企业官网建设流程全解析

FunClip 视频剪辑：零门槛 3 分钟切出 2 小时录像里的精华

【免费下载链接】FunClipFunASR-powered video transcription, subtitle generation, and LLM-assisted clipping tool with a local Gradio UI.项目地址: https://gitcode.com/GitHub_Trending/fu/FunClip

下午六点，两小时的部门周会刚散，一段两个多小时的录像还躺在硬盘里，谁都不想把整段视频拖进剪辑软件从头捋一遍。FunClip 视频剪辑正是为这种场景做的本地工具：它先用语音识别把视频里的每句话转成带时间戳的文字，再由你或大语言模型圈出想保留的部分，最后自动裁出对应片段并生成字幕。全程在浏览器里点几下就完成，不需要专业剪辑软件。

它是什么？FunClip 的 4 个核心能力

FunClip 是一款开源、可本地部署的视频切片工具，核心思路是"先识别、再定位、后裁剪"，把传统剪辑里最耗时的听写、找时间点、打字幕三件事交给模型自动完成。你真正能拿到的是：

✅句级精准时间戳：基于 Paraformer 大模型做中文语音识别，识别的同时输出每句话的起止时间，定位以毫秒计，不用再靠肉眼拖时间轴。 ✅三种裁剪入口：按识别出的文本裁、按说话人 ID 裁、或让大语言模型自动选段，分别对应"我要这几句""我要某个人说过的""帮我找重点"。 ✅说话人分离：内置 CAM++ 模型，多人访谈自动区分 spk0、spk1，直接提取某一位的全部发言。 ✅一键出字幕：裁剪时同步生成 SRT，还能把字幕烧进成片，省去后期手动对齐。

传统方式处理 2 小时录像，往往要反复拖时间轴、逐句标注、再手动加字幕，半天基本搭进去；FunClip 把"听"和"找"这两步前置成自动化，你只负责确认和微调。

3 分钟上手：安装、启动、第一次剪辑

FunClip 只依赖一个 Python 环境，下面三步走下来，第一次剪辑就能跑通。

第一步｜安装依赖

下面三条命令完成代码获取与依赖安装：

git clone https://gitcode.com/GitHub_Trending/fu/FunClip cd FunClip pip install -r requirements.txt

首次启动会单独下载语音识别模型，体积约 2GB，建议在网络较好的环境执行。

第二步｜启动服务

一条命令启动本地界面服务：

python funclip/launch.py

启动后在浏览器打开localhost:7860，左侧上传视频、右侧是识别与裁剪区。需要处理英文视频时，在命令后加-l en切换英文模型即可。

第三步｜完成首次剪辑

界面操作不用写代码：上传视频后点"识别 | ASR"，左侧会给出识别文本和 SRT 字幕；把想保留的句子复制进"待裁剪文本"（多段用#连接），点"裁剪"就得到片段视频，点"裁剪+字幕"则顺带把字幕烧进去。

实战效果：FunClip 对比传统剪辑省多少时间

同样是"2 小时录像 → 若干可用片段"，两种做法的差别如下：

进阶技巧：解锁 FunClip 的隐藏用法

技巧一｜LLM 智能剪辑

不想自己找重点时，把这件事交给大语言模型：识别完成后选择模型（如 qwen、gpt 系列）并填好 API Key，点"LLM 推理"，它会读完整段 SRT 后按 Prompt 要求返回若干带时间戳的片段；再点"LLM 智能裁剪"，FunClip 直接按这些时间戳裁片。Prompt 支持自定义，把"找出所有提到的价格""提取每位嘉宾的开场观点"写进要求即可。

技巧二｜按说话人批量提取

圆桌、访谈类视频里，勾选"识别+区分说话人 | ASR+SD"，系统会给每句话打上 spk 标签。之后在"待裁剪说话人"里填spk0提取单人全部发言，填spk0#spk2则同时提取两位，省去逐句筛人的功夫。

技巧三｜热词 + 偏移量精调

识别不准通常是专有名词踩空。在"热词 | Hotwords"里填入人名、产品名、术语（空格分隔，仅支持中文），识别率会明显提升。裁剪结果若总差半拍，可用"开始/结束位置偏移"微调起止时间，每段还能单独设置偏移，让切点卡在句间停顿上。

想接入自动化流程时，也可以直接用命令行两步完成识别与裁剪：

python funclip/videoclipper.py --stage 1 --file input.mp4 --output_dir ./output python funclip/videoclipper.py --stage 2 --file input.mp4 --dest_text '要保留的句子' --output_file res.mp4

常见问题快答

❌识别把专业名词听错了怎么办：在热词框里补上对应实体词后重新识别即可，专名和人名是最有效的两类热词。 ❌想精确按文字裁，却选了高精度转写模型：需要可靠字符级时间戳时请选用 Paraformer；Fun-ASR-Nano 适合高精度转写，但不保证逐字时间戳。 ❌英文视频识别不了：用python funclip/launch.py -l en启动英文模式，会自动加载英文 Paraformer 模型。

场景示例：3 个真实用法

场景一｜会议纪要自动化：周会长达 2 小时、纪要要写半天，是很多人每周的固定负担。用 FunClip 先整体识别，再把"决策""行动项""负责人"相关句子复制出来裁剪，配 LLM 直接筛出结论段，整理时间从半天压到二十分钟量级，还顺带留下一份带时间戳的纪要底稿。

场景二｜网课知识切片：90 分钟的录播课，学生总想只看重点。按知识点把讲解句摘出来裁剪成独立小段，每段自带 SRT，回放时可单段循环，老师不用再重新剪一整套课件。

场景三｜自媒体素材加工：1 小时采访素材要剪成 5 分钟短视频，传统流程往往要 3 小时以上。用说话人分离锁定主讲人，再用 LLM 挑出金句片段批量裁剪，一天产出一条带字幕的成片不再是难题。

下一步：先做什么、往哪深挖、去哪分享

👉先做：克隆仓库、跑通上面三步，拿一段 10 分钟的会议或采访试裁一次，熟悉"识别—定位—裁剪"的手感。 👉往哪深挖：读 funclip/videoclipper.py 看识别与裁剪的主流程，翻 funclip/llm/ 看各家大模型的接入方式，再改改 Prompt 找到最适合自己的选段规则。 👉去哪分享：把用得顺的 Prompt 配置和热词经验发到项目讨论区，帮后来人少走弯路；遇到识别或字幕问题也欢迎提 Issue。

项目源码遵循 MIT 许可，v2.1.0 起提供带校验的稳定版本，详见 docs/releases/v2.1.0.md。如果这套"识别 + 定位 + 裁剪"的流程帮到了你，给仓库点个 Star，就是对开源社区最直接的支持。

【免费下载链接】FunClipFunASR-powered video transcription, subtitle generation, and LLM-assisted clipping tool with a local Gradio UI.项目地址: https://gitcode.com/GitHub_Trending/fu/FunClip