AutoClip 分发流一条龙：自动挑高光 + 配字幕封面话题，抖音/B站/视频号直接发

AutoClip 分发流一条龙自动挑高光 配字幕封面话题抖音/B站/视频号直接发【免费下载链接】autoclipAutoClip一个链接一键出片。开源 AI 视频剪辑桌面工具将播客、访谈、课程等长视频自动剪成短视频生成字幕、封面和发布文案适配抖音、小红书、TikTok、Reels 与 YouTube Shorts。Open-source AI video clipping content repurposing.项目地址: https://gitcode.com/GitHub_Trending/autoc/autoclip长视频切短视频的工具这两年并不少多数止步于帮你找出几个高光片段、导出几段 MP4。但内容生产真正吃时间的其实是切片之后那一段苦活给每条视频起标题、写描述、配话题标签、出一张能骗到点击的封面再按每个平台的画幅和字数规则逐条适配上传。AutoClip 的开源思路恰恰是把这一段也自动化了——丢进一个直播回放或播客长视频选好平台它自动挑出高光、逐条生成字幕封面标题话题最终交付的是每个平台可直接发的成片 发布素材包。本文结合仓库源码拆解这条分发流水线的三个关键环节平台差异逻辑如何落地、AI 生成物如何被人工审核体系约束、批量多平台素材如何一次产出。高光挑选评分排序之后每平台自动渲染 10 条一条两小时的播客AI 能找出三四十个候选高光全部渲染成片既不经济也没必要——创作者最终会发布的往往就那么几条。AutoClip 的处理是先评分再截断把数量与质量的控制分成了两层。第一层在内容理解阶段。流水线把长视频按时间线拆成候选片段后由 quality.py 的select_clips做兜底筛选高于评分阈值的全留候选不足时按分补齐到min_keep超过上限则按final_score降序截断到max_clips。而这个上限是随素材总时长分档的——8 分钟内短素材最多 6 条30 分钟内中长素材 10 条长视频按小时数递增max(12, int(16 * hours))阈值之上的候选全部进入后续环节防止差片段混入、好片段被误杀。第二层在出片调度阶段。Studio 自动生成流程在 jobs.py 中定义了AUTO_RENDER_LIMIT 10——每条导入素材默认只自动渲染评分最高的 10 条其余候选保留为 on-demand 状态用户点一下才渲染。实现上_automatic_drafts先剔除无评分的视觉高光数量少、全量渲染再对有评分的候选按_auto_score降序取前 10def _automatic_drafts(base_drafts): Ids of the drafts rendered without asking: the highest-scored AUTO_RENDER_LIMIT. scored [draft for draft in base_drafts if SCORE_KEY in draft] if len(scored) AUTO_RENDER_LIMIT: return {draft[id] for draft in base_drafts} top sorted(scored, keylambda draft: draft[SCORE_KEY], reverseTrue)[:AUTO_RENDER_LIMIT] return {draft[id] for draft in top} | {draft[id] for draft in base_drafts if SCORE_KEY not in draft}值得注意的一个工程细节源码注释明确写道平台资格判定必须先于评分截断——否则 10 条短视频候选可能把唯一满足横屏长视频要求的片段挤掉导致某个平台无片可出。调度时先按平台过滤_eligible_for_platform再应用评分截断保证每个选中平台至少有一条可渲染的完整内容。这是一处很典型的产品逻辑长在代码注释里的设计比盲目调参更能说明这个项目的取舍。平台差异一套策略表管住画幅、时长与字幕样式直接发的前提是每个平台的硬性规则都有人管。AutoClip 没有把平台差异散落在各处业务代码里而是收敛为一个不可变数据类PlatformStrategyplatform_strategy.py一次定义传输方式、分辨率、画幅裁切策略、时长策略、字幕样式、标题动效与封面比例。PlatformStrategy(douyin, 抖音 9:16, download_only, None, 1080, 1920, blur, short, 15, None, accent, comic, True, portrait, (douyin,), 90, interview_zh, zh), PlatformStrategy(youtube_shorts, YouTube Shorts 9:16, upload_post, youtube, 1080, 1920, crop, short, 15, 180, bold, card, True, portrait, (shorts, youtube_shorts), 60, podcast_en, en), PlatformStrategy(bilibili, B站横屏, bilibili_direct, bilibili, 1920, 1080, fit, adaptive, 180, None, clean, editorial, False, landscape, (bilibili,), None, landscape, zh),逐列拆解这行配置能看出不少用心传输方式三分download_only抖音/小红书/视频号这类不便开放直传的平台产出素材包由用户自行上传、upload_postTikTok/Reels/Shorts 经 Upload-Post 直发、bilibili_directB 站直传时长策略max_duration_sec是平台的硬性上限如 YouTube Shorts 封顶 180 秒超长片段在句边界裁断recommended_max_duration_sec只是表现更好的引导值注释明确never enforced by trimming——规则引擎不会为了数据好看而擅自截掉内容包装模板template与audience_language决定该平台走访谈模板还是播客模板、字幕烧中文还是英文让同一条高光在不同平台呈现不同的包装语言封面比例小红书 3:4 笔记封面、B 站 16:10 视频封面、抖音 9:16 竖版封面分别落在AI_LAYOUT表中publish_kit.py连 AI 生图的构图提示都按平台定制。这套策略表同时是 API/CLI 与桌面端共用的单一事实来源export_spec()、public_summary()把配置序列化给前端和旧接口避免同一规则在多个入口各自维护一份而失同步。AI 生成物的人工审核微调规则在模型之外且永不阻塞出片自动生成的标题、描述、话题和字幕最大的风险是看起来像那么回事但不可信。AutoClip 的做法是把所有规则硬编码在模型调用之外——模型负责创作代码负责执法任何不合格输出都回退但绝不阻塞出片。以发布文案为例post_copy.py 维护了一张按平台区分的规则表RULES小红书标题上限 20 字、抖音 30 字、B 站 80 字话题数量区间与文案风格各有定义。一次模型调用同时为选中平台的整条视频产出{平台id: {title, description, tags}}随后经过四道校验_fit超长截断到句读边界无出处素材时描述中出现出自/来源/节目名类句式会被整体清空SOURCE_ATTRIBUTION正则禁止模型脑补出处身份声明校验_unsupported_executive_role——字幕里没明说是 CEO生成文案就不许自称 CEO且支持中英日韩西法俄多语言的角色正则英文平台强制纯英文中文标题直接判不合格并要求重试。如果模型两轮仍不达标fallback()兜底为切片标题截断后的{title, description: , tags: []}——注释点明设计意图a post is never blocked on copy。创作者拿到手的永远是一份可用的初稿而不是一个报错。字幕与包装走同样的路子packaging.py模型按时间轴把被 ASR 切碎的半句重组成完整句子、生成 1–2 行标题与重点强调行、识别说话人名牌与编辑点评标签每一字段都过_validated校验——行区间必须连续且恰好覆盖全部行、标题不得超过平台字符上限、英文平台禁出中文、受保护专名不得被音译改名。翻译失败时还有最后防线逐行直译或保留原文可读字幕杜绝英文访谈被翻译失败变成无字幕视频。这套模型创作 代码执法 兜底回退的三段式正是 AI 初稿需要人工审核微调、又不至于审核不动的最务实折中。批量分发一条高光多平台素材一次产出分发流水线最关键的设计是内容与平台解耦先产出内容草稿draft再按平台派生变体variant同一时刻可以在抖音、小红书、B 站、Shorts 各出一版成片。_auto_generatejobs.py按选中平台逐个对草稿做_fit_platform_limit时长适配、_apply_framing智能构图与_apply_packaging包装最终落为output_variants列表并排队渲染渲染线程池串行编码CPU 密集任务互不抢资源每条变体渲染完成后紧接着_design_covers出封面。如果首轮选平台时漏了某个渠道无需重新分析素材——append_platform_variants直接从已保存草稿派生新平台版本按内容时间签名 平台去重已存在的组合跳过做到零重复分析。出片产物则被打包成可直接发的素材包。_write_kitpublish_kit.py把成片 MP4、设计封面 JPG、发布文案 TXT含平台名、标题、描述、话题压进一个 zipdef caption_text(post): tags .join(f#{tag} for tag in post.get(tags) or []) return \n\n.join(part for part in (post.get(title, ), post.get(description, ), tags) if part)CLI 侧autoclip run video.mp4 --platform douyin --platform bilibilicli.py即可触发同一流程status()支持export_kits参数按内容指纹缓存生成发布包桌面端与 CLI 共用同一数据目录跑完在应用首页即可看到每条成片对应的视频、封面与文案。B 站/TikTok/Reels/Shorts 平台可走直传抖音、小红书以及视频号等渠道则拿到素材包后手动上传——分发链路上能直发的直发、不能直发的给齐物料。从仓库docs/images/demos/manifest.json记录的已验收出片案例可以看到这套流程的真实产物访谈类中文高光出成 540×960 竖版、带大字标题与中文字幕的成片如 郭柯宇 × 鲁豫英文播客类出成适配 TikTok/Shorts 的英文包装如 Karpathy × Dwarkesh长内容则输出 B 站横屏版本鲁豫 × 佟丽娅。同一批素材、同一套模型按平台语言与画幅分别成片正是一次长视频、多平台分发的最小落地形态。小结自动化不是省略人工而是把人工从低价值环节挪走回看 AutoClip 这条分发流真正值得称道的地方不在AI 多聪明而在工程边界的克制高光由评分排序而非模型拍板平台规则收敛为单一策略表AI 文案受硬编码规则约束且有兜底渲染串行防资源抢占产物以素材包形式交付人工环节。10 条的自动渲染上限、句边界的时长裁断、永不阻塞出片的回退设计处处体现AI 初稿 人工审核微调的产品哲学。对团队或个人创作者而言这套开源的思路比全自动无人值守的承诺更可落地——把高光挑选、字幕封面、标题话题这些确定性工作交给流水线人只负责在审核时做最擅长的判断。【免费下载链接】autoclipAutoClip一个链接一键出片。开源 AI 视频剪辑桌面工具将播客、访谈、课程等长视频自动剪成短视频生成字幕、封面和发布文案适配抖音、小红书、TikTok、Reels 与 YouTube Shorts。Open-source AI video clipping content repurposing.项目地址: https://gitcode.com/GitHub_Trending/autoc/autoclip创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考