用字幕剪视频AutoCut 智能剪辑 5 步完整指南【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/autocutAutoCut 是一款用字幕剪视频的工具它先借助 Whisper 语音识别把视频里的声音转成一行行带时间戳的文字你在文字里圈定想保留的句子它就自动把对应的视频片段切出来并拼成成片。如果你曾经被剪辑软件的时间轴劝退或不想一句句手打字幕这套文字化剪辑的思路值得一试——只需要一个文本编辑器和几条命令剪辑环节就变成了校对作业。两步装好 AutoCut转出第一份字幕5 步里的第 1、2 步都在做准备完成后你就会得到第一份字幕文本。第 1 步装环境。在终端执行pip install autocut-subautocut命令即就位想启用更快的 faster-whisper 引擎安装时加上对应扩展即可具体写法见 README.md。另需装一个 ffmpeg它是 AutoCut 真正执行剪切时的系统组件一行 apt 或 brew 命令就能搞定。第 2 步转录视频。执行autocut -t 你的视频.mp4Whisper 模型默认 small速度与准确率均衡跑完后会生成两个同名文件.srt字幕和.md文本。.md是你稍后做剪辑决策的地方.srt可以留作导出的标准字幕。非中文的视频记得先用--lang指定语言避免识别语种跑偏。标记句子并剪辑自动产出带字幕成片第 3、4 步是整个流程中最反直觉的部分剪辑决策全部发生在文本文件里。第 3 步标记。用 VS Code 或 Typora 打开生成的.md每句话前都带着字幕序号、起始秒数的前缀形如[4,00:44] 这是我们这篇……。保留的句子把前面的方括号打勾不保留的保持原样口误和跑题段落顺手删掉即可。第 4 步剪切。对单个视频执行autocut -c 你的视频.mp4 你的字幕.srt 你的文本.md就会输出一个_cut.mp4和对应的新字幕文件文件开头那句Mark if you are done editing的总开关则是为批量监听模式准备的。下图左侧是待处理与已剪出的文件列表右侧是正在标记的句子清单和可倍速播放的视频预览边听边勾非常顺手。图在文本编辑器中勾选要保留的句子AutoCut 即按标记自动剪出对应片段——先标记、后剪切就是它的主工作流熟悉单个视频之后还有第 5 步可走在全局的autocut.md里勾选需要拼接的视频AutoCut 会输出autocut_merged.mp4和对应字幕。把两种做法放在一起对比差异比较直观环节传统剪辑软件的做法AutoCut 的做法字幕生成手动输入或第三方工具转写Whisper 自动转出带时间戳文本决定去留整段回看、肉眼估算时间点在文本里删掉不保留的句子剪切与拼接拖轨、逐段设入出点打勾、保存、等待成片重复处理多个视频每个视频从头再来一遍放进监听文件夹自动循环进阶玩法文件夹监听与 GPU 加速持续剪辑单支视频跑通后下一步自然是让机器自己转起来。把整个过程交给文件夹执行autocut -d 你的文件夹/AutoCut 进入文件夹监听模式持续扫描目录里的新视频先转录出字幕等你勾选保存后再自动剪切全程不用守着。 录制党可以按官方建议在 OBS 的文件名格式里用日期作分隔符让录像自动落进按日期命名的文件夹监听对象会非常干净。速度与质量按机器调节转录质量和速度靠模型档位调节默认small更准可以换medium或large推荐配合 GPU求快则用tiny、base。核心代码位于 autocut/ 目录转录与剪切逻辑分别在 transcribe.py 和 cut.py想改行为可以直接看源码。⚡ 带 Nvidia 显卡的机器装好对应版本的 PyTorch 后转录会自动落到 GPU 上仓库里还备有 Dockerfile.cuda 等构建文件GPU 版容器运行时加一个--gpus all参数即可。三个常见问题及解法字幕打开是乱码AutoCut 默认用 utf-8 输出先确认编辑器是否用同一编码打开确实要换 gbk 时生成和剪辑两次都带上--encoding保持一致。还有一个隐蔽坑非 utf-8 文件被 Typora 打开后可能被自动转码建议编辑完再用 VS Code 保存为目标编码然后才去剪辑。GPU 转录报显存不足把模型降到small即可仍想用大模型的话用--device cpu强制走 CPU速度会慢一些但流程不会中断。srt 空行太多不好编辑autocut -s 你的字幕.srt会生成一个紧凑版本方便改改完再用同一命令转回标准格式或者用-m直接把 srt 转成 md回到前面熟悉的标记流程里处理。如果你手上也有大量长视频素材不妨先拿一段访谈或录课视频体验一下用字幕剪视频跑顺之后把录像目录挂进监听模式让 AutoCut 自己接着转。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考