FunClip视频剪辑终极指南AI语音识别加LLM智能裁剪免费开源工具一招上手【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如果你正在寻找一款能听懂人话的视频剪辑工具那这篇文章就是为你准备的。FunClip是阿里巴巴通义实验室开源的一款完全免费、可本地部署的AI视频智能剪辑工具它基于FunASR语音识别链路能把自动转字幕、按文本选段、按说话人取片段、让大模型帮你挑重点整套流程压缩到一次点击里——不用付费订阅不用上传云端剪片子的姿势从此不一样。先讲一个你可能经历过的深夜凌晨一点你对着剪辑软件里一段两小时的讲座回放第七次拖动进度条只为找到讲师讲到乡村振兴设计案例的那 40 秒。找到了掐头去尾还要反复预览生怕多一帧、少一帧剪完这段还有下一段。两个小时的材料光找片段就耗掉你一个晚上。传统剪辑软件的逻辑是时间线思维你得先知道素材在哪个时间点才能去剪。但人的记忆是按内容存的你记住的是那句话、那个人而不是第 34 分 12 秒。于是大部分时间都浪费在从内容翻译成时间这件事上。FunClip 换了个思路先让 AI 把视频里的语音全部转成带时间戳的文字然后你只需要告诉它你要哪句话——剩下的定位、切割、拼接全部自动完成。听起来像魔术其实原理非常朴素下面慢慢拆给你看。它凭什么能听懂你要剪什么能力清单速览先花 30 秒看完这张清单你就明白 FunClip 的核心价值在哪里能力背后模型/方案解决什么问题语音识别转文字Paraformer-Large开源中文ASR顶尖模型ModelScope下载超1300万次自动生成全文文字逐句时间戳热词定制识别SeACo-Paraformer人名、专有名词识别更准说话人分离CAM 说话人识别模型自动区分 spk0、spk1…按人取段LLM智能裁剪集成 Qwen、GPT、DeepSeek 等大模型用语义理解自动挑重点片段字幕生成内置SRT生成逻辑全视频字幕、裁剪段字幕一键导出中英双语-l en切换英文模型英文视频同样支持识别裁剪一句话总结它的差异化别的工具让你对着时间轴找内容FunClip 让你对着内容找时间轴。你只需要懂自己要什么内容剩下的交给它。阶段一本地部署三行命令跑起来FunClip 的全部依赖只有一个 Python 环境安装流程简单到不需要动脑子git clone https://gitcode.com/GitHub_Trending/fu/FunClip cd FunClip pip install -r ./requirements.txt然后启动服务一条命令python funclip/launch.py浏览器访问localhost:7860主界面就出来了。几个常用的启动参数提前告诉你-l en识别英文视频-m fun-asr-nano切换高精度转写模型 Fun-ASR-Nano支持普通话、英语、日语、7类中文方言和26种地域口音-m sensevoice使用 SenseVoice多语种识别之外还带情绪识别和音频事件检测-p 7861换端口-s生成公网分享链接⚠️ 首次启动会自动下载模型权重请确保网络稳定下载后本地缓存之后就不用再等了。阶段二第一次实战指哪剪哪主界面左右分栏左边是识别区右边是裁剪区第一次用按下面五步走就行官方给的这套流程真的很顺上传视频拖入视频或音频文件界面里还内置了为什么要多读书云栖大会片段等示例素材想先体验可以直接点示例。可选填热词和输出路径热词用空格分隔比如通义千问 阿里巴巴输出路径留空也能跑但建议填一个识别结果和成片都会落在那里。点击「识别」或「识别区分说话人」识别按钮只出文字和时间戳带说话人的版本会额外给每句话标上 spk0、spk1 这样的说话人 ID。复制要保留的文本把识别结果里你想要的段落粘贴到右侧待裁剪文本框。想剪多段用#分隔比如我们把它跟乡村振兴去结合起来#利用我们的设计的能力。点击「裁剪」或「裁剪字幕」等几秒成片和裁剪段的 SRT 字幕一起给你。这背后实际发生的事很有意思FunClip 拿到你粘贴的文本后会在识别结果里做子串匹配直接定位到对应时间戳再按时间点切视频——所以它剪得准不准取决于语音识别的精度而 Paraformer-Large 恰恰是中文场景里最能打的开源模型之一。阶段三从能用到好用的进阶玩法基础剪辑上手后下面几个功能才是 FunClip 真正拉开差距的地方按说话人提取识别时选择识别区分说话人然后在待裁剪说话人里填spk0就能把这个人所有的发言一次性剪出来想合并多人填spk0#spk3。访谈、会议纪要、播客剪辑场景直接起飞。热词救场识别不准人名或专业术语把词填进热词框识别时模型会优先匹配准确率肉眼可见地提升。字幕一键烧录点「裁剪字幕」输出视频直接带字幕字体大小、颜色都可以在界面上调。前提是先装好 ImageMagick下文避坑清单有详细说。命令行批量处理不想开界面funclip/videoclipper.py支持两阶段命令行调用非常适合脚本化批量剪片# 阶段1识别输出识别文本与SRT python funclip/videoclipper.py --stage 1 --file examples/云栖大会片段.mp4 --output_dir ./output # 阶段2按文本裁剪 python funclip/videoclipper.py --stage 2 --file examples/云栖大会片段.mp4 \ --output_dir ./output --dest_text 我们把它跟乡村振兴去结合起来 \ --start_ost 0 --end_ost 100 --output_file ./output/res.mp4每个段落独立微调起止在待裁剪文本里对某段加[b,e]偏移标记可以单独微调该段的起点和终点精确到毫秒级细节控狂喜。重头戏LLM智能裁剪是怎么读懂视频的如果说上面这些是工具那 LLM 智能裁剪就是 FunClip 的大脑——它把大模型真正变成了剪辑流程的一部分这在同类工具里相当少见。流程是这样的识别完成后FunClip 会把 SRT 字幕拼接进 Prompt交给大模型分析让它挑出最有意义的、尽可能连续的片段并严格按1. [开始时间-结束时间] 文本的格式输出随后 FunClip 用正则把输出里的时间戳提取出来直接驱动裁剪。也就是说大模型负责理解语义FunClip 负责执行剪辑你全程不用碰时间轴。实操要点代码都在funclip/llm/目录下模型调用逻辑清晰可读模型选择下拉框支持 deepseek-chat、qwen-plus、GPT 系列、MiniMax 等还能自定义模型名走 Qwen 需要阿里云百炼的 API KeyGPT 系需要 OpenAI Key。Prompt 是灵魂界面上的 Prompt System 框就是大模型的人设默认提示是分析精彩且尽可能连续的片段输出四条以内。想剪产品功能亮点就把 Prompt 改成让模型挑功能讲解段落想剪情感高潮就让它找情绪最浓的部分。这也是 FunClip 鼓励大家探索的地方——同一个视频换不同 Prompt剪出来的完全是两个作品。Pegasus 特殊玩法pegasus1.5选项走 TwelveLabs 的 Pegasus它不只是读字幕而是直接对视频画面音频做推理适合需要看画面才能判断的场景。一个朴素的提醒LLM 输出格式必须严格是时间戳加文本FunClip 靠正则extract_timestamps提取[时:分:秒,毫秒-时:分:秒,毫秒]结构——所以如果你自己写 Prompt一定别让它输出别的东西否则提取不到时间戳就剪了个寂寞。新手最容易踩的5个坑附避坑方案以下坑位都是我对照源码和官方文档逐条核过的能帮你省下大量排查时间「裁剪字幕」按钮没反应大概率是没装 ImageMagick。Ubuntu 执行apt-get -y install ffmpeg imagemagick后还要改策略文件sed -i s/none/read,write/g /etc/ImageMagick-6/policy.xmlWindows 用户则需要安装后修改site-packages\moviepy\config_defaults.py里的IMAGEMAGICK_BINARY路径。字体文件用仓库自带的font/STHeitiMedium.ttc即可。SenseVoice 转出来没有时间戳、字幕为空版本太旧。FunClip 的 Fun-ASR-Nano、SenseVoice 路径要求funasr1.3.29先执行pip install -U funasr1.3.29再启动。用 fun-asr-nano 剪出来段落对不上官方明确提示需要精确按文本裁剪时请用默认的 Paraformer因为当前发布的 Nano checkpoint 不提供可靠的字符级时间戳它更适合高精度转写而非精剪。选了 g4f 免费模型一直转圈g4fgpt4free免费调用确实不稳定返回慢或失败都正常。追求体验就换成 Qwen 或 GPT 并配置对应 API Key别把时间耗在免费渠道上。上传文件变慢、甚至卡死检查一下是不是同一端口开了多个界面——funclip/introduction.py里官方明确提示过不要同时打开同一端口的多个界面关掉多余的即可。结尾你的第一段AI剪辑现在就可以开始回到开头那个深夜场景有了 FunClip两小时的讲座回放上传 → 识别 → 搜索关键词 → 复制文本 → 点裁剪十分钟搞定还附赠一份带时间戳的 SRT 字幕。你省下的不是剪的动作而是整个人肉定位的过程——这才是 AI 剪辑真正的价值。下一步很简单克隆仓库、装依赖、启动服务用内置示例视频先跑一遍完整流程。想深入的话funclip/videoclipper.py是核心实现funclip/llm/是模型调用层README 里还有官方模型切换速查表。它是完全开源免费的你可以放心折腾也可以照着源码改出自己专属的剪辑工具。工具就绪素材在你手里还等什么剪第一段试试看吧。【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视频剪辑终极指南：AI语音识别加LLM智能裁剪，免费开源工具一招上手
FunClip视频剪辑终极指南AI语音识别加LLM智能裁剪免费开源工具一招上手【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如果你正在寻找一款能听懂人话的视频剪辑工具那这篇文章就是为你准备的。FunClip是阿里巴巴通义实验室开源的一款完全免费、可本地部署的AI视频智能剪辑工具它基于FunASR语音识别链路能把自动转字幕、按文本选段、按说话人取片段、让大模型帮你挑重点整套流程压缩到一次点击里——不用付费订阅不用上传云端剪片子的姿势从此不一样。先讲一个你可能经历过的深夜凌晨一点你对着剪辑软件里一段两小时的讲座回放第七次拖动进度条只为找到讲师讲到乡村振兴设计案例的那 40 秒。找到了掐头去尾还要反复预览生怕多一帧、少一帧剪完这段还有下一段。两个小时的材料光找片段就耗掉你一个晚上。传统剪辑软件的逻辑是时间线思维你得先知道素材在哪个时间点才能去剪。但人的记忆是按内容存的你记住的是那句话、那个人而不是第 34 分 12 秒。于是大部分时间都浪费在从内容翻译成时间这件事上。FunClip 换了个思路先让 AI 把视频里的语音全部转成带时间戳的文字然后你只需要告诉它你要哪句话——剩下的定位、切割、拼接全部自动完成。听起来像魔术其实原理非常朴素下面慢慢拆给你看。它凭什么能听懂你要剪什么能力清单速览先花 30 秒看完这张清单你就明白 FunClip 的核心价值在哪里能力背后模型/方案解决什么问题语音识别转文字Paraformer-Large开源中文ASR顶尖模型ModelScope下载超1300万次自动生成全文文字逐句时间戳热词定制识别SeACo-Paraformer人名、专有名词识别更准说话人分离CAM 说话人识别模型自动区分 spk0、spk1…按人取段LLM智能裁剪集成 Qwen、GPT、DeepSeek 等大模型用语义理解自动挑重点片段字幕生成内置SRT生成逻辑全视频字幕、裁剪段字幕一键导出中英双语-l en切换英文模型英文视频同样支持识别裁剪一句话总结它的差异化别的工具让你对着时间轴找内容FunClip 让你对着内容找时间轴。你只需要懂自己要什么内容剩下的交给它。阶段一本地部署三行命令跑起来FunClip 的全部依赖只有一个 Python 环境安装流程简单到不需要动脑子git clone https://gitcode.com/GitHub_Trending/fu/FunClip cd FunClip pip install -r ./requirements.txt然后启动服务一条命令python funclip/launch.py浏览器访问localhost:7860主界面就出来了。几个常用的启动参数提前告诉你-l en识别英文视频-m fun-asr-nano切换高精度转写模型 Fun-ASR-Nano支持普通话、英语、日语、7类中文方言和26种地域口音-m sensevoice使用 SenseVoice多语种识别之外还带情绪识别和音频事件检测-p 7861换端口-s生成公网分享链接⚠️ 首次启动会自动下载模型权重请确保网络稳定下载后本地缓存之后就不用再等了。阶段二第一次实战指哪剪哪主界面左右分栏左边是识别区右边是裁剪区第一次用按下面五步走就行官方给的这套流程真的很顺上传视频拖入视频或音频文件界面里还内置了为什么要多读书云栖大会片段等示例素材想先体验可以直接点示例。可选填热词和输出路径热词用空格分隔比如通义千问 阿里巴巴输出路径留空也能跑但建议填一个识别结果和成片都会落在那里。点击「识别」或「识别区分说话人」识别按钮只出文字和时间戳带说话人的版本会额外给每句话标上 spk0、spk1 这样的说话人 ID。复制要保留的文本把识别结果里你想要的段落粘贴到右侧待裁剪文本框。想剪多段用#分隔比如我们把它跟乡村振兴去结合起来#利用我们的设计的能力。点击「裁剪」或「裁剪字幕」等几秒成片和裁剪段的 SRT 字幕一起给你。这背后实际发生的事很有意思FunClip 拿到你粘贴的文本后会在识别结果里做子串匹配直接定位到对应时间戳再按时间点切视频——所以它剪得准不准取决于语音识别的精度而 Paraformer-Large 恰恰是中文场景里最能打的开源模型之一。阶段三从能用到好用的进阶玩法基础剪辑上手后下面几个功能才是 FunClip 真正拉开差距的地方按说话人提取识别时选择识别区分说话人然后在待裁剪说话人里填spk0就能把这个人所有的发言一次性剪出来想合并多人填spk0#spk3。访谈、会议纪要、播客剪辑场景直接起飞。热词救场识别不准人名或专业术语把词填进热词框识别时模型会优先匹配准确率肉眼可见地提升。字幕一键烧录点「裁剪字幕」输出视频直接带字幕字体大小、颜色都可以在界面上调。前提是先装好 ImageMagick下文避坑清单有详细说。命令行批量处理不想开界面funclip/videoclipper.py支持两阶段命令行调用非常适合脚本化批量剪片# 阶段1识别输出识别文本与SRT python funclip/videoclipper.py --stage 1 --file examples/云栖大会片段.mp4 --output_dir ./output # 阶段2按文本裁剪 python funclip/videoclipper.py --stage 2 --file examples/云栖大会片段.mp4 \ --output_dir ./output --dest_text 我们把它跟乡村振兴去结合起来 \ --start_ost 0 --end_ost 100 --output_file ./output/res.mp4每个段落独立微调起止在待裁剪文本里对某段加[b,e]偏移标记可以单独微调该段的起点和终点精确到毫秒级细节控狂喜。重头戏LLM智能裁剪是怎么读懂视频的如果说上面这些是工具那 LLM 智能裁剪就是 FunClip 的大脑——它把大模型真正变成了剪辑流程的一部分这在同类工具里相当少见。流程是这样的识别完成后FunClip 会把 SRT 字幕拼接进 Prompt交给大模型分析让它挑出最有意义的、尽可能连续的片段并严格按1. [开始时间-结束时间] 文本的格式输出随后 FunClip 用正则把输出里的时间戳提取出来直接驱动裁剪。也就是说大模型负责理解语义FunClip 负责执行剪辑你全程不用碰时间轴。实操要点代码都在funclip/llm/目录下模型调用逻辑清晰可读模型选择下拉框支持 deepseek-chat、qwen-plus、GPT 系列、MiniMax 等还能自定义模型名走 Qwen 需要阿里云百炼的 API KeyGPT 系需要 OpenAI Key。Prompt 是灵魂界面上的 Prompt System 框就是大模型的人设默认提示是分析精彩且尽可能连续的片段输出四条以内。想剪产品功能亮点就把 Prompt 改成让模型挑功能讲解段落想剪情感高潮就让它找情绪最浓的部分。这也是 FunClip 鼓励大家探索的地方——同一个视频换不同 Prompt剪出来的完全是两个作品。Pegasus 特殊玩法pegasus1.5选项走 TwelveLabs 的 Pegasus它不只是读字幕而是直接对视频画面音频做推理适合需要看画面才能判断的场景。一个朴素的提醒LLM 输出格式必须严格是时间戳加文本FunClip 靠正则extract_timestamps提取[时:分:秒,毫秒-时:分:秒,毫秒]结构——所以如果你自己写 Prompt一定别让它输出别的东西否则提取不到时间戳就剪了个寂寞。新手最容易踩的5个坑附避坑方案以下坑位都是我对照源码和官方文档逐条核过的能帮你省下大量排查时间「裁剪字幕」按钮没反应大概率是没装 ImageMagick。Ubuntu 执行apt-get -y install ffmpeg imagemagick后还要改策略文件sed -i s/none/read,write/g /etc/ImageMagick-6/policy.xmlWindows 用户则需要安装后修改site-packages\moviepy\config_defaults.py里的IMAGEMAGICK_BINARY路径。字体文件用仓库自带的font/STHeitiMedium.ttc即可。SenseVoice 转出来没有时间戳、字幕为空版本太旧。FunClip 的 Fun-ASR-Nano、SenseVoice 路径要求funasr1.3.29先执行pip install -U funasr1.3.29再启动。用 fun-asr-nano 剪出来段落对不上官方明确提示需要精确按文本裁剪时请用默认的 Paraformer因为当前发布的 Nano checkpoint 不提供可靠的字符级时间戳它更适合高精度转写而非精剪。选了 g4f 免费模型一直转圈g4fgpt4free免费调用确实不稳定返回慢或失败都正常。追求体验就换成 Qwen 或 GPT 并配置对应 API Key别把时间耗在免费渠道上。上传文件变慢、甚至卡死检查一下是不是同一端口开了多个界面——funclip/introduction.py里官方明确提示过不要同时打开同一端口的多个界面关掉多余的即可。结尾你的第一段AI剪辑现在就可以开始回到开头那个深夜场景有了 FunClip两小时的讲座回放上传 → 识别 → 搜索关键词 → 复制文本 → 点裁剪十分钟搞定还附赠一份带时间戳的 SRT 字幕。你省下的不是剪的动作而是整个人肉定位的过程——这才是 AI 剪辑真正的价值。下一步很简单克隆仓库、装依赖、启动服务用内置示例视频先跑一遍完整流程。想深入的话funclip/videoclipper.py是核心实现funclip/llm/是模型调用层README 里还有官方模型切换速查表。它是完全开源免费的你可以放心折腾也可以照着源码改出自己专属的剪辑工具。工具就绪素材在你手里还等什么剪第一段试试看吧。【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