企业官网建设流程全解析

批量剪辑视频不再靠手点：AutoCut 字幕编辑与脚本自动化完整教程

【免费下载链接】autocut用文本编辑器剪视频项目地址: https://gitcode.com/GitHub_Trending/au/autocut

周五 18:00，共享目录里又躺进 87 条直播回放，要求周一上午交切片成品。人工逐条播放、拖进度条、记时间点，一天根本做不完。AutoCut 就是为这类"重复劳动"准备的开源工具：它先自动把视频转成带时间戳的字幕，你在文本里勾选要保留的句子，它再按字幕时间戳裁出对应片段并合并成片——批量剪辑视频这件事，从此可以交给脚本。本文带你从零搭起一条"转录 → 勾选 → 裁剪 → 合并"的自动化流水线。

AutoCut 能替你干什么：一张表看懂核心能力

先别急着写代码，花 2 分钟理清 AutoCut 的分工。整个项目代码量很小，核心逻辑就分布在几个模块里：

几个关键参数值得先记住：

• --whisper-model：识别模型，可选tiny / base / small / medium / large，默认small；
• --bitrate：导出码率，默认10m，可按需调成2m、500k等；
• --force：输出文件已存在时强制覆盖，否则直接跳过；
• --device：强制cpu或cuda，默认有 GPU 就用 GPU；
• --encoding：字幕文件编码，默认utf-8。

它的定位不是专业剪辑软件，而是"用文本驱动剪辑"的胶水层：裁切靠 ffmpeg 和 moviepy 完成，智能识别靠 Whisper 完成，人只需要做"哪些句子留下"这一个决定。

环境准备：安装 AutoCut 与配置依赖

AutoCut 依赖两个外部条件：Python 环境和 ffmpeg。

1. 安装 ffmpeg（音频抽取和导出都靠它）

sudo apt install ffmpeg # Debian / Ubuntu brew install ffmpeg # macOS

2. 安装 AutoCut

git clone https://gitcode.com/GitHub_Trending/au/autocut cd autocut pip install . # 本地 Whisper，日常够用 pip install '.[all]' # 需要 faster-whisper 或 OpenAI API 时改用这行

项目也发布为autocut-sub，可以直接pip install autocut-sub。有 NVIDIA 显卡时建议先装好对应版本的 PyTorch，再安装 AutoCut，转录会自动走 GPU。验证方法：

python -c "import torch; print(torch.cuda.is_available())" # True 即 GPU 可用

3. 准备一个素材目录，例如./inbox/，把待处理的视频（mp4 / mov / mkv / flv 等）丢进去。注意：AutoCut 是 Python 包，安装后代码会进入你的虚拟环境，改了本地源码需要重新pip install .才生效。

链路拆解：视频是怎么被"改文字"剪掉的

AutoCut 的工作流可以拆成四个环节，每个环节都有明确的文件产物：

生成的.md长这样（取自项目测试样例）：

- [x] <-- Mark if you are done editing. - [ ] [1,00:00] 大家好，我的名字是AutoCut。这是一条用于测试的视频。 - [x] [2,00:05] Hello, my name is AutoCut. This is a video for testing.

有两行规则是整条链路的关键：

1. 每句前面的[序号,时间]是它和.srt字幕的对应关系，裁剪时只认序号；
2. 顶部那行"Mark if you are done editing"必须勾上，AutoCut 才认为你编辑完毕，否则裁剪环节会直接跳过——这也是后面批量脚本必须处理的地方。

动手实操：搭建最小可用的批量剪辑流水线

👉 先跑通单条视频的最小闭环，再谈批量。

单条闭环（3 条命令）

# 转录：生成 demo.srt 和 demo.md autocut -t demo.mp4 # 编辑 demo.md：勾选要保留的句子，并把"done editing"一行勾上 # 裁剪：输出 demo_cut.mp4 autocut -c demo.mp4 demo.srt demo.md

编辑.md用 Typora、VS Code 这类支持任务列表勾选的 Markdown 编辑器都很顺手，勾选一个句子就代表保留对应片段：

批量转录：不用 Python 循环，一行 shell 就够了，已有的.md会自动跳过：

for f in ./inbox/*.mp4; do autocut -t "$f"; done

批量裁剪：逐句人工勾选是"编辑"环节，但"哪些句子值得留"如果有明确规则（比如包含某些关键词），完全可以脚本代劳。下面这段利用 autocut/utils.py 的MD类，自动勾选含关键词的句子并声明编辑完成：

import glob from autocut.utils import MD KEYS = ("核心", "注意", "总结") # 命中任一关键词即保留该句 for md_path in glob.glob("./inbox/*.md"): md = MD(md_path, "utf-8") for i, line in enumerate(md.lines): if any(k in line for k in KEYS): md.lines[i] = line.replace("- [ ]", "- [x]") # 勾掉"编辑完成"标记，裁剪环节才会执行 for i, line in enumerate(md.lines): if "Mark if you are done editing" in line: md.lines[i] = line.replace("- [ ]", "- [x]") md.write()

脚本跑完，再对每个视频执行autocut -c 视频.srt对应的三件套（或直接用守护模式，见下）。

可选扩展，按需取用：

• 免值守模式：autocut -d ./inbox会常驻监听目录——新视频落盘自动转录；某个.md被勾选完成就自动裁剪，并刷新autocut.md，你在里面勾选要拼的片子，最终输出autocut_merged.mp4。直播录屏场景下，可以把 OBS 按日期命名文件夹，一天结束直接挂着跑。
• 只要 srt 也能剪：不习惯 Markdown 时，直接在.srt里删掉不要的句子，然后autocut -c demo.mp4 demo.srt（不传.md即可）。反过来，已有字幕想转成 Markdown 编辑：autocut -m demo.srt demo.mp4。
• 成片码率控制：默认10m偏大，小屏幕内容用--bitrate 2m能省一半空间。
• Python API 二次开发：from autocut import Transcribe, load_audio可以把"读音频 → VAD → 转录"嵌入你自己的程序，做更定制化的批量任务。

避坑指南：这些坑先踩过再批量跑

⚠️ 批量场景下，单条失败会被复制成一百次失败，下面四个点是最常见的翻车位置。

坑 1：字幕乱码，几乎全是编码问题

AutoCut 默认读写utf-8。如果你的编辑器按gbk保存了.md，或者用 Typora 打开后它悄悄转了码，裁剪时就会报"编码不支持"。对策：转录和裁剪两步用同一个--encoding=gbk，并且生成字幕和剪辑时的编码必须一致。另外 Typora 有自动转码行为，非 utf-8 工作流建议改用 VS Code 显式指定编码保存。

坑 2：大模型跑不动，或显存直接爆

large模型质量最好但吃显存，普通显卡容易 OOM。三个选项：降一档用small；或者保留大模型但--device cpu强制 CPU（慢但不爆）；再或者pip install '.[all]'后用--whisper-mode=faster换 faster-whisper 推理，速度更快。先用torch.cuda.is_available()确认 GPU 真的被识别到，否则 PyTorch 版本大概率不匹配。

坑 3："已存在，跳过"让你误以为在跑

两个静默跳过机制：输出文件已存在时直接跳过（要覆盖得加--force）；.md里"编辑完成"没勾上时，裁剪直接不执行。批量脚本里如果忘记勾那行标记，你会发现跑完全程、一个_cut.mp4都没生成——写脚本时务必检查这一步是否生效。

坑 4：字幕时间戳偏差、识别出"no speech"

Whisper 的质量取决于人声清晰度：口齿流利、背景干净的音频效果好，嘈杂环境会出现漏句或占位文本。实用补救：对裁出来的片子再转录一次、再粗选一遍（二剪法）；空行太多的.srt可以用autocut -s demo.srt生成紧凑版demo_compact.srt方便编辑，改完再执行一次autocut -s转回标准格式。

常见问题 FAQ

Q：只有音频文件（mp3/wav）能处理吗？能。-t转录音频后，-c会输出.mp3而不是.mp4，本质是"文本剪音频"。

Q：英文视频转录中文，或者反过来，怎么指定语言？用--lang指定，默认zh。例如英文素材：autocut -t en.mp4 --lang en。除中、英外还支持日语、韩语、西语等数十种语言。

Q：怎么把多个剪辑结果拼成一个长视频？守护模式下 AutoCut 会自动维护autocut.md，列出目录里所有片子及其描述；你勾选要拼接的项并声明编辑完成，它输出autocut_merged.mp4和对应字幕。

Q：能不用本地模型，走 OpenAI API 转录吗？可以：export OPENAI_API_KEY=sk-xxx，然后autocut -t demo.mp4 --whisper-mode=openai --openai-rpm 3（免费额度 3 RPM，付费 50 RPM）。

Q：批量跑的时候重复执行会覆盖之前的结果吗？默认不会，输出存在就跳过；确实要重跑就加--force。

总结：把这条流水线接入你的日常

回顾一下关键点：AutoCut 把剪辑拆成"转录（机器）→ 勾选（人或脚本）→ 裁剪合并（机器）"三步；-t、-c、-d三条命令加一个MD类脚本，就能覆盖绝大多数批量场景；编码一致、模型匹配硬件、"编辑完成"标记这三处是批量任务最常见的翻车点。下一步建议：先用test/media目录里的几个样例视频把单条闭环跑通，再挑你真实工作中"留句规则最明确"的那类素材（如固定话术的课程、复盘会），把关键词脚本挂到定时任务里——批量剪辑的自动化收益，会从第一个文件夹开始显现。

【免费下载链接】autocut用文本编辑器剪视频项目地址: https://gitcode.com/GitHub_Trending/au/autocut