autoclip

AutoClip 是由开发者 zhouxiaoka 发起并持续维护的开源 AI 视频剪辑桌面工具，核心定位是“一个链接，一键出片——将播客、访谈、课程等长视频自动剪成适配抖音、小红书、TikTok、Reels、YouTube Shorts 的竖版短视频，连同封面和发布文案一起打包交付”。它不满足于做一份简单的视频转码脚本或零散的 AI 摘要工具，而是将贴链接出片、成片自动包装、本机剪辑渲染、多模型自由选择、CLI/MCP Agent 接入整合于一套完整的开源工具链中，全部配有桌面版（macOS Apple Silicon / Windows x64）零依赖安装、Docker/Web 部署、CLI/MCP 三种使用形态，以及 MIT 开源协议。

一、AutoClip 是什么

AutoClip 采用“桌面应用 + 本地渲染 + 多模型分析”三位一体的架构，通过 GitHub 完全开源发布，采用 MIT 许可证。项目由开发者 zhouxiaoka 个人发起并持续维护，截至 2026 年 10 月已发布 v1.5.0 正式版，桌面、CLI 与 MCP 同步更新，获得约 7,884+ GitHub Stars。项目提供英语、简体中文、日语、韩语、西班牙语、葡萄牙语、俄语、法语等多语言 README。

AutoClip 的运作机制与市面常见的“在线视频转码服务”或“云端 AI 剪辑平台”有本质区别。它不是把视频上传到云端处理后返回结果，而是一套本地优先、模型可自选、Agent 可调用的自动化剪辑流水线。用户粘贴一个 YouTube 或 B 站链接，选择目标平台，系统自动完成视频下载、字幕分析、高光定位、片段切割、画面取景、字幕合成和封面生成，最终输出可直接发布的 ZIP 包。剪辑和渲染在用户自己的电脑上完成，只有字幕文本会发送给用户选择的模型进行分析；使用本地模型（Ollama / LM Studio）时，整个流程可以完全离线运行。

二、AutoClip 能做什么

AutoClip 的核心能力可以精炼地概括为：贴、析、剪、包、接，围绕这五大维度提供了从链接到发布包的完整路径，覆盖长视频二创与短视频批量生产的全方位需求，具体包括：

贴链接一键出片（贴） ——不是“下载→打开剪辑软件→手动找片段”，而是“粘贴链接，选好平台，剩下的交给 AI”。支持 YouTube、B 站链接和本地上传视频。选好目标平台后，系统按平台的画幅与时长要求自动生成——每个平台按评分自动生成至多 10 条合格片段，其余列为备选，用户可点“生成这条”按需制作。

AI 字幕分析与高光定位（析） ——不是“随机切几段”，而是“用 AI 理解内容、定位真正精彩的部分”。系统通过字幕分析理解视频内容，自动生成大纲、话题时间线、精彩度评分和吸睛标题。支持三种字幕来源：作者自带字幕（最快）、本地 Whisper / SenseVoice 转写、或已配置的云端转写。v1.4.0 起可选配多模态模型进行游戏视觉分析。

成片自动包装与多版式适配（剪/包） ——不是“给你一段裸视频”，而是“带封面、标题、简介、话题和 ZIP 发布包的完整交付物”。抖音/小红书默认访谈式版式，TikTok/Reels/Shorts 默认满屏播客式版式，竖版也可自行选择两种版式；B 站/YouTube 为横版。画面跟随说话人，无人镜头保留完整画面。自动品牌片尾默认开启（可在设置中关闭）。

CLI / MCP Agent 接入（接） ——不是“只能在桌面点按钮”，而是“命令行批量处理，或让 AI 编码 Agent 直接调用”。CLI / MCP 与桌面共用同一条一键出片链路。MCP 服务由客户端启动，支持 Claude Code、Cursor 等支持 MCP 的客户端调用同一条处理流水线。这意味着用户可以对 Claude Code 说“把这条视频剪成抖音竖版”，Agent 直接调用 AutoClip 完成全部工作。

三、AutoClip 适合谁用

AutoClip 的内容设计使其适配各类需要将长视频批量转化为短视频的创作者与内容团队，核心聚焦那些“手动找高光、逐段剪辑、多平台适配耗时巨大”的人群，主要涵盖以下几类：

播客与访谈内容创作者——需要将 1-3 小时的播客或访谈视频剪辑为多条适合抖音、小红书、TikTok 的短视频。AutoClip 的核心验证场景就是访谈、播客、课程和口播。实测数据显示，一条 1 小时 43 分的英文访谈（有字幕）可在 7.5 分钟内产出 10 条小红书中文短视频，文字模型费用仅 ¥0.09。

知识科普与课程创作者——需要将长课程或讲座切片为知识点短视频。AutoClip 的字幕分析和精彩度评分帮助定位最值得传播的片段。

多平台内容运营团队——需要将同一份长视频内容同时适配抖音、小红书、TikTok、Reels、YouTube Shorts 和 B 站。AutoClip 按平台自动生成不同画幅、时长和版式的成片，大幅降低多平台适配的重复劳动。

AI 编码 Agent 的重度使用者——已经在用 Claude Code、Cursor 等 Agent 进行日常开发。AutoClip 的 MCP 支持让“用自然语言让 Agent 自动剪辑视频”成为原生体验。CLI 命令行也支持批量处理，适合将剪辑集成到自动化流水线中。

对数据隐私有要求的用户——不希望视频上传到第三方云端。AutoClip 的剪辑和渲染在本机完成，使用本地模型时可完全离线运行。

四、AutoClip 的应用场景是什么

基于其内容设计与定位，AutoClip 的应用场景主要围绕播客访谈切片、多平台内容分发、批量视频处理和 Agent 自动化剪辑，覆盖从个人创作到团队协作的多个场景，具体包括：

播客与访谈长视频切片场景——创作者有一期 2 小时的播客，需要剪出 10 条 1 分钟以内的竖版短视频用于抖音和小红书。AutoClip 提供了一条“粘贴 YouTube/B 站链接 → 选择目标平台 → AI 自动分析字幕定位高光 → 自动切割、取景、加字幕 → 生成封面和发布文案 → 下载 ZIP 包”的完整路径。

多平台内容分发场景——同一份长视频需要同时适配抖音、小红书、TikTok、Reels 和 YouTube Shorts。AutoClip 按每个平台的画幅、时长和版式要求自动生成对应的成片，用户只需选择多个目标平台，系统一次性产出所有平台的发布包。

批量视频处理与自动化流水线场景——内容团队每周需要处理多期播客。CLI / MCP 支持一条命令批量处理，也可以作为 MCP 服务接入 Claude Code 等 Agent 客户端，将剪辑集成到内容生产的自动化流水线中。

Agent 驱动的对话式剪辑场景——用户在对 Claude Code 或 Cursor 的对话中说“把这个 YouTube 视频剪成三条抖音短视频”，Agent 通过 MCP 调用 AutoClip 完成下载、分析、切割、包装和导出，用户无需打开任何图形界面。

自建 Web 服务与团队协作场景——团队希望在服务器上搭建共享的 AutoClip 服务，成员通过 Web 界面上传视频、配置模型、下载成片。Docker 部署提供了一条 docker compose up -d --build 的快速搭建路径，Web 界面默认运行在 3000 端口。

五、AutoClip 为什么值得关注

AutoClip 之所以值得关注，核心在于它将“长视频二创从手动逐帧操作升级为本地优先、模型自选、Agent 可调用的自动化流水线”，并具备“桌面零依赖安装、本地渲染、多模型自由选择、MCP Agent 接入、MIT 开源”的独特价值，具体体现在以下几点：

从“手动找高光”到“AI 定位精彩片段”的效率革命。传统剪辑流程中，创作者需要完整观看长视频、手动标记时间点、逐段切割、调整画面比例、添加字幕——一期 2 小时的播客可能耗费数小时。AutoClip 将这一流程压缩到几分钟，实测中 2 小时 52 分的中文视频（无字幕、本地 Whisper 转写）在 29.5 分钟内产出 10 条抖音短视频，文字模型费用仅 ¥0.20。

从“云端依赖”到“本地渲染”的数据主权。大多数在线视频剪辑工具需要将视频上传到云端处理。AutoClip 的剪辑和渲染在用户自己的电脑上完成，使用本地模型（Ollama / LM Studio）时整个流程可以完全离线运行，只有选择云端分析时才会发送字幕文本。这种“本地优先”的设计，让涉及未发布内容或商业机密的视频也可以放心处理。

从“单一模型”到“多模型自由选择”的灵活性。AutoClip 支持云端 API（OpenAI 兼容服务、通义千问、88API、Infistar 等）、Ollama、LM Studio 三种模型配置方式。用户可以在设置中选择服务商、填写自己的 API Key，也可以使用本地模型完全免费运行。这种“模型无关”的设计，让用户可以根据成本、速度、隐私需求自由选择，不被任何单一提供商锁定。

从“桌面工具”到“Agent 可调用服务”的能力扩展。AutoClip 的 CLI / MCP 支持让视频剪辑从“打开桌面应用手动操作”升级为“命令行批量处理”或“AI Agent 对话式调用”。用户可以在 Claude Code 中用自然语言指令触发完整的剪辑流水线，将视频二创集成到更广泛的 AI 工作流中。

桌面版零依赖安装——下载即用。桌面安装包自带便携 Python 与静态 FFmpeg——不用配环境、不用装 Docker，下载即用。macOS Apple Silicon 选 .dmg，Windows 10/11 x64 选 -setup.exe。这种“零依赖安装”的设计，让非技术用户也能在几分钟内开始使用。