AutoClip 是一个开源、本地优先的 AI 视频切片工具，用于把长视频（播客、访谈、网络研讨会、会议演讲）转换为可直接发布到平台的 9:16 竖屏片段，并带有说话人跟踪式画面重构和动画字幕。它不上传云端、不加水印、不收取订阅费；只有转写文本会发送给 LLM 做高光检测，若使用本地 Ollama 模型，数据完全不离开本机。
用途
- 将长 YouTube 视频、播客、网络研讨会或原始素材转换为 9:16 竖屏片段，用于 Shorts、Reels、TikTok。
- 自动在长音视频中寻找具有传播潜力的钩子和高互动时刻。
- 借助人脸检测（MediaPipe）把 16:9 宽屏素材重构为 9:16 竖屏，并跟踪当前说话人。
- 直接在输出视频中烧录动画卡拉 OK 或加粗弹出式字幕，无需外部工具。
- 使用离线 Whisper 与 Ollama 在本地运行完整流程，兼顾隐私与零 API 成本。
- 通过 CLI（autoclip clip、autoclip jobs）管理切片任务，或在本地 Web 应用（autoclip serve）中审阅片段。
主要能力
- 支持的字幕样式：bold_pop（粗白字、深色描边，说到词放大并变黄）、karaoke_fill（词随语音同步填充强调色）、clean_lower（极简下三分之一字幕，无弹跳动画）、boxed（高对比文字配纯色背景块）。
- 所有中间产物和导出的片段保存在 ~/.autoclip/work/{job_id}/。
- 可先从本地视频文件或 YouTube URL 生成片段。
使用方式
- 环境预检：运行 autoclip doctor，确认 Python 为 3.11 或 3.12（MediaPipe 不支持 Python 3.13），FFmpeg 包含 libass 以烧录字幕（macOS 需 brew install ffmpeg-full，而非普通 ffmpeg），且 ffmpeg 与 ffprobe 均在 PATH 中可用。
- 配置 LLM 高光检测（二选一）：本地离线 Ollama，运行 ollama pull llama3.1:8b；或使用 API 密钥（存于操作系统密钥环），运行 autoclip config set-secret anthropic（或 openai、gemini）。
- 运行切片流程：例如 autoclip clip /path/to/long-podcast.mp4 --style bold_pop --aspect 9:16。
- 审阅与调整：运行 autoclip serve，打开 http://localhost:8000 预览候选片段、调整字幕文本或时间轴，并下载最终 MP4。
适用场景
- 从访谈视频中批量提取短视频（示例：把 45 分钟技术访谈转为 9:16 竖屏并配卡拉 OK 字幕，用于 YouTube Shorts）：先运行 autoclip doctor 确认 ffmpeg-full 与 Whisper 运行正常，再执行 autoclip clip ./interview.mp4 --style karaoke_fill --aspect 9:16，随后用 autoclip jobs 查看任务并核对 ~/.autoclip/work/<job_id>/ 中的导出文件。
限制与注意事项
- 不适合对话式原始素材剪辑（剪掉磕绊、调色、叠加动画），也不适合仅凭提示词或素材库从零生成短视频、基于 Remotion 的代码化视频合成，或不含 AI 切片的离线压缩/裁剪/转码。
- 需要 LLM 对转写高光进行排序，因此必须配置本地 Ollama 或相应 API 密钥。
- 模型选择会影响效果：小型 7B 模型能发现明显的主题断点，前沿模型（Claude 3.5 Sonnet、GPT-4o）识别细微叙事钩子和笑点的准确率明显更高。
- 若 FFmpeg 缺少 libass，字幕会静默失败并报 No such filter: ass。
- 切片采用先检测场景切换再独立裁切的方式，不应在硬切处强制平滑镜头平移插值。
- 长视频任务会在 ~/.autoclip/work/ 下产生音频 WAV、帧裁切和临时片段，建议导出后定期清理已完成任务目录。
参考资料：命令行参考见 references/cli-reference.md；官方仓库为 artbyjazi/autoclip。