প্রকল্প সম্পর্কে

OpenClip হলো Python, FFmpeg এবং uv-এর উপর ভিত্তি করে তৈরি একটি স্বয়ংক্রিয় ভিডিও প্রসেসিং টুল, যা মূলত মৌখিক উপস্থাপনা, লাইভ রিপ্লে, ইন্টারভিউ, পডকাস্ট ইত্যাদি দীর্ঘ ভিডিও থেকে আকর্ষণীয় অংশ চিহ্নিত ও এক্সপোর্ট করতে ব্যবহৃত হয়। ব্যবহারকারী ভিডিও URL বা লোকাল ফাইল ইনপুট দেওয়ার পর, প্রক্রিয়াটিতে ভিডিও ডাউনলোড বা যাচাই, প্ল্যাটফর্মের সাবটাইটেল বা লোকাল ভয়েস ট্রান্সক্রিপশন প্রাপ্তি, দীর্ঘ ভিডিও বিভাজন, AI বিশ্লেষণ ও প্রার্থী ক্লিপ সংক্ষিপ্তকরণ, এডিটিং জেনারেশন, সাবটাইটেল ফাইল তৈরি, কভার ইমেজ তৈরি এবং ঐচ্ছিক শিরোনাম যোগ ও সাবটাইটেল বার্ন করা অন্তর্ভুক্ত। মূল ক্ষমতাগুলির মধ্যে রয়েছে: - Bilibili, YouTube ভিডিও লিংক এবং লোকাল ভিডিও ফাইল সাপোর্ট করে; Streamlit ব্রাউজার আপলোডও সাপোর্ট করে। - ট্রান্সক্রিপশনের সময় প্ল্যাটফর্মের সাবটাইটেলকে অগ্রাধিকার দেওয়া হয়; লোকাল ASR ভাষা অনুযায়ী রাউট করা যায়, ইংরেজির জন্য Whisper, চীনা ভাষার জন্য ঐচ্ছিক Paraformer, অনুপলব্ধ হলে Whisper-এ ফিরে যায়। - AI বিষয়বস্তু, ইন্টারঅ্যাক্টিভিটি এবং বিনোদন মূল্যের মতো মাত্রার ভিত্তিতে হাইলাইট ফিল্টার করে, এবং --user-intent দিয়ে প্রাকৃতিক ভাষায় মনোযোগের বিষয় নির্ধারণ করা যায়; স্ট্রিমার背景 তথ্য এবং কাস্টম প্রম্পট টেমপ্লেটও যোগ করা যায়। - ক্লিপ সংখ্যা, সময়কাল প্রিসেট, শিরোনাম শৈলী, ফন্ট সাইজ, কভার টেক্সট অবস্থান ও রঙের মতো প্যারামিটার সাপোর্ট করে। - স্বয়ংক্রিয়ভাবে আলাদা ভিডিও ক্লিপ, SRT সাবটাইটেল, সারাংশ Markdown এবং কভার ইমেজ আউটপুট করে। - ঐচ্ছিক গভীর অপটিমাইজেশন মোড, যা প্রার্থী ক্লিপ সংক্ষিপ্তকরণের পরে AI পুনঃপরীক্ষা, সীমানা মেরামত এবং আবার পুনঃপরীক্ষা যোগ করে, যাতে ক্লিপগুলো স্বাধীন অংশ হিসেবে ভালো হয়। - ঐচ্ছিক সাবটাইটেল হার্ড-বার্ন, যার জন্য libass সহ FFmpeg প্রয়োজন; নির্বাচিত LLM দিয়ে দ্বিভাষিক সাবটাইটেল অনুবাদ ও বার্ন করা যায়। - প্রিভিউ সংস্করণের স্পিকার শনাক্তকরণ রেফারেন্স অডিওর ভিত্তিতে স্পিকারের নাম লেবেল করতে পারে, যা多人 কথোপকথনের দৃশ্যের জন্য উপযুক্ত; এর জন্য অতিরিক্ত speakers ডিপেন্ডেন্সি ইনস্টল এবং HuggingFace Token কনফিগার করা প্রয়োজন। - পোস্ট-প্রসেসিং Clip Editor একক ক্লিপের সীমানা, সাবটাইটেল, কভার শিরোনাম সামঞ্জস্য করতে পারে এবং গুণিত গতিতে পুনরায় রেন্ডার করতে পারে। টুলটি তিনটি ইন্টারফেস প্রদান করে: Streamlit ওয়েব ইন্টারফেস ব্যাকগ্রাউন্ড টাস্ক, মাল্টি-টাস্ক কনকারেন্সি, টাস্ক পার্সিস্টেন্স, প্রগতি ট্র্যাকিং, Cookie মোড কনফিগারেশন এবং লোকাল নেটওয়ার্ক অ্যাক্সেস সাপোর্ট করে; CLI স্ক্রিপ্টিং প্রসেসিংয়ের জন্য উপযুক্ত; Agent Skills ক্লড কোড, TRAE, Cursor ইত্যাদি সাপোর্টিং এজেন্ট দ্বারা কল করা যায়, প্রাকৃতিক ভাষায় ভিডিও প্রসেসিং টাস্ক শুরু করতে। AI ইন্টারফেস Qwen, OpenRouter, Zhipu GLM, MiniMax এবং কাস্টম OpenAI-সামঞ্জস্যপূর্ণ ইন্টারফেস সাপোর্ট করে, যা LM Studio, vLLM, One API, New API ইত্যাদি পরিষেবার সাথে সংযোগ করতে পারে। রিমোট ডাউনলোড তিনটি মোড সাপোর্ট করে: Cookie ছাড়া, ব্রাউজার Cookie এবং Netscape ফরম্যাটের cookies.txt; YouTube-এর কিছু পরিস্থিতিতে Deno বা Node ইনস্টল করার পরামর্শ দেওয়া হয়। প্রসেসিং ফলাফল ডিফল্টভাবে processed_videos-এ সংরক্ষিত হয় এবং downloads, splits, clips, clips_post_processed ইত্যাদি ডিরেক্টরিতে সংগঠিত হয়। প্রকল্পটি MIT লাইসেন্সের অধীনে।