Что такое AutoClip и как это работает
AutoClip — это open-source проект (лицензия MIT), позволяющий одним кликом превращать длинные интервью, подкасты и лекции в короткие вертикальные ролики для TikTok, YouTube Shorts, Reels, Douyin (Китай), Xiaohongshu и Bilibili. Ключевая особенность: весь монтаж, кадрирование (tracking говорящего) и рендеринг происходят на вашем компьютере, а не в облаке. Облако используется только для анализа текста (LLM) и, опционально, распознавания речи (Whisper/SenseVoice).
Программа автоматически анализирует сценарий, находит самые интересные моменты, вырезает их, накладывает динамичные субтитры, генерирует заголовок, описание и хештеги, а также создает обложку. Пользователь получает ZIP-пакет, готовый к публикации.
Производительность и стоимость: цифры из реальных тестов
Разработчики провели замеры на MacBook с чипом Apple Silicon. Результаты показывают высокую эффективность нового движка (версия 1.5.0) по сравнению со старой версией. Важно отметить, что стоимость указана только за использование языковой модели (Qwen-plus) для анализа сценария; распознавание речи и генерация изображений оплачиваются отдельно или выполняются локально.
| Тестовый материал | Платформа | Время обработки | Количество фрагментов | Стоимость LLM (¥) |
|---|---|---|---|---|
| Jensen Huang (1ч 43м, англ.) | Xiaohongshu (вертикальный) | 7.5 минут | 10 штук | ¥0.09 |
| TIM × Luo Yonghao (2ч 52м, кит.) | Douyin (вертикальный) | 29.5 минут | 10 штук | ¥0.20 |
| MrBeast (2ч 06м, англ.) | TikTok (вертикальный) | 65 минут | 33 штуки (старая версия) | ¥0.64 |
Как видно из таблицы, новая версия обрабатывает час видео за 7–8 минут при стоимости анализа менее 10 копеек (в пересчете). Старая версия тратила на обработку аналогичного по длине контента в 8 раз больше времени и стоила дороже.
Технические детали и поддержка моделей
Версия 1.5.0 добавила поддержку CLI (командной строки) и MCP (Model Context Protocol), что позволяет интегрировать AutoClip в автоматизированные воркфлоу и AI-агентов. Поддерживаются два визуальных стиля:
- Interview Style (Интервью): Классический формат с говорящим в центре и субтитрами внизу. По умолчанию для Douyin и Xiaohongshu.
- Podcast Style (Подиум/Полный экран): Говорящий занимает большую часть кадра, часто используется для TikTok и Shorts.
Для распознавания речи можно использовать локальные модели Whisper или SenseVoice, что полностью исключает расходы на облачный API для аудио. Для анализа текста (поиск хайлайтов, генерация заголовков) поддерживаются любые OpenAI-совместимые API, включая локальные серверы Ollama и LM Studio.
Системные требования и установка
Программа доступна для macOS (Apple Silicon) и Windows 10/11 x64. Также есть версия для Linux через Docker.
- macOS/Windows: Скачивается как .dmg или .exe файл, который уже включает Python и FFmpeg. Не требует сложной настройки.
- Docker: Для Linux-серверов или продвинутых пользователей. Требует Docker и Docker Compose v2.
- CLI: Требует Python 3.10+ (рекомендуется 3.11) и FFmpeg в PATH.
Проект полностью бесплатен. Разработчик благодарит спонсоров 88API и Infistar.cc за предоставление тестовых кредитов на облачные модели, но для самостоятельной работы пользователям нужно иметь свои API-ключи или запускать модели локально.
Источник: Github ↗