一段播客丢进去,出片、字幕、封面、文案全齐

一段播客丢进去,出片、字幕、封面、文案全齐

做短视频的人现在有个固定流程:找素材、剪片子、上字幕、挑封面、写文案、调尺寸,发完抖音还要再来一遍小红书和 TikTok。

一条视频两三个小时。

AutoClip 干的是把这一串压成一次操作:贴一个链接,选好平台,等它出片。出来的是可以直接发的东西——竖版视频、字幕、封面、发布文案,四个平台尺寸都调好了。

11,464 星,MIT 协议,桌面版、Docker、CLI、MCP 四种形态。

先看它剪出来是什么样

这个项目我最服的一点:README 里直接放了 16 条真实成片,能点开看完整视频,不是截图糊弄。

包括 Bill Gates 的访谈、《Hot Ones》的访谈、Karpathy 和 Dwarkesh 的对谈、鲁豫的节目。每条都标了版式和语言——访谈式、满屏播客式、竖版。

你可以先去看几条,觉得能用再装。这比看一百行功能描述快。

官方示例成片:Karpathy 与 Dwarkesh 的对谈被切成竖版

它不只是切片

如果只是"把长视频切成小段",这东西满地都是。它多做了几步:

字幕:自动转写,分页也对齐了。可以本地跑 Whisper,也可以用百炼的云端转写(qwen-audio-3.1-asr-flash,大约 0.1 元一小时音频)。

取景:竖版不是简单裁中间。它会做人脸/人物跟踪,把讲话的人放在画面里合适的位置。

封面:自动生成。

发布文案:按平台写,不是通用的一段话套到所有平台。

发布包:按平台规则导出,抖音、小红书、TikTok、Reels、YouTube Shorts、B 站、YouTube 都适配。YouTube 长视频还要求片段至少 180 秒,它知道这个规则。

自动出来的不满意,进编辑器手改。它没打算替你做最终决定,只是把 80% 的机械活干掉。

三种用法,门槛从零到高

桌面版——最省事。下载 .dmg(macOS Apple Silicon)或 -setup.exe(Windows x64),装完就能用。包自带 Python 和 FFmpeg,不用配环境。

macOS 15 以上第一次打开会被拦,去「系统设置 → 隐私与安全性 → 仍要打开」。装完先在设置里选服务商、填 API Key、测连接。

首页有个"用示例项目看看效果",不需要 API Key,示例就在安装包里。想先看看它到底剪成什么样,点这个最快。

Docker / Web——想架在自己服务器上:

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

起来之后 Web 界面在 3000 端口,API 文档在 8000。

CLI / MCP——批量处理或者让 agent 直接调:

uvx autoclip-mcp
npx skills add zhouxiaoka/autoclip

有 MCP 意味着你可以跟 agent 说"把这个视频剪成三条发抖音",它自己去调。

成本这件事要说清

软件免费,模型按量计费。

它自己不做模型,转写和片段分析都调外部的。所以花的钱取决于你用什么模型、跑多长的素材。

给两个参照:

  • 云端转写大约 0.1 元 / 小时音频(百炼 qwen-audio-3.1-asr-flash,以阿里云账单为准)
  • 本地 Whisper 不花钱,但第一次要下约 220MB 模型,国内网络大概 15 分钟

想彻底零成本,就全走本地:Whisper 转写 + 本地 Ollama 跑分析模型。慢一点,但账单是零。

想省时间,就走云端转写 + API 模型,一条一小时播客的转写成本大概一毛钱。

几个实际会遇到的坑

硬盘和 FFmpeg 是绕不开的。CLI 模式下这两个必须在 PATH 里。

Intel Mac 没有桌面安装包,得用 Docker 或 CLI。Linux 同理。

Docker 在 Linux 上如果绑定目录报权限错误,README 给了修法——先用 root 进去把数据目录的归属改对,再启动。

转写失败先看是本地 Whisper 没装好还是网络问题,装不上就切云端转写,导入被拦的时候界面上有「改用云端转写」的按钮。

关于维护

1,297 次提交,主维护者 1,034 次,然后是 cursoragent 的 256 次——等于说这项目大量代码是 AI 辅助写的。

22 个 open issue、24 个 open PR,数量不高,说明版本比较稳。

一个人主导 + AI 辅助 + 星数一万多,这个组合意味着:功能迭代快,但别指望有企业级支持。自己用完全够,团队正式依赖前先自己跑几十条素材看看稳定性。

谁最该用

在做播客/访谈类内容的人——这是它的主场。一小时的对谈切成十条竖版短片,手工做要一整天。

做课程、直播切片的人——同理,长内容切短是刚需。

要给多个平台分发的人——一次出齐四个尺寸和对应文案,省的是重复劳动。

只做原创短视频、不需要切片的,用不上它。


相关链接:

评论

暂无评论。

登录后可发表评论。