Clips AI：基于转录文本提取视频片段的开源 Python 库

什么是 Clips AI？

Clips AI 是一款面向开发者的开源 Python 库，可用于重新利用长视频内容。开发者可以根据视频转录文本识别片段，并制作短视频；还可以将视频动态裁切为 9:16 等其他画面比例。其工作流程适用于以音频和叙述内容为主的视频，依据口述内容和当前说话者进行剪辑。

Clips AI 能做什么？

使用 WhisperX 转录视频音频，并分析转录文本以识别候选片段的起止时间。

在长视频中查找多个片段，并返回可用于剪辑原始素材的起止时间。

将视频调整为指定画面比例（例如 9:16），并生成跟随当前说话者的裁切画面。

在视频尺寸调整工作流程中使用 Pyannote 进行说话者分离；此功能需要 Hugging Face 访问令牌。

通过 Python 导入提供编程功能，包括 Transcriber、ClipFinder 和 resize。

使用场景

从较长的播客录音中识别完整连贯的口述片段，以便剪辑成较短的视频。

通过转录文本发现片段，定位值得单独发布的回答或讨论内容。

从演讲或布道中查找段落，并将较长录音整理为独立片段。

将现有素材调整为竖屏画面比例，并动态裁切以聚焦当前说话者。

常见问题

Clips AI 适用于哪些类型的视频？

它适用于以音频和叙述内容为主的视频，包括播客、访谈、演讲和布道。

如何发现视频片段？

首先需要转录视频。文档所述工作流程使用 WhisperX 进行转录，然后将转录文本传递给 ClipFinder，以识别片段及其时间戳。

它能制作竖屏视频吗？

可以。resize 函数支持指定目标画面比例，例如 9:16，并会围绕当前说话者动态调整画面。

调整视频尺寸需要什么？

调整尺寸的工作流程需要通过 Hugging Face 获取 Pyannote 访问令牌，以进行说话者分离。网站说明 Pyannote 的使用不收费。

Clips AI