trending/fu/FunClip创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考