autoclip

上传长视频，AI 自动剪出高光片段，快速做二创。

AutoClip 是一款基于 AI 的视频高光提取与自动剪辑工具，主要面向视频二创和内容分发场景。它利用大语言模型和视频处理技术，自动分析视频内容，识别并提取精彩片段，生成高光集锦，帮助用户快速制作短视频或宣传片。项目解决了人工观看长视频、手动剪辑耗时费力的问题，核心能力包括智能场景识别、语音/字幕分析、高光片段自动拼接，以及可定制的剪辑参数。它支持多种视频格式，并提供命令行接口，方便集成到自动化工作流中。AutoClip 旨在降低视频剪辑门槛，让创作者和运营者能高效产出吸引人的短视频内容。

开源 unknown 视频生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 8696

维护状态活跃

是否开源是

定价模式 unknown

项目数据

分类视频生成

开发团队zhouxiaoka

所属国家

官网地址https://zhouxiaoka.github.io/autoclip_intro

GitHubhttps://github.com/zhouxiaoka/autoclip

定价模式unknown

价格说明定价信息待确认

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型ai,ai-agents,ai-tools,ai-video,ai-video-editor,auto,auto-highlight,highlight,llm,video,video-editing,video-processing,videos

GitHub 星标★ 8696

30天Star增速

HF 下载量

上线时间2025-07-08 00:00:00

最近更新2026-09-22 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数2

使用教程

难度：进阶约 30 分钟部署方式：Docker 8 步

环境要求

Docker 20.10+ 与 Docker Compose 2.0+（Docker 部署方式）
Python 3.8+（推荐 3.9+）；Node.js 16+（推荐 18+）
Redis 6.0+（推荐 7.0+）
FFmpeg（视频处理依赖，需自行安装）
内存最少 4GB（推荐 8GB+），存储最少 10GB

安装与启动步骤

1克隆项目代码

从 GitHub 拉取 AutoClip 源码并进入项目根目录，后续所有命令都在该目录执行。
```
git clone https://github.com/zhouxiaoka/autoclip.git
cd autoclip
```
2配置环境变量

把示例配置复制为 .env，然后填入通义千问 API 密钥等必要配置，否则 AI 分析无法工作。
```
cp env.example .env
```
3安装后端依赖

在项目根目录安装 FastAPI、Celery、yt-dlp 等 Python 依赖，建议先建虚拟环境。
```
pip install -r requirements.txt
```
4安装前端依赖

进入 frontend 目录安装 React 相关依赖，完成后返回项目根目录继续后续步骤。
```
cd frontend && npm install && cd ..
```
5启动 Redis 服务

Redis 用于 Celery 任务队列与缓存，必须先启动；macOS 和 Linux 请二选一执行。
```
brew services start redis  # macOS
sudo systemctl start redis-server  # Linux
```
6安装 FFmpeg

README 仅将 FFmpeg 列为视频处理依赖，未给出安装命令，请按操作系统自行安装。
7一键启动本地服务

运行启动脚本会自动检查环境并拉起前后端与 Worker；开发时可用快速启动脚本跳过检查。
```
./start_autoclip.sh
```
8Docker 方式启动

推荐部署方式：先完成 .env 配置，再用 docker-compose 一次性拉起全部服务。
```
docker-compose up -d
```

关键配置

配置项	必填	说明	示例
`API_DASHSCOPE_API_KEY`	是	通义千问 DashScope API 密钥，AI 内容分析必需	`sk-xxxxxxxxxxxxxxxx`
`API_MODEL_NAME`	否	使用的通义千问模型名称	`qwen-plus`
`REDIS_URL`	是	Redis 连接地址，Celery 队列与缓存依赖	`redis://localhost:6379/0`
`DATABASE_URL`	否	数据库连接串，默认使用本地 SQLite	`sqlite:///./data/autoclip.db`
`LOG_LEVEL`	否	日志级别，调试时可设为 DEBUG	`INFO`
`DEBUG`	否	是否开启调试模式，生产环境应关闭	`true`

如何确认成功

访问 http://localhost:8000 可打开接口文档，前端页面正常加载并能收到任务进度推送即成功。

常见问题

Q：启动时提示端口被占用怎么办？

A：先检查并停止占用端口的进程再启动；后端默认 8000 端口，Celery Flower 监控默认 5555 端口，被占用时需释放或改用其他端口。

Q：前端依赖安装失败怎么办？

A：进入 frontend 目录，删除 node_modules 与 package-lock.json，执行 npm cache clean --force 后再重新 npm install。

Q：YouTube 视频下载失败怎么办？

A：检查网络连接，执行 pip install --upgrade yt-dlp 升级下载器，尝试使用浏览器 Cookie，并确认视频可访问或无需登录。

Q：AI 处理速度慢怎么办？

A：确认 API 密钥配置正确，适当调小 chunk_size 等处理参数，检查网络状况，或改用更快的 AI 模型。

Q：B 站上传和字幕编辑什么时候能用？

A：两个功能均处于开发中，预计下个版本发布，将支持自动上传切片、多账号管理、可视化字幕编辑与多语言字幕。

注意事项

B站上传、字幕编辑、移动端支持和账号管理功能在 README 中标注为开发中，暂不可用。
生产环境建议用 PostgreSQL 替代 SQLite，并优化 Redis 内存与持久化、Celery 并发与任务路由。
README 节选中未给出 git clone 与 FFmpeg 安装的具体命令，实际执行时请结合自身环境确认。

核心亮点

基于 LLM 的智能高光识别，能理解视频语义，而非简单静音检测。
提供命令行工具，易于脚本化集成，适合批量处理视频。
项目活跃，社区关注度高，持续迭代中。

不足之处

文档和示例可能不够完善，上手需要一定技术背景。
处理长视频时，依赖外部 AI 服务，可能产生额外成本。

适用场景

视频博主快速剪辑直播或长视频的高光时刻，用于发布短视频平台。
内容团队批量处理历史视频素材，提取精华用于宣传片制作。
个人用户将录制的游戏或教学视频自动生成精彩集锦。

替代项目

AutoCut、VideoHighlight、FFmpeg 结合自定义脚本

项目介绍

autoclip 是视频领域的开源项目，由 zhouxiaoka 开发，2025 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（8,696）位列前 6%，在视频分类的 473 个项目里位列前 4%。

近 41 天，它的 GitHub 星标从 6,344 增加到 8,696，净增 2,352。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-22。从国内网络环境看，可直接访问。

它主要面向的使用场景是：视频博主快速剪辑直播或长视频的高光时刻，用于发布短视频平台。同类可对比的替代方案包括 AutoCut、VideoHighlight、FFmpeg 结合自定义脚本。

上一篇：palmier-pro

下一篇：story-flicks