FunClip本地部署教程用AI语音识别把1小时视频自动剪成精华片段【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你刚录完一场1小时的嘉宾访谈领导要求今晚要一段30秒的金句预告。手动剪片意味着逐帧听、记时间点、来回拖进度条至少耗掉两小时用普通字幕工具只能导出文本依然要靠眼睛对时间码。这就是大多数内容创作者的真实困境视频里说了什么好懂但哪段说了什么对不上时间。FunClip正是为解决这个错位而生的免费开源AI视频剪辑工具——它由阿里巴巴通义实验室基于FunASR打造本地部署后自动识别视频语音、生成带时间戳的字幕还能按文本、按说话人、甚至靠大模型理解语义一键裁剪把找片段这件事从小时级压缩到分钟级。它和同类工具差在哪一句话定位FunClip是一个以字幕为索引的视频剪辑工具。它不像传统剪辑软件要你手动对齐素材而是先把视频转成可检索的文本时间线你只需要选文字或选说话人点一下按钮对应片段就被切出来了。相比在线付费剪辑平台它完全开源免费、数据不出本机相比其他开源方案它的独特点是集成了工业级中文ASR模型Paraformer-Large开源中文识别效果第一梯队并原生支持热词、说话人分离和LLM语义裁剪这在同类工具里并不常见。5分钟跑通本地部署你只需要一个能装Python的环境全程无GUI安装、无账号注册git clone https://gitcode.com/GitHub_Trending/fu/FunClip cd FunClip pip install -r requirements.txt python funclip/launch.py看到Running on local URL字样后浏览器打开localhost:7860就进入了剪辑界面。首次启动会自动下载语音识别模型权重取决于网速可能等待几分钟之后模型会本地缓存、无需重复下载。需要处理英文视频换个参数启动即可python funclip/launch.py -l en它为什么能行三个关键原理1. 语音被拆成了带钟表的文字FunClip调用Paraformer-Large做识别时不只是吐出文本还会为每个字预测时间戳。你可以把它想象成每个字幕条目都自带一个开始和结束时间码。有了这条文字↔时间的映射表你选哪句话程序就知道去切哪一段精度到毫秒级。2. 说话人被自动贴上ID标签集成CAM说话人识别模型后FunClip会在每句字幕前标注spk0、spk1。处理访谈、会议时输入一个ID就能把某个人的所有发言一次性全剪出来不用自己数哪句是谁说的。3. 大模型读懂哪段值得剪这是FunClip最特别的地方把SRT字幕喂给GPT、Qwen、DeepSeek等大模型让模型按精彩片段、语义连贯的标准挑选段落并返回[开始时间-结束时间]的格式结果程序再解析时间戳完成裁剪。相当于让AI先替你看了一遍视频内容。相关接口全部集中在funclip/llm/目录下方便你按需替换。主界面把识别和裁剪分列左右识别结果直接对应右侧的裁剪入口完整实战剪出一次访谈的高光片段下面按GUI流程走一遍每一步都标注你应当看到的输出。第1步上传素材。左侧视频输入区上传你的MP4也可以先用界面自带的示例视频试跑。第2步点识别。点击 识别按钮等待片刻。预期输出识别结果文本框出现逐句文字SRT字幕框出现标准字幕含序号、时间轴下方生成可下载的.txt和.srt文件。第3步选段落并裁剪。把识别结果中你想要的句子复制到右侧待裁剪文本框多段用#连接。点击✂️ 裁剪。预期输出底部出现裁剪后的视频可直接播放下载同时附带该段落的SRT字幕。第4步进阶按说话人提取。换用 识别区分说话人按钮字幕里会出现spk0、spk1标记。在待裁剪说话人框输入spk0就能一次剪出该说话人的全部内容。核心流程只有四步上传→识别→选文本→裁剪全程无需手动对齐时间轴第5步高阶让LLM替你选。切换到LLM智能裁剪标签选择模型默认deepseek-chat填入对应API Key先点LLM推理预期输出是一段带时间戳的片段列表确认无误后点LLM智能裁剪预期输出与第3步相同——裁剪好的视频加上片段字幕。LLM裁剪的完整闭环配置Prompt→选模型填Key→LLM推理→AI自动裁剪高频问题速查表现象原因对策启动时下载模型很慢首次需拉取模型权重保持网络稳定下载完即本地缓存识别报错/无时间戳funasr版本过旧执行pip install -U funasr1.3.29点裁剪提示未找到段落复制的文本与识别结果不完全一致从识别结果框原样复制注意标点裁剪范围偏移每段起止误差用界面上的开始/结束位置偏移滑块微调毫秒级裁剪字幕失败缺少ImageMagick按系统安装imagemagick并修改moviepy配置见README说话人框没结果未使用识别区分说话人按钮说话人ID只有走ASRSD流程才会生成专业术语识别错默认模型不认识生僻词在热词框填入人名/术语多个词用空格分隔进阶玩法与二次开发入口命令行批量处理。不满足于界面操作时funclip/videoclipper.py支持两阶段命令行调用--stage 1识别并输出SRT--stage 2按--dest_text指定文本裁剪方便写脚本批量处理整批视频。换模型。启动时加-m fun-asr-nano可切换旗舰版Fun-ASR-Nano支持方言与口音加-m sensevoice则启用SenseVoice额外输出情绪与音频事件标签追求精确按文本裁剪时建议保留默认Paraformer。定制Prompt。LLM裁剪的判定标准完全由Prompt System框里的提示词决定。想剪教学重点或产品卖点改提示词即可默认会输出4条以内的连续片段。想研究源码从funclip/videoclipper.py核心裁剪逻辑和funclip/llm/各模型接入入手最直接。现在就能做的下一步不用等万事俱备先按上面的命令装好环境随便拿一个几十秒的小视频哪怕是手机录的跑一遍识别→裁剪全流程亲眼看到AI把文字和时间码对上的那一刻你就掌握了这个工具的核心用法。之后再逐步尝试说话人提取和LLM智能裁剪。整个项目代码完全开源、MIT许可本地运行数据不出设备——无论是剪自己的视频还是给团队搭一套内部剪辑服务FunClip都值得成为你工具箱里的常驻成员。【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 FunClip本地部署教程：用AI语音识别把1小时视频自动剪成精华片段
FunClip本地部署教程用AI语音识别把1小时视频自动剪成精华片段【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你刚录完一场1小时的嘉宾访谈领导要求今晚要一段30秒的金句预告。手动剪片意味着逐帧听、记时间点、来回拖进度条至少耗掉两小时用普通字幕工具只能导出文本依然要靠眼睛对时间码。这就是大多数内容创作者的真实困境视频里说了什么好懂但哪段说了什么对不上时间。FunClip正是为解决这个错位而生的免费开源AI视频剪辑工具——它由阿里巴巴通义实验室基于FunASR打造本地部署后自动识别视频语音、生成带时间戳的字幕还能按文本、按说话人、甚至靠大模型理解语义一键裁剪把找片段这件事从小时级压缩到分钟级。它和同类工具差在哪一句话定位FunClip是一个以字幕为索引的视频剪辑工具。它不像传统剪辑软件要你手动对齐素材而是先把视频转成可检索的文本时间线你只需要选文字或选说话人点一下按钮对应片段就被切出来了。相比在线付费剪辑平台它完全开源免费、数据不出本机相比其他开源方案它的独特点是集成了工业级中文ASR模型Paraformer-Large开源中文识别效果第一梯队并原生支持热词、说话人分离和LLM语义裁剪这在同类工具里并不常见。5分钟跑通本地部署你只需要一个能装Python的环境全程无GUI安装、无账号注册git clone https://gitcode.com/GitHub_Trending/fu/FunClip cd FunClip pip install -r requirements.txt python funclip/launch.py看到Running on local URL字样后浏览器打开localhost:7860就进入了剪辑界面。首次启动会自动下载语音识别模型权重取决于网速可能等待几分钟之后模型会本地缓存、无需重复下载。需要处理英文视频换个参数启动即可python funclip/launch.py -l en它为什么能行三个关键原理1. 语音被拆成了带钟表的文字FunClip调用Paraformer-Large做识别时不只是吐出文本还会为每个字预测时间戳。你可以把它想象成每个字幕条目都自带一个开始和结束时间码。有了这条文字↔时间的映射表你选哪句话程序就知道去切哪一段精度到毫秒级。2. 说话人被自动贴上ID标签集成CAM说话人识别模型后FunClip会在每句字幕前标注spk0、spk1。处理访谈、会议时输入一个ID就能把某个人的所有发言一次性全剪出来不用自己数哪句是谁说的。3. 大模型读懂哪段值得剪这是FunClip最特别的地方把SRT字幕喂给GPT、Qwen、DeepSeek等大模型让模型按精彩片段、语义连贯的标准挑选段落并返回[开始时间-结束时间]的格式结果程序再解析时间戳完成裁剪。相当于让AI先替你看了一遍视频内容。相关接口全部集中在funclip/llm/目录下方便你按需替换。主界面把识别和裁剪分列左右识别结果直接对应右侧的裁剪入口完整实战剪出一次访谈的高光片段下面按GUI流程走一遍每一步都标注你应当看到的输出。第1步上传素材。左侧视频输入区上传你的MP4也可以先用界面自带的示例视频试跑。第2步点识别。点击 识别按钮等待片刻。预期输出识别结果文本框出现逐句文字SRT字幕框出现标准字幕含序号、时间轴下方生成可下载的.txt和.srt文件。第3步选段落并裁剪。把识别结果中你想要的句子复制到右侧待裁剪文本框多段用#连接。点击✂️ 裁剪。预期输出底部出现裁剪后的视频可直接播放下载同时附带该段落的SRT字幕。第4步进阶按说话人提取。换用 识别区分说话人按钮字幕里会出现spk0、spk1标记。在待裁剪说话人框输入spk0就能一次剪出该说话人的全部内容。核心流程只有四步上传→识别→选文本→裁剪全程无需手动对齐时间轴第5步高阶让LLM替你选。切换到LLM智能裁剪标签选择模型默认deepseek-chat填入对应API Key先点LLM推理预期输出是一段带时间戳的片段列表确认无误后点LLM智能裁剪预期输出与第3步相同——裁剪好的视频加上片段字幕。LLM裁剪的完整闭环配置Prompt→选模型填Key→LLM推理→AI自动裁剪高频问题速查表现象原因对策启动时下载模型很慢首次需拉取模型权重保持网络稳定下载完即本地缓存识别报错/无时间戳funasr版本过旧执行pip install -U funasr1.3.29点裁剪提示未找到段落复制的文本与识别结果不完全一致从识别结果框原样复制注意标点裁剪范围偏移每段起止误差用界面上的开始/结束位置偏移滑块微调毫秒级裁剪字幕失败缺少ImageMagick按系统安装imagemagick并修改moviepy配置见README说话人框没结果未使用识别区分说话人按钮说话人ID只有走ASRSD流程才会生成专业术语识别错默认模型不认识生僻词在热词框填入人名/术语多个词用空格分隔进阶玩法与二次开发入口命令行批量处理。不满足于界面操作时funclip/videoclipper.py支持两阶段命令行调用--stage 1识别并输出SRT--stage 2按--dest_text指定文本裁剪方便写脚本批量处理整批视频。换模型。启动时加-m fun-asr-nano可切换旗舰版Fun-ASR-Nano支持方言与口音加-m sensevoice则启用SenseVoice额外输出情绪与音频事件标签追求精确按文本裁剪时建议保留默认Paraformer。定制Prompt。LLM裁剪的判定标准完全由Prompt System框里的提示词决定。想剪教学重点或产品卖点改提示词即可默认会输出4条以内的连续片段。想研究源码从funclip/videoclipper.py核心裁剪逻辑和funclip/llm/各模型接入入手最直接。现在就能做的下一步不用等万事俱备先按上面的命令装好环境随便拿一个几十秒的小视频哪怕是手机录的跑一遍识别→裁剪全流程亲眼看到AI把文字和时间码对上的那一刻你就掌握了这个工具的核心用法。之后再逐步尝试说话人提取和LLM智能裁剪。整个项目代码完全开源、MIT许可本地运行数据不出设备——无论是剪自己的视频还是给团队搭一套内部剪辑服务FunClip都值得成为你工具箱里的常驻成员。【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