FunClip 基于ASR的视频剪辑实战：2小时多说话人录像按人拆出3段精华

FunClip 基于ASR的视频剪辑实战2小时多说话人录像按人拆出3段精华【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/FunClipFunClip 是一款开源、本地部署的视频剪辑工具基于 FunASR 的 Paraformer 中文语音识别模型上传视频即可得到带时间戳的识别结果再按文本或说话人提取目标片段。图FunClip 主操作界面。左侧为 ASR 识别区与热词配置右侧为 LLM 智能裁剪与按文本/说话人裁剪两个页签。能力概览视频剪辑的4项核心能力带时间戳识别— Paraformer-Large 输出句级起止时间ModelScope 下载量超 1300 万。说话人分离— CAM 模型为每句标注 spk0/spk1 等 ID可按人提取。热词定制— 注册专有名词、人名提升该词汇的识别准确率。多段自由裁剪— 一次输出多个片段自动生成全片与片段的 SRT 字幕。运行原理从视频到精华片段的数据流输入视频文件 → FunASR阿里开源的端到端语音识别工具包先用 VAD语音端点检测切出语音段再用 Paraformer中文语音识别模型生成带时间戳的句子级文本勾选区分说话人时CAM说话人识别模型为每句分配 ID。裁剪时系统按输入文本或说话人 ID 反查时间戳用 moviepy 切出对应区间输出新视频与片段 SRT。最小启动3条命令跑起FunClip剪辑服务git clone https://gitcode.com/GitHub_Trending/fu/FunClip cd FunClip pip install -r requirements.txt执行后得到 FunClip 目录torch、gradio 等依赖包依次安装完成无报错即成功。提示ASR 模型权重在首次启动时单独下载建议在网络稳定的环境下执行。python funclip/launch.py执行后终端显示 Gradio 服务已启动浏览器打开localhost:7860即可看到中英文界面左侧是视频输入区右侧是裁剪区。提示英文音频加-l en启动Fun-ASR-Nano 与 SenseVoice 模型分别加-m fun-asr-nano、-m sensevoice。实战场景3个高频用例走查2小时会议录音按3个决策主题拆出片段适用于会议录像较长、只需保留特定议题片段的场景。上传会议录音点击识别获取全文与 SRT。从识别结果复制三处决策段落粘贴到待裁剪文本多段用#分隔。点击裁剪等待输出。产出物拼接好的新视频文件外加裁剪片段的 SRT 字幕。60分钟多说话人访谈提取嘉宾单人部分适用于访谈、圆桌等多人交替发言的视频。上传访谈视频点击识别区分说话人。识别结果中每句带 spk0、spk1 等前缀。在待裁剪说话人输入嘉宾的 ID如spk1。点击裁剪。图多说话人裁剪流程。识别结果 SRT 每句带说话人 ID右侧为按人裁剪后的视频与片段 SRT。产出物仅包含该嘉宾发言的视频以及对应该片段的字幕。90分钟网课自动裁出3个知识点带字幕片段适用于课程录屏需按知识点切片并直接分发。上传网课视频在热词填入课程专有名词后识别。在文本框输入要提取的知识点语句用#分隔多段。调整字幕字号与颜色点击裁剪字幕。图六步操作流程覆盖上传视频、配置热词、ASR 识别、复制段落、设置偏移量到裁剪输出。产出物烧录字幕的课程片段视频与 SRT 文件可直接用于二次分发。进阶功能解锁LLM智能裁剪与多说话人拼接LLM 智能裁剪— 适合挑出精彩片段这类无固定文本的意图入口右侧 LLM 页签改 Prompt、点LLM推理再点AI Clip接口层见 funclip/llm/。注意LLM 输出须为N. [开始-结束] 文本格式时间戳才反查得到。多说话人合并裁剪— 说话人框输入spk0#spk2两人片段依次拼接。注意须先执行识别区分说话人。命令行裁剪— 自动化场景可用videoclipper.py --stage 1/2两段式调用见 funclip/videoclipper.py。注意stage 2 需指定 stage 1 的 output_dir。图LLM 裁剪三步法先选模型并配置 API Key再执行 LLM 推理最后点击智能裁剪。常见问题高频问题速查识别结果不准怎么办— 在热词框填入专有名词与人名空格分隔仅支持中文热词随后重新执行识别。英文视频怎么裁剪— 用python funclip/launch.py -l en启动英文模型后续步骤与中文一致。裁剪片段想前后多留一点— 调整开始位置偏移与结束位置偏移滑块范围 -500 至 1000 毫秒逐段生效。如何裁出烧录字幕的视频— 使用裁剪字幕按钮并预设字号、颜色该功能需提前安装 imagemagick 并放置字体到font/目录。多语种高精度识别怎么选模型— 加-m fun-asr-nano或-m sensevoice启动两者不提供可靠字符级时间戳按文本精确裁剪仍用默认 Paraformer。适用边界适合与不适合的场景适合不适合中文会议、访谈、课程录像的片段提取强噪声、多人同讲、重方言口音的识别按文本/说话人/LLM 意图裁剪并输出 SRT调色、转场、配乐替换等专业后期剪辑本地离线部署、单视频多段连续裁剪数百视频的批量任务无独立任务队列延伸与参与社区与文档入口问题反馈与功能建议提交至仓库 Issues贡献规范见 CONTRIBUTING.md。版本说明见 docs/releases/v2.1.0.md核心裁剪逻辑在 funclip/videoclipper.py。团队正在推进反向时间段选择与静音段落移除两个方向。【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