AutoCut 批量剪辑视频完整指南：把 100 个视频变成一次脚本运行-北京尧图网络

AutoCut 批量剪辑视频完整指南把 100 个视频变成一次脚本运行【免费下载链接】autocut用文本编辑器剪视频项目地址: https://gitcode.com/GitHub_Trending/au/autocutAutoCut 是一款用文本编辑剪辑视频的视频自动化工具它先把视频里的语音转成字幕文件你只需在文件里勾选要保留的句子对应片段就会自动裁切、拼接成片。本文以一个 100 个视频的批量任务为例讲清用 AutoCut 搭出批量剪辑流水线的完整路径。读完后转录、筛选、合成、监控这些环节都可以交给脚本完成全程不用打开剪辑软件。批量剪辑视频的痛点3 类赶工场景人工实在忙不过来先说结论只要同一套剪辑动作要重复很多次手工操作就会从成本变成瓶颈而这正是脚本擅长的领域。录播课 / 播客账号一周产出十几条 40 分钟以上的原片每条都要剪掉开场寒暄和片尾废话再挑出 1~2 分钟的精华段做短视频投放。逐条在时间轴上拖进度条一天最多处理 3 条。培训 / 会议回放月底积压 30 场回放每场的任务是裁掉前 5 分钟签到、保留产品演示段。规则完全一样手工却要重复 30 遍而且越到后面越容易漏掉某一场。直播切片分发一场直播要拆成 5 条切片发到不同平台。手动找时间点、记入点出点一个下午就过去了第二天想调一下剪辑标准就得全部重来。这三个场景的共同点是判断留哪一段其实可以变成文字规则而人工在做的只是把文字规则手动翻译成剪辑动作。AutoCut 做的事情就是把这步翻译自动化。AutoCut 的核心思路靠勾选字幕就能剪视频理解这一点后面所有内容都不再难AutoCut 把剪视频转换成改一个文本文件。它的工作方式分三步。第一步用语音识别模型WhisperOpenAI 开源的语音转文字模型把视频音频转写成带时间戳的.srt字幕第二步把字幕整理成一份.md任务清单每行一个句子前面带一个复选框第三步你在清单里勾选想保留的句子、勾掉想删掉的AutoCut 就读着勾选结果和字幕里的时间点用 ffmpeg 把对应片段裁出来拼成新的 mp4。也就是说保留哪些内容这个最关键的剪辑决策被编码成了几行纯文本。文本的好处是查找替换、正则、关键词匹配这些现成的文本手段全部适用Python 脚本也能直接读写。勾选完成后还有一步交卷.md文件末尾有一行!-- Mark if you are done editing. --对应的任务项把它勾上AutoCut 才认为这条视频的剪辑定稿了。AutoCut 安装与第一次剪辑一条命令转字幕、一条命令出成片结论装好包和 ffmpeg 之后两次命令就能完成转录剪辑的最小闭环。下面这段代码先完成安装二选一直接 pip 装包或克隆仓库源码安装再演示对单个视频的最小流程pip install autocut-sub # 方式一直接安装发布包 # 方式二git clone https://gitcode.com/GitHub_Trending/au/autocut 后进入目录执行 pip install . sudo apt install ffmpeg # 系统需要 ffmpeg它负责真正的裁切编码 autocut -t 22-52-00.mp4 # 转录生成 22-52-00.srt 和 22-52-00.md # 用 Typora / VS Code 等任意 Markdown 编辑器打开 22-52-00.md # 勾选要保留的句子并把末尾 done editing 那行勾上 autocut -c 22-52-00.mp4 22-52-00.srt 22-52-00.md # 剪辑输出 22-52-00_cut.mp4转录逻辑在 autocut/transcribe.py 中剪辑逻辑在 autocut/cut.py 中出片文件名固定是原名 _cut。几个常用参数如下参数作用--whisper-model识别模型大小默认small越大越准也越慢--lang字幕输出语言默认zh--bitrate成片码率默认10m可传500k、20m等--force输出文件已存在时强制覆盖--device强制用cpu或cuda跑识别没有.md也可以剪只传视频和.srt直接在 srt 里删掉不要的句子效果一样。搭建批量剪辑视频流水线转录、筛选、合成、监控各就各位单条流程跑通后批量化的思路是把它拆成输入端、处理端、输出端三段各自独立可重跑任何一段中断了都能接着来。输入端批量转录字幕。对目录里每个视频执行一次-t即可shell 里一个 for 循环就够了已经生成过.srt和.md的文件会被自动跳过所以脚本中断后直接重跑不会浪费重复计算。转录时也可以指定--lang生成多语言版本字幕方便同一个视频出中英文两版。处理端自动筛选视频片段。人工勾选第一遍之后你会发现留哪句是有规律的比如含重点注意总结的句子基本都要留。下面这段代码就是把这些规则写进脚本扫描目录下所有.md把含关键词的句子复选框打上勾同时勾掉done editing标记让输出端的剪辑可以直接执行import glob KEYWORDS (重点, 注意, 总结) # 句子含这些词就保留 for md_path in glob.glob(./videos/*.md): lines open(md_path, encodingutf-8).readlines() for i, line in enumerate(lines): hit line.startswith(- [ ]) and ( any(k in line for k in KEYWORDS) or Mark if you are done editing in line ) if hit: lines[i] line.replace(- [ ], - [x], 1) open(md_path, w, encodingutf-8).writelines(lines)如果规则更复杂也可以直接调用 autocut/utils.py 里的MD类用tasks()遍历句子、用write()回写。筛选完之后建议人工抽查几个.md关键词规则适合定调不适合替代最终判断。⏩ 输出端批量合成与文件夹监控。逐条-c就能把整个目录剪完但如果你的视频是持续产生的比如每天固定的录制任务更省事的办法是把输出端交给守护进程。autocut/daemon.py 里的Daemon会常驻监听一个文件夹新视频落盘 → 自动转录 → 你勾好.md→ 自动剪出_cut.mp4→ 最后把目录里所有剪好的视频汇总到autocut.md在里面勾选要合并的一条命令即可autocut -d ./videos # 常驻监控自动转录、自动剪辑、自动合并成片它每轮扫描都会跳过已完成的文件轮询间隔从 1 秒逐渐拉长到 60 秒对 CPU 几乎无压力。录完一段视频放进文件夹去处理别的事回来成片已经在等着了。AutoCut 常见问题中断续跑、识别不准、输出画质怎么调问批量任务跑到一半中断了要全部重来吗不用。转录会跳过已生成.md的文件剪辑会跳过已存在输出的文件两边都支持--force强制重做。所以任何环节断了把同一条命令重跑一遍即可这也是每段可独立重跑这条设计原则的意义。问识别不准、专有名词老是错字怎么办三条路换更大的模型--whisper-model medium或large推荐配 GPU用--prompt把领域词汇塞进提示词引导识别识别后在.srt里直接改文字——AutoCut 的剪辑只依赖字幕里的时间戳和勾选改文字不影响剪辑结果。问输出画质怎么控制--bitrate决定成片码率默认10m。追求小文件就调低到2m左右投放到网页端足够需要高画质就调高。另外成片字幕如果空行太多不好二次编辑可用autocut -s xxx.srt生成紧凑版改完再转回去。问字幕文件打开是乱码AutoCut 默认按utf-8读写用--encodinggbk指定编码时转录和剪辑两次命令要传同一个编码参数保持一致就不会乱。问没有独立显卡能跑吗可以自动回退到 CPU建议把模型降到small或base。显存不够时也可以--device cpu强制走 CPU 跑大模型只是速度慢一些。从单条到批量自动化读完之后的 4 个小动作先挑 10 个历史视频建一个独立目录把上面输入端输出端两件事跑一遍熟悉文件产物的命名规律再把关键词筛选脚本按你自己的内容调一版规则然后给-d配一条开机自启或定时任务让监控常驻最后在这套流水线外面加一层自己的扩展——上传、通知、格式转换都行因为流水线里流动的全是普通文本和文件接什么都方便。【免费下载链接】autocut用文本编辑器剪视频项目地址: https://gitcode.com/GitHub_Trending/au/autocut创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

AutoCut 批量剪辑视频完整指南：把 100 个视频变成一次脚本运行

相关推荐

LIO-SAM跑通KITTI全流程：数据转换、编译避坑到EVO轨迹评估

BoxMOT 多目标追踪上手指南：从安装到追踪器选型

4步跑通LeRobot：从录制数据到真机部署机器人策略

更多资讯

IsaacLab 自碰撞过滤实战：enable_self_collision 之外的碰撞组 5 步配置指南

Scrapling 指南：从 1 次 HTTP 请求到整站爬虫的 Python 抓取框架

FanControl 免费风扇控制指南：接上传感器、画好曲线，把电脑压安静

Roc REPL 快照测试深度解析：以 List.keep_if 过滤测试为例

OneUptime × Jira 双向集成实战：用 Workflow 打通事故工单的完整生命周期

OPT C# SDK实战：机器视觉上位机开发与采图流程详解

今日更新

深入解析Transformer多头注意力机制与工程优化

OpenClaw 的 Skills 跑学习任务，模型通道改到 TaoToken 通道行不行？

ChatGPT报错Oops, an error occurred! 全链路排查指南

本周精选

深入解析Transformer多头注意力机制与工程优化

OpenClaw 的 Skills 跑学习任务，模型通道改到 TaoToken 通道行不行？

ChatGPT报错Oops, an error occurred! 全链路排查指南

本月热门

基于YOLO的焊缝缺陷检测：从数据标注到工业部署全流程实践

分布式服务的决策记录

创业产品的首版范围

读完文章，想聊聊您的网站？