OpenChatCut
首个开源 Agent 原生视频编辑器，支持自然语言操控多轨时间线、MCP 协议集成 Claude Code/Codex、Remotion 运动图形渲染
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
首个开源 Agent 原生视频编辑器，支持自然语言操控多轨时间线、MCP 协议集成 Claude Code/Codex、Remotion 运动图形渲染
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
想象这样一个场景：你花了两天拍了一段 vlog，打开剪映或 CapCut，准备把 30 分钟的素材剪成 5 分钟的成片。然后你发现——光是找到"那个转场效果在哪里"就花了半小时，加字幕要一个个字手动敲，遇到要用 Claude 或 GPT 生成脚本时还得把内容复制来复制去……
这就是目前所有视频剪辑工具的现状：界面很花哨，但当你真正想让 AI 帮你干活的时候，到处都是断点。
OpenChatCut 来了。它把自己定位成"对标 ChatCut/CapCut 的开源替代品"，但真正让开发者兴奋的点不在于"又一个剪映"，而在于它的核心理念——让 AI Agent 直接操控你的时间线。你跟 AI 说"把第 3 段的字幕改成繁体中文，再加个模糊转场"，AI 真的会打开你的项目，找到第 3 段，修改字幕样式，插入转场，然后导出——整个过程不需要你动一根手指。
这，才是"AI 原生视频编辑器"该有的样子。
OpenChatCut 由独立开发者 0xsline 创建和维护。项目首次提交于 2024 年末，2025 年中在 ProductHunt 上线后获得首页推荐，随后在 GitHub 上迅速积累到 700+ stars，目前处于活跃开发状态（AGPL-3.0 开源协议）。
作者在社区中相当活跃，Discord 频道已有一定规模的社区讨论组。从项目 README 和 changelog 可以看出，作者的目标非常明确：不是做一个"功能更少"的剪映替代品，而是做第一个真正由 AI Agent 驱动的视频编辑器，让 AI 能像人一样理解、操作、导出视频项目。
从项目结构来看，OpenChatCut 的技术选型非常现代化：
架构上最值得注意的设计是本地优先。视频文件、编辑项目都存储在本地文件系统，不强制云端同步。远程 AI 能力（如 Claude Code / Codex）通过 MCP 协议以 HTTP 方式接入，数据完全自主可控。
用户或 AI Agent 可以通过自然语言指令操控编辑器。例如：
这些指令由内置 Agent 解析，映射到对应的工具（Timeline Tools、Track Tools、Template Tools 等），直接在项目文件中执行修改。项目始终保持可编辑状态，不会因为 AI 操作而锁定为"成品"。
OpenChatCut 原生支持 MCP (Model Context Protocol)，这意味着 Claude Code、OpenAI Codex 等外部 AI 工具可以像使用其他 MCP 服务器一样，将 OpenChatCut 作为工具调用：
项目自带 .mcp.json 配置文件，暴露了 openchatcut MCP 服务器端点，外部 AI 可以直接通过 HTTP 调用操作真实的时间线。这意味着 AI 的"视频编辑能力"不再是"生成一段描述"，而是真实的可执行操作。
Remotion 是一个用 React 代码编写视频动画的框架（Netflix、Stripe 等公司内部也在用）。OpenChatCut 将 Remotion 集成进来，使得：
这个组合在专业视频编辑领域相当罕见——目前市面上还没有其他工具能把 React 开发体验和视频时间线编辑器结合得如此紧密。
项目内置了一套可扩展的 Skills 框架，位于 skills/openchatcut/ 目录。每个 Skill 定义了 AI Agent 可调用的工具集，涵盖：
这套 Skills 系统的设计理念类似 VS Code 的 Extensions——用户或开发者可以定义新的 Skill，让 AI 获得新的能力。
内置 AssemblyAI 集成，支持将视频/音频文件自动转写为 SRT 字幕文件。转写结果可以导入到时间线编辑器中，与视频片段精确对齐。
桌面应用（Electron） 是最推荐的上手方式。安装后，用户会看到一个典型的多轨时间线编辑器界面，左侧是媒体池，右侧是预览窗口，下方是时间线，顶部是 Agent 工作区。
对于纯命令行玩家，项目没有提供纯 CLI 工具，所有操作都需要通过 Electron 桌面界面或 AI Agent 的 MCP 接口来完成。
对于AI 开发者，最有意思的玩法是通过 Claude Code 或 Codex MCP 接入，编写自动化视频处理 pipeline。例如："每天早上自动生成昨天数据的可视化视频报告"——这在以前需要复杂的 FFmpeg 脚本，现在通过几句自然语言就能完成。
亮点：
局限与挑战：
OpenChatCut 代表了一个重要的趋势：AI 原生工具（Agent-Native Tools）。
过去的 AI 工具大多数是"人操作 AI"模式——人下指令，AI 执行。而 OpenChatCut 的创新在于：AI 不仅能理解指令，还能直接操作一个复杂的 GUI 项目文件，在时间线上移动片段、修改属性、导出成品。
这个模式一旦成熟，意味着：
从 GitHub stars 增长曲线来看，这个方向正在获得越来越多的关注。如果项目能持续推进 MCP 协议完善和本地模型支持，有望成为 AI 视频工作流中的重要基础设施。
本报告由 PIFS 自动化分析系统生成，基于 GitHub 仓库公开数据。图片均来自项目官方仓库，报告生成日期：2026-08-03。