Об этом проекте

OpenClip — это автоматизированный инструмент обработки видео на основе Python, FFmpeg и uv, предназначенный для выявления и экспорта ярких фрагментов из длинных видео, таких как устные выступления, записи прямых эфиров, интервью, подкасты и т.д. После ввода пользователем URL видео или локального файла процесс включает загрузку или проверку видео, получение субтитров платформы или локальную транскрипцию речи, сегментацию длинного видео, ИИ-анализ и сводку кандидатных фрагментов, создание клипов, генерацию файлов субтитров, создание обложек, а также опциональное добавление заголовков и встраивание субтитров. Основные возможности включают: - Поддержка ссылок Bilibili, YouTube и локальных видеофайлов; Streamlit также поддерживает загрузку файлов через браузер. - При транскрипции приоритет отдается субтитрам платформы; локальный ASR маршрутизируется по языку: для английского используется Whisper, для китайского опционально Paraformer, при недоступности — возврат к Whisper. - ИИ отбирает яркие моменты на основе таких критериев, как содержание, интерактивность и развлекательная ценность; можно указать интересующую тему на естественном языке через --user-intent, а также добавить информацию о ведущем и пользовательские шаблоны подсказок. - Поддержка параметров: количество фрагментов, пресеты длительности, стиль заголовков, размер шрифта, позиция и цвет текста обложки и т.д. - Автоматический вывод отдельных видеоклипов, SRT-субтитров, сводки в Markdown и изображений обложек. - Опциональный режим глубокой оптимизации: после сводки кандидатных фрагментов добавляются повторная проверка ИИ, исправление границ и еще одна проверка для улучшения автономности фрагментов. - Опциональное аппаратное встраивание субтитров, требующее FFmpeg с libass; также возможен перевод и встраивание двуязычных субтитров через выбранную LLM. - Предварительная функция распознавания говорящих позволяет помечать имена говорящих на основе эталонного аудио, подходит для многолюдных диалогов; требует дополнительной установки зависимости speakers и настройки HuggingFace Token. - Постобработка в Clip Editor позволяет корректировать границы отдельных фрагментов, субтитры, заголовки обложек и выполнять повторный рендеринг с ускорением. Инструмент предлагает три интерфейса: веб-интерфейс Streamlit поддерживает фоновые задачи, многозадачный параллелизм, персистентность задач, отслеживание прогресса, настройку Cookie-режима и доступ по локальной сети; CLI подходит для скриптовой обработки; Agent Skills может вызываться агентами, поддерживающими навыки, такими как Claude Code, TRAE, Cursor, для запуска задач обработки видео на естественном языке. Интерфейс ИИ поддерживает Qwen, OpenRouter, Zhipu GLM, MiniMax, а также пользовательские OpenAI-совместимые интерфейсы, подключаемые к LM Studio, vLLM, One API, New API и другим сервисам. Удаленная загрузка поддерживает три режима: без Cookie, с Cookie браузера и с cookies.txt в формате Netscape; для некоторых сценариев YouTube рекомендуется установить Deno или Node. Результаты по умолчанию сохраняются в каталоге processed_videos, организованном по подпапкам downloads, splits, clips, clips_post_processed и т.д. Проект распространяется под лицензией MIT.