3 步跑通 AutoCut用文本编辑器剪视频的开源指南【免费下载链接】autocut用文本编辑器剪视频项目地址: https://gitcode.com/GitHub_Trending/au/autocutAutoCut 是一个开源的 Python 命令行工具面向不想学复杂剪辑软件的人。它先自动给视频生成字幕你在 Markdown 或 SRT 文件里删掉不要的句子对应片段就被裁掉。适合内容创作者、开发者以及大量录屏的人。为什么是文本剪视频而不是时间轴传统做法是学剪辑软件、拖素材、逐帧拖时间轴找切点。一段 20 分钟的录制光删掉 2 分钟口误就很费时间。AutoCut 换了个界面把视频转成文字你看到的就是自己说过的话。留着的句子视频就保留删掉某行它就从成片里消失。剪辑动作从拖时间轴变成删行。开源可复现的好处在于仓库里源码、测试、Docker 镜像和示例素材都齐全谁都能在自己机器上搭出同样的流水线。发现 bug 或想加功能时可以直接读代码下手。 一条命令装好环境跑通第一次转录前置依赖只有一个ffmpeg负责音频解码和剪辑编码的底层命令行工具。下面的代码先装 ffmpeg、克隆仓库、装依赖再对一个视频做首次转录sudo apt install ffmpeg git clone https://gitcode.com/GitHub_Trending/au/autocut cd autocut pip install . autocut -t demo.mp4转录完会生成和视频同名的demo.srt字幕文件每行带时间戳与demo.md纯文本版无声段有额外标记。打开.md用任意 Markdown 编辑器删掉不要的句子然后执行剪切命令autocut -c demo.mp4 demo.srt demo.md产出demo_cut.mp4以及一份_cut.md用来预览剪切结果。默认转录模型是small可以用--whisper-model换档位--lang指定视频里的语言默认 zh。 拆开看代码骨架五个核心文件加常用参数代码都在autocut包里分工清晰文件职责transcribe.py调用 Whisper语音转文字模型生成 .srt 和 .mdcut.py按编辑后的 md 或 srt 剪切、合并视频daemon.py监听文件夹自动转录并剪切新视频main.py声明命令行参数分发到对应功能utils.py各模块共用的工具函数常用参数见下表参数默认值作用--whisper-modelsmall转录模型档位从小到大质量递增--whisper-modewhisper推理方式可切 faster 或 OpenAI API--device自动强制 CPU 或 CUDA默认有 GPU 就用 GPU--bitrate10m剪出的视频输出码率--encodingutf-8字幕文件编码可切 gbk 从视频到成片字幕驱动的流水线单片视频走三步转录autocut -t xxx.mp4产出 .srt 和 .md编辑在 md 里删行。不习惯 Markdown 也可以直接在 .srt 里删剪切时不传 md 文件照样工作剪切autocut -c xxx.mp4 xxx.srt xxx.mdffmpeg 完成切割合并输出xxx_cut.mp4和xxx_cut.md。想要更自动化的体验有 daemon 模式常驻监听的守护进程autocut -d 2022-11-04持续盯着一个文件夹新视频一落盘就转录出 md你只管编辑。用 OBS 录屏的话把文件名格式设成以日期为目录一个 daemon 进程就能接管全部录制。剪出多个视频后在autocut.md里勾选要拼接的输出autocut_merged.mp4和对应字幕。一个小技巧手里只有 .srt 时可以用autocut -m test.srt转成更易编辑的 .md。 怎么判断转录靠不靠谱转录质量是整条流水线的上限模型听错的话后面文本编辑做得再干净也没用。这个仓库没有公布基准分数——翻译领域常用的 BLEU 分数翻译质量指标越接近 100 表示译文越贴近人工翻译在这里并不适用所以得用自己的素材判断。模型档位大致是档位定位tiny / base快适合快速预览文字small默认速度与质量的平衡点medium / large质量更高README 建议配合 GPU还有几条经验讲得流利的视频转录质量更高这源于 Whisper 训练数据的分布常用技巧是先粗选句子再对剪出的视频做第二轮精剪素材更短、模型发挥更稳。输出乱码多半是编码不匹配生成与剪切时都要指定--encoding且保持一致。⚙️ 想上生产这些开关值得打开GPU 转录有 Nvidia 卡且装了匹配的 PyTorch转录会自动跑在 GPU 上。可先用python -c import torch; print(torch.cuda.is_available())验证显存不够就换小模型或用--device cpu强制 CPU。faster-whisperpip install .[faster]装可选依赖后运行加--whisper-modefaster推理更快。OpenAI API不想占用本机算力时--whisper-modeopenai加--openai-rpm控制请求频率。Docker仓库提供 CPUDockerfile与 CUDADockerfile.cuda两套镜像视频目录用-v挂载进去即可。VAD--vad控制是否做语音活动检测自动判断哪些区间有人声适合大段沉默的长视频。✅ 三条下一步拿自己的一段录屏先跑autocut -tsmall 档把 .md 和原音频对照一遍判断质量是否达标转录慢的话验证 GPU 支持或切换到 faster-whisper 模式再对比速度长期录播的话OBS 里设好日期目录格式跑autocut -d守护模式让录制和初剪自动完成。想看项目后续规划仓库的 issue 区列了待办功能结合 README 里的代码结构读一遍源码是上手做第一处改动的好起点。【免费下载链接】autocut用文本编辑器剪视频项目地址: https://gitcode.com/GitHub_Trending/au/autocut创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 3 步跑通 AutoCut：用文本编辑器剪视频的开源指南
3 步跑通 AutoCut用文本编辑器剪视频的开源指南【免费下载链接】autocut用文本编辑器剪视频项目地址: https://gitcode.com/GitHub_Trending/au/autocutAutoCut 是一个开源的 Python 命令行工具面向不想学复杂剪辑软件的人。它先自动给视频生成字幕你在 Markdown 或 SRT 文件里删掉不要的句子对应片段就被裁掉。适合内容创作者、开发者以及大量录屏的人。为什么是文本剪视频而不是时间轴传统做法是学剪辑软件、拖素材、逐帧拖时间轴找切点。一段 20 分钟的录制光删掉 2 分钟口误就很费时间。AutoCut 换了个界面把视频转成文字你看到的就是自己说过的话。留着的句子视频就保留删掉某行它就从成片里消失。剪辑动作从拖时间轴变成删行。开源可复现的好处在于仓库里源码、测试、Docker 镜像和示例素材都齐全谁都能在自己机器上搭出同样的流水线。发现 bug 或想加功能时可以直接读代码下手。 一条命令装好环境跑通第一次转录前置依赖只有一个ffmpeg负责音频解码和剪辑编码的底层命令行工具。下面的代码先装 ffmpeg、克隆仓库、装依赖再对一个视频做首次转录sudo apt install ffmpeg git clone https://gitcode.com/GitHub_Trending/au/autocut cd autocut pip install . autocut -t demo.mp4转录完会生成和视频同名的demo.srt字幕文件每行带时间戳与demo.md纯文本版无声段有额外标记。打开.md用任意 Markdown 编辑器删掉不要的句子然后执行剪切命令autocut -c demo.mp4 demo.srt demo.md产出demo_cut.mp4以及一份_cut.md用来预览剪切结果。默认转录模型是small可以用--whisper-model换档位--lang指定视频里的语言默认 zh。 拆开看代码骨架五个核心文件加常用参数代码都在autocut包里分工清晰文件职责transcribe.py调用 Whisper语音转文字模型生成 .srt 和 .mdcut.py按编辑后的 md 或 srt 剪切、合并视频daemon.py监听文件夹自动转录并剪切新视频main.py声明命令行参数分发到对应功能utils.py各模块共用的工具函数常用参数见下表参数默认值作用--whisper-modelsmall转录模型档位从小到大质量递增--whisper-modewhisper推理方式可切 faster 或 OpenAI API--device自动强制 CPU 或 CUDA默认有 GPU 就用 GPU--bitrate10m剪出的视频输出码率--encodingutf-8字幕文件编码可切 gbk 从视频到成片字幕驱动的流水线单片视频走三步转录autocut -t xxx.mp4产出 .srt 和 .md编辑在 md 里删行。不习惯 Markdown 也可以直接在 .srt 里删剪切时不传 md 文件照样工作剪切autocut -c xxx.mp4 xxx.srt xxx.mdffmpeg 完成切割合并输出xxx_cut.mp4和xxx_cut.md。想要更自动化的体验有 daemon 模式常驻监听的守护进程autocut -d 2022-11-04持续盯着一个文件夹新视频一落盘就转录出 md你只管编辑。用 OBS 录屏的话把文件名格式设成以日期为目录一个 daemon 进程就能接管全部录制。剪出多个视频后在autocut.md里勾选要拼接的输出autocut_merged.mp4和对应字幕。一个小技巧手里只有 .srt 时可以用autocut -m test.srt转成更易编辑的 .md。 怎么判断转录靠不靠谱转录质量是整条流水线的上限模型听错的话后面文本编辑做得再干净也没用。这个仓库没有公布基准分数——翻译领域常用的 BLEU 分数翻译质量指标越接近 100 表示译文越贴近人工翻译在这里并不适用所以得用自己的素材判断。模型档位大致是档位定位tiny / base快适合快速预览文字small默认速度与质量的平衡点medium / large质量更高README 建议配合 GPU还有几条经验讲得流利的视频转录质量更高这源于 Whisper 训练数据的分布常用技巧是先粗选句子再对剪出的视频做第二轮精剪素材更短、模型发挥更稳。输出乱码多半是编码不匹配生成与剪切时都要指定--encoding且保持一致。⚙️ 想上生产这些开关值得打开GPU 转录有 Nvidia 卡且装了匹配的 PyTorch转录会自动跑在 GPU 上。可先用python -c import torch; print(torch.cuda.is_available())验证显存不够就换小模型或用--device cpu强制 CPU。faster-whisperpip install .[faster]装可选依赖后运行加--whisper-modefaster推理更快。OpenAI API不想占用本机算力时--whisper-modeopenai加--openai-rpm控制请求频率。Docker仓库提供 CPUDockerfile与 CUDADockerfile.cuda两套镜像视频目录用-v挂载进去即可。VAD--vad控制是否做语音活动检测自动判断哪些区间有人声适合大段沉默的长视频。✅ 三条下一步拿自己的一段录屏先跑autocut -tsmall 档把 .md 和原音频对照一遍判断质量是否达标转录慢的话验证 GPU 支持或切换到 faster-whisper 模式再对比速度长期录播的话OBS 里设好日期目录格式跑autocut -d守护模式让录制和初剪自动完成。想看项目后续规划仓库的 issue 区列了待办功能结合 README 里的代码结构读一遍源码是上手做第一处改动的好起点。【免费下载链接】autocut用文本编辑器剪视频项目地址: https://gitcode.com/GitHub_Trending/au/autocut创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考