
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 6521
使用教程
环境要求
- Python 3.12(README 示例使用 python3.12)
- 与平台匹配的 PyTorch / torchaudio 组合(需在装其余依赖前先装好)
- git(用于克隆仓库)
- funasr>=1.4.9(FunClip 当前模型与字幕兼容路径要求)
- ImageMagick 仅可选,标准字幕剪辑已不再需要
安装与启动步骤
-
1克隆仓库
把 FunClip 源码拉到本地,随后所有命令都在该目录内执行。
git clone https://github.com/modelscope/FunClip.git cd FunClip -
2创建虚拟环境
为 FunClip 单独建一个 Python 3.12 虚拟环境,避免污染系统环境;Windows 激活方式见官方安装文档。
python3.12 -m venv .venv -
3激活虚拟环境
Linux/macOS 下激活刚建好的环境,之后所有 pip 与启动命令都在此环境内执行。
. .venv/bin/activate -
4安装依赖
安装 requirements.txt 中的全部依赖。注意本环境保持 Transformers 4.x,不要换成 Nano 的 Transformers 5.x。
python -m pip install -r requirements.txt -
5检查依赖完整性
用 pip check 确认依赖之间存在版本冲突,有报错先解决再启动。
python -m pip check -
6确认启动脚本可用
查看启动脚本帮助信息,能正常打印说明即表示 Python 环境已就绪。
python funclip/launch.py --help -
7启动 Gradio 服务
默认使用 Paraformer 处理中文视频;首次启动会自动下载模型权重,等待下载完成后再访问网页界面。
python funclip/launch.py
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
-m / --model | 否 | 选择识别模型,默认 Paraformer 中文 | python funclip/launch.py -m fun-asr-nano |
-l | 否 | 指定语言,处理英文视频时用 | python funclip/launch.py -l en |
--moss-backend | 否 | 使用 MOSS 时指定本地 vLLM 转写服务后端 | python funclip/launch.py --model moss --moss-backend vllm |
如何确认成功
执行 python funclip/launch.py --help 能正常打印帮助信息即环境就绪;启动服务后浏览器打开终端输出的本地地址即可看到 Gradio 界面。
常见问题
Q:可以把它升级到 Transformers 5.x 吗?
A:不可以。FunClip 环境需保持在仓库要求的 Transformers 4.x;Nano 的原生 Transformers 5.x 快速开始不是已有安装的升级命令。
Q:已经装过 FunClip,怎么更新?
A:进入自己的 FunClip 环境后运行 python -m pip install -U -r requirements.txt,然后重启服务。
Q:模型权重需要单独下载吗?
A:不需要手动下载。权重不包含在源码压缩包中,FunClip 启动时会自动单独下载。
Q:必须安装 ImageMagick 吗?
A:不必须。v2.2.1 内置字幕渲染器改用 Pillow 与自带字体,只有运行旧版 imagemagick_test.py 或自己的 MoviePy TextClip 工作流才需要。
Q:funasr 版本报错怎么办?
A:若在此要求更新前安装过 FunClip,启动 Gradio 服务前运行 python -m pip install -U "funasr>=1.4.9"。
注意事项
- 务必为 FunClip 使用独立的 Python 环境,不要装进系统全局环境。
- 要提前安装与自身平台匹配的 PyTorch / torchaudio,再安装 requirements.txt 中的其余依赖。
- 首次启动会下载模型权重,耗时较长,请保持网络通畅。
- 若需要版本化快照,可下载 FunClip-2.2.1.tar.gz 或 zip,并用官方 SHA256SUMS 校验。
核心亮点
- 基于 FunASR 高精度语音识别,支持中英文和热词自定义
- 提供可视化 Gradio 界面,无需编程即可完成字幕生成和剪辑
- 支持 LLM 智能识别说话内容并自动截取相关片段
不足之处
- 依赖本地算力,长视频处理耗时较长
- 文档/社区待观察
适用场景
- 视频博主快速提取访谈或讲座中的金句片段
- 内容审核人员通过关键词搜索定位违规语音内容
- 教育工作者从长课程录像中截取知识点讲解片段
替代项目
WhisperX、AutoCut、VideoLingo
上一篇:NarratoAI
同类项目推荐
SEINE
开源
用文本或图像生成连贯长视频,还能让视频间无缝过渡
[ICLR 2024] SEINE: Short-to-Long Video Diffusion Model for Generative Transition and···
sd-parseq
开源
让 Stable Diffusion 参数动起来,一键生成平滑动画视频
Parameter sequencer for Stable Diffusion
LUMIERE
开源
用文本直接生成连贯视频,复现谷歌时空扩散模型
Implementation of the text to video model LUMIERE from the paper: "A Space-Time Diff···
CogVideo
开源
打句话或传张图,AI 立刻生成视频
text and image to video generation: CogVideoX (2024) and CogVideo (ICLR 2023)
MagicDrive-V2
开源
用文本和轨迹,一键生成高分辨率多视角驾驶长视频
[ICCV 2025] Official implementation of the paper “MagicDrive-V2: High-Resolution Lo···
hve-video-director
开源
一句话让 AI 助手跑完视频制作全流程
AI-powered video production pipeline for Claude Code, Github Copilot, Codex, Cursor,···
articulated-animation
开源
用一张图和一段视频,生成逼真的关节动画
Code for Motion Representations for Articulated Animation paper
PISCO
开源
稀疏控制,精准插入视频实例,让编辑更自然
[NeurIPS 2026] PISCO: Precise Video Instance Insertion with Sparse Control
FreeInit
开源
不重训模型,让视频生成更连贯更稳定
[ECCV 2024] FreeInit: Bridging Initialization Gap in Video Diffusion Models