FunClip 视频剪辑完整上手指南4 步剪出第一个 AI 字幕片段【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深夜十一点做口播视频的阿凯还在和时间轴较劲。一段 40 分钟的课程回放他要手动找到每一处口误、每一段跑题再逐个裁剪拼接。第 6 次拖动进度条对齐音频之后他决定换一条路先让机器把说了什么、什么时候说的自动列出来他只负责圈选要留的部分。这条路就是今天要介绍的 FunClip 视频剪辑工具。它是一款完全开源、本地部署的 AI 视频剪辑助手用语音识别自动生成带时间戳的字幕再按你选中的文本、说话人甚至语义描述来裁剪片段。适合被长视频反复折磨的自媒体人、讲师、会议记录整理者——不用学复杂剪辑也不用把素材传到云端。第一次跑通要几步最少四步十分钟内能剪出第一个片段克隆项目仓库地址https://gitcode.com/GitHub_Trending/fu/FunClipgit clone https://gitcode.com/GitHub_Trending/fu/FunClip cd FunClip安装依赖pip install -r requirements.txt启动本地服务python funclip/launch.py浏览器打开localhost:7860上传视频 → 点识别 → 在识别结果里勾选段落 → 点裁剪。首次启动会自动下载语音模型需要稳定的网络之后会缓存到本地。想处理英文视频把第 3 步换成python funclip/launch.py -l en即可。核心能力速览三种裁剪方式怎么选FunClip 提供了三条裁剪路径对应不同场景方式你提供什么适合解决什么痛点按文本片段裁剪识别结果中的一句或几句精确提取某段内容如删掉口误、保留干货按说话人裁剪说话人 ID从访谈、会议里单独抽出某个人的全部发言LLM 语义裁剪一句需求描述说不清具体句子时让大模型按语义找片段此外还有三个实用的附加能力热词定制人名、专业术语识别更准、字幕生成自动输出全片 SRT 与片段 SRT、多段自由剪辑一次剪多个片段每段可单独设时间偏移。完整实战从一场访谈里提取某人的发言并加字幕以从双人访谈中剪出嘉宾的所有发言并叠加字幕为例走一遍完整流程。准备阶段安装时建议顺手装好 ffmpeg 与 imagemagick字幕渲染需要Ubuntu 用户记得把/etc/ImageMagick-6/policy.xml里的none改为read,write。字体文件仓库里已带了一份直接可用。操作阶段上传视频后点击识别区分说话人按钮。这一步会同时做两件事转写全文并预测时间戳、给每句话标上说话人 ID。等结果出来把目标说话人的 ID 填入待裁剪说话人输入框如果发现边界差了一两秒可以在偏移量里手动修正。最后点击裁剪字幕等待输出。产出阶段你会拿到裁剪好的视频片段、该片段的 SRT 字幕以及全片的字幕文件——视频、字幕、时间线信息一次齐全。新手最容易踩的 3 个坑问裁剪出来的片段时间对不上开头结尾总差一点答正常现象。模型预测的边界和真实语音边界会有细微出入用偏移量参数微调即可每个段落可以单独设置。问点裁剪字幕报错但普通裁剪正常答八成是 imagemagick 没装好或策略文件限制了读写。装好后执行python funclip/test/imagemagick_test.py自测一下能通过就行。问用了 nano 模型后按文本精确裁剪不靠谱答当前 Fun-ASR-Nano 的时间戳精度有限需要按文本精确裁剪时切回默认的 Paraformer 模型不带-m参数启动。另外升级后记得执行pip install -U funasr1.3.29旧版本会让 SenseVoice 等模型拿不到分段时间线。进阶玩法三种让效率翻倍的做法让大模型帮你读视频。在界面右侧选择模型如 Qwen、GPT 系列、填入 API Key把剪辑需求写进 Prompt例如提取所有讲案例的段落。FunClip 会把 Prompt 与 SRT 字幕组合起来交给大模型再根据返回的时间戳自动裁剪。Prompt 的接口定义在funclip/llm/目录可以自己定制玩法。用命令行跑批处理。funclip/videoclipper.py支持两阶段调用--stage 1识别、--stage 2裁剪。写成循环脚本就能一次处理整个文件夹的视频适合内容工厂式的批量生产。按需换模型。启动时加-m sensevoice可获得情绪识别与音频事件检测标签-m fun-asr-nano则更适合多语言与方言场景。不同任务换不同引擎比一套配置走天下省时间。写在最后它的价值与边界FunClip 的实用之处在于把听写—定位—裁剪三个环节串成了流水线且全程本地运行素材不用上传第三方隐私有保障代码开箱即用二次开发的门槛也不高。它同样有边界模型首次下载依赖网络精准的逐字裁剪建议锁定 Paraformer字幕渲染需要额外装 imagemagick。把它当作剪辑流水线的第一环你会发现自己省下的不是几分钟而是整晚的时间。动手试一次吧——上传一段你手头最长的视频先跑通识别再体验一次说话人裁剪。详细的参数说明和更新记录可以翻翻 README_zh.md 与 docs/releases/v2.1.0.md剩下的就交给你的素材了。【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 视频剪辑完整上手指南4 步剪出第一个 AI 字幕片段【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深夜十一点做口播视频的阿凯还在和时间轴较劲。一段 40 分钟的课程回放他要手动找到每一处口误、每一段跑题再逐个裁剪拼接。第 6 次拖动进度条对齐音频之后他决定换一条路先让机器把说了什么、什么时候说的自动列出来他只负责圈选要留的部分。这条路就是今天要介绍的 FunClip 视频剪辑工具。它是一款完全开源、本地部署的 AI 视频剪辑助手用语音识别自动生成带时间戳的字幕再按你选中的文本、说话人甚至语义描述来裁剪片段。适合被长视频反复折磨的自媒体人、讲师、会议记录整理者——不用学复杂剪辑也不用把素材传到云端。第一次跑通要几步最少四步十分钟内能剪出第一个片段克隆项目仓库地址https://gitcode.com/GitHub_Trending/fu/FunClipgit clone https://gitcode.com/GitHub_Trending/fu/FunClip cd FunClip安装依赖pip install -r requirements.txt启动本地服务python funclip/launch.py浏览器打开localhost:7860上传视频 → 点识别 → 在识别结果里勾选段落 → 点裁剪。首次启动会自动下载语音模型需要稳定的网络之后会缓存到本地。想处理英文视频把第 3 步换成python funclip/launch.py -l en即可。核心能力速览三种裁剪方式怎么选FunClip 提供了三条裁剪路径对应不同场景方式你提供什么适合解决什么痛点按文本片段裁剪识别结果中的一句或几句精确提取某段内容如删掉口误、保留干货按说话人裁剪说话人 ID从访谈、会议里单独抽出某个人的全部发言LLM 语义裁剪一句需求描述说不清具体句子时让大模型按语义找片段此外还有三个实用的附加能力热词定制人名、专业术语识别更准、字幕生成自动输出全片 SRT 与片段 SRT、多段自由剪辑一次剪多个片段每段可单独设时间偏移。完整实战从一场访谈里提取某人的发言并加字幕以从双人访谈中剪出嘉宾的所有发言并叠加字幕为例走一遍完整流程。准备阶段安装时建议顺手装好 ffmpeg 与 imagemagick字幕渲染需要Ubuntu 用户记得把/etc/ImageMagick-6/policy.xml里的none改为read,write。字体文件仓库里已带了一份直接可用。操作阶段上传视频后点击识别区分说话人按钮。这一步会同时做两件事转写全文并预测时间戳、给每句话标上说话人 ID。等结果出来把目标说话人的 ID 填入待裁剪说话人输入框如果发现边界差了一两秒可以在偏移量里手动修正。最后点击裁剪字幕等待输出。产出阶段你会拿到裁剪好的视频片段、该片段的 SRT 字幕以及全片的字幕文件——视频、字幕、时间线信息一次齐全。新手最容易踩的 3 个坑问裁剪出来的片段时间对不上开头结尾总差一点答正常现象。模型预测的边界和真实语音边界会有细微出入用偏移量参数微调即可每个段落可以单独设置。问点裁剪字幕报错但普通裁剪正常答八成是 imagemagick 没装好或策略文件限制了读写。装好后执行python funclip/test/imagemagick_test.py自测一下能通过就行。问用了 nano 模型后按文本精确裁剪不靠谱答当前 Fun-ASR-Nano 的时间戳精度有限需要按文本精确裁剪时切回默认的 Paraformer 模型不带-m参数启动。另外升级后记得执行pip install -U funasr1.3.29旧版本会让 SenseVoice 等模型拿不到分段时间线。进阶玩法三种让效率翻倍的做法让大模型帮你读视频。在界面右侧选择模型如 Qwen、GPT 系列、填入 API Key把剪辑需求写进 Prompt例如提取所有讲案例的段落。FunClip 会把 Prompt 与 SRT 字幕组合起来交给大模型再根据返回的时间戳自动裁剪。Prompt 的接口定义在funclip/llm/目录可以自己定制玩法。用命令行跑批处理。funclip/videoclipper.py支持两阶段调用--stage 1识别、--stage 2裁剪。写成循环脚本就能一次处理整个文件夹的视频适合内容工厂式的批量生产。按需换模型。启动时加-m sensevoice可获得情绪识别与音频事件检测标签-m fun-asr-nano则更适合多语言与方言场景。不同任务换不同引擎比一套配置走天下省时间。写在最后它的价值与边界FunClip 的实用之处在于把听写—定位—裁剪三个环节串成了流水线且全程本地运行素材不用上传第三方隐私有保障代码开箱即用二次开发的门槛也不高。它同样有边界模型首次下载依赖网络精准的逐字裁剪建议锁定 Paraformer字幕渲染需要额外装 imagemagick。把它当作剪辑流水线的第一环你会发现自己省下的不是几分钟而是整晚的时间。动手试一次吧——上传一段你手头最长的视频先跑通识别再体验一次说话人裁剪。详细的参数说明和更新记录可以翻翻 README_zh.md 与 docs/releases/v2.1.0.md剩下的就交给你的素材了。【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
![RAD Debugger多进程调试实战指南：掌握原生图形化调试利器 [特殊字符]](http://pic.xiahunao.cn/yaotu/RAD Debugger多进程调试实战指南：掌握原生图形化调试利器 [特殊字符])
