🎬 AutoClip：一个把 B站/YouTube 视频自动切成精彩片段的开源工具！
💡 还在手动找视频高光、一点点剪切？AutoClip 用 AI 自动搞定------输入链接 → AI 分析精彩片段 → 一键生成切片视频！
📌 目录
- [1. 先来看看效果](#1. 先来看看效果)
- [2. 它能做什么？](#2. 它能做什么？)
- [3. 快速上手](#3. 快速上手)
- [4. 核心原理](#4. 核心原理)
- [5. 处理流程解析](#5. 处理流程解析)
- [6. 适用场景与优缺点](#6. 适用场景与优缺点)
- [7. 总结](#7. 总结)
1. 先来看看效果 👀 项目简介
AutoClip 是一个基于 AI 的智能视频切片处理系统，核心能力一句话：
🎯 粘贴一个 YouTube 或 B站链接 → AI 自动识别精彩片段 → 输出可直接发布的切片视频！
典型工作流：
输入链接 → 自动下载视频+字幕 → AI 内容分析 → 精彩片段评分 → 智能切片 → 生成合集一句话定位： 视频博主的第二双手，专治"找高光"和"手动剪切"两大痛点。
2. 它能做什么？（功能特性）
| 特性 | 说明 |
|---|---|
| 🌐 多平台下载 | YouTube、B站视频链接一键解析，支持本地文件上传 |
| 🤖 AI 内容分析 | 通义千问大模型提取视频大纲、话题时间点和关键信息 |
| ✂️ 自动切片 | 智能识别精彩片段并自动切割，AI 评分排序 |
| 📚 智能合集 | AI 推荐合集组合，支持手动拖拽排序 |
| 🚀 实时进度 | WebSocket 推送处理进度，任务状态一目了然 |
| ☁️ B站上传【开发中】 | 自动上传切片到 B站，多账号管理 |
| ✏️ 字幕编辑【开发中】 | 可视化字幕编辑和同步 |
| 📊 数据统计 | 完整的项目管理与数据统计 |
4 大杀手级能力
- 🎬 多平台支持 --- YouTube / B站 / 本地文件，一个工具全搞定
- 🧠 AI 智能分析 --- 大模型理解视频内容，自动找高光，比人工判断更准
- 📦 完整流水线 --- 下载 → 分析 → 切片 → 合集 → 输出，全自动
- 🐳 Docker 一键部署 ---
docker-start.sh搞定一切，不需要折腾环境
3. 快速上手
方式一：Docker 部署（推荐 ⭐）
bash
# 克隆项目
git clone https://github.com/zhouxiaoka/autoclip.git
cd autoclip
# 配置 API Key（通义千问）
cp env.example .env
# 编辑 .env，填入：DASHSCOPE_API_KEY=你的API密钥
# 一键启动
./docker-start.sh方式二：本地部署
bash
# 克隆项目
git clone https://github.com/zhouxiaoka/autoclip.git
cd autoclip
# 一键启动（自动检查环境）
./start_autoclip.sh访问服务
| 服务 | 地址 |
|---|---|
| 🌐 前端界面 | http://localhost:3000 |
| 🔧 后端 API | http://localhost:8000 |
| 📖 Swagger 文档 | http://localhost:8000/docs |
环境变量配置
bash
# .env 文件示例
DATABASE_URL=sqlite:///./data/autoclip.db
REDIS_URL=redis://localhost:6379/0
# 通义千问 API（必须配置）
API_DASHSCOPE_API_KEY=sk-xxxxxxxxxxxx
API_MODEL_NAME=qwen-plus
LOG_LEVEL=INFO
DEBUG=true4. 核心原理 ------ 技术架构
整体架构图
┌─────────────┐
│ 用户界面 │
│ React 18 │
└──────┬──────┘
│ HTTP / WebSocket
┌──────▼──────┐
│ FastAPI │
│ 后端服务 │
└──────┬──────┘
┌───────────┼───────────┐
│ │ │
┌──────▼──────┐ ┌──▼───┐ ┌────▼────┐
│ Celery │ │Redis │ │SQLite │
│ 任务队列 │ │缓存 │ │数据库 │
└──────┬──────┘ └──────┘ └────────┘
│
┌─────────────┼─────────────┐
│ │ │
┌────▼────┐ ┌────▼────┐ ┌────▼────┐
│AI处理引擎│ │视频处理 │ │字幕分析 │
│通义千问 │ │yt-dlp │ │FFmpeg │
└─────────┘ └─────────┘ └─────────┘技术栈一览
| 层级 | 技术选型 | 作用 |
|---|---|---|
| 前端 | React 18 + TypeScript + Ant Design + Vite | 用户界面、热重载、响应式 |
| 状态管理 | Zustand | 轻量级前端状态管理 |
| 后端 | FastAPI + Pydantic | 高性能 API + 数据验证 |
| 任务队列 | Celery + Redis | 异步任务分发、实时进度 |
| 数据库 | SQLite → PostgreSQL | 轻量起步，可水平扩展 |
| 视频下载 | yt-dlp | YouTube / B站等多平台下载 |
| 视频处理 | FFmpeg | 视频切片、合并、转码 |
| AI 能力 | 通义千问（Qwen） | 视频内容理解、大纲提取、精彩度评分 |
前后端分离设计
- 后端
backend/：提供 RESTful API + WebSocket，处理视频下载、AI 分析、任务调度 - 前端
frontend/：React 单页应用，通过 Axios 与后端通信，Zustand 管理状态
5. 处理流程解析
当你在界面上传入一个视频链接，AutoClip 内部经历了 7 个步骤 的流水线处理：
Step 1: 素材准备
└─ yt-dlp 下载视频 + 字幕文件
Step 2: 内容分析
└─ 通义千问提取视频大纲、关键信息
Step 3: 时间线提取
└─ 识别各话题的时间区间
Step 4: 精彩度评分 ⭐ AI 核心
└─ 对每个片段打分（1-10分），排序
Step 5: 标题生成
└─ 为每个高光片段生成吸引人的标题
Step 6: 合集推荐
└─ AI 推荐片段组合方式
Step 7: 视频生成
└─ FFmpeg 切割 + 合成 → 输出 MP4AI 打分逻辑（Step 4）是整个系统的核心------模型会综合考虑：
- 内容重要性
- 情感强度
- 信息密度
- 时长比例
6. 适用场景与优缺点
典型使用场景
| 场景 | 说明 |
|---|---|
| 📺 B站 UP 主 | 快速从长视频中提取精彩片段发布 |
| 📱 短视频创作者 | 从纪录片/教程中批量获取素材 |
| 🎓 知识博主 | 自动切片 + 生成合集，提高内容产出效率 |
| 🏢 内容运营 | 批量处理视频内容资产 |
| 🔬 AI 研究者 | 视频时序分析 + 内容理解的参考项目 |
优缺点对比
| 维度 | ✅ 优势 | ⚠️ 注意 |
|---|---|---|
| 自动化程度 | 端到端流水线，无需人工干预 | 需要配置通义千问 API Key |
| 平台支持 | YouTube + B站双平台 | 国内访问 B站需要网络条件 |
| 部署难度 | Docker 一键部署，开箱即用 | 本地部署需要手动装 FFmpeg/Redis |
| AI 质量 | 通义千问国产大模型，理解能力强 | AI 评分可能有主观偏差，需人工筛选 |
| 扩展性 | 架构清晰，易于二次开发 | 并发处理能力依赖 Celery 配置 |
| 维护状态 | 部分功能仍在开发中 | B站上传、字幕编辑等功能尚不可用 |
7. 总结
AutoClip 是一个目标非常明确的垂直工具------解决视频创作者"从长视频里挖高光"这个高频需求。它没有试图做一个万能平台，而是把"下载 → AI 分析 → 切片 → 合集"这条链路做到了极致。
技术选型上，FastAPI + Celery + React 的组合兼顾了开发效率 和生产级稳定性；通义千问的引入让中文视频理解有了可靠的国产方案。
推荐指数：⭐⭐⭐⭐
适合人群：
- B站 / YouTube 视频创作者
- 需要批量处理视频内容的团队
- 对 AI + 视频处理感兴趣的开发者
一句话：用 AI 把"手工剪视频"这件苦差事，变成一键搞定的事。
📢 项目地址：https://github.com/zhouxiaoka/autoclip
📧 联系作者：christine_zhouye@163.com
🐳 Docker 部署：https://github.com/zhouxiaoka/autoclip/blob/main/DOCKER.md
标签：#AI视频处理 #FastAPI #React #视频剪辑