做内容的人都有一个囤积癖：播客录了 80 期、直播回放攒了 200 小时、访谈课程下了一硬盘——每一段里都藏着能爆的片段，但没人有耐心一帧帧去找。请剪辑吧，一个切片市场价几十到几百块；自己剪吧，找高光的时间比剪本身还长。
这就是「长内容创作者」的经典困局：素材越值钱，越消化不动。
今天上榜 GitHub Trending 的 AutoClip，就是冲着这个困局来的。一句话概括：把长视频丢进去，它用 AI 分析字幕、给每个片段打精彩度评分、生成标题，然后自动剪出切片和合集，直接按抖音、小红书、YouTube Shorts 的格式导出。
项目是什么AutoClip 是一个开源的 AI 视频切片与高光提取工具，MIT 协议，作者是一位个人开发者。它主打访谈、播客、课程和直播回放这类「口播型长视频」——这类内容的高光几乎都写在字幕里，所以用 AI 读字幕来定位精彩段落，命中率天然比看画面靠谱。
它提供三种使用形态，覆盖三类人：
桌面应用：macOS（Apple Silicon）和 Windows 都有现成安装包，Python 和 FFmpeg 全部内置，下载就能用；Docker Web 界面：适合自己有服务器、想挂成常驻服务的人；CLI / MCP：一条命令批量处理，还能作为 MCP 服务接进 Claude Code 这类 agent 客户端。支持的素材来源也实际：本地视频、YouTube 链接、B 站链接，可以附带 SRT 字幕。没有字幕的也能用，本地跑 Whisper 转写即可。
界面长这样，导入区直接拖文件，有字幕就一起丢进去：
解决什么问题切片这件事，真正的门槛不在「剪」，而在「选」。FFmpeg 谁都会用，难的是从两个小时里判断哪 40 秒值得剪出来。
AutoClip 把整条流水线拆成了自动化步骤：导入视频 → 准备字幕 / 语音转写 → AI 分析与评分 → 生成切片与合集 → 导出成片。AI 负责从字幕里提取大纲、话题时间线和精彩度评分，片段标题也顺手生成好——这些标题稍微改改就能直接当视频文案用。
另一个被认真对待的问题是钱和隐私。视频剪辑全程在本地完成，用云端模型时只有字幕文本会发出去；如果你想连这个都省掉，可以接 Ollama 或 LM Studio 跑本地模型，API Key 都不用配。对做付费课程切片的人来说，「素材不出本地」不是洁癖，是刚需。
GitHub 数据总 Stars：8,266Forks：600+主语言：Python开源时间：2025 年 7 月个人业余项目做到 8K+ Star、长期霸榜 Trending 和 Trendshift，README 更新到 8 种语言——这个维护强度已经超过很多全职团队了。
值得关注的点第一，导出预设直接对齐变现平台。
它内置了抖音、小红书、YouTube Shorts 和 B 站的导出预设，支持烧录字幕和标题卡。别小看这个细节：切片工具很多，但大多数剪完给你一个裸 MP4 就完了，你还得自己调尺寸、压字幕、做封面。AutoClip 直接按平台规格出片，等于把「剪完之后」的脏活也干了。批量跑一个 20 期的播客，一次导出几十条竖版切片，这个产能一个人就能扛。
第二，模型随便换，还能让 agent 帮你干活。
云端支持通义千问、OpenAI 兼容接口、Gemini、硅基流动，本地支持 Ollama 和 LM Studio。更值得玩味的是 CLI / MCP 这一层：同一条处理流水线既可以命令行批量跑，也可以通过 MCP 让编码 agent 调用。也就是说，你可以给 agent 写一句「把这个目录下所有访谈视频都切成 Shorts」，它真的能执行。工具把「切片」变成了可被编排的原语，这是比界面漂亮更高级的设计。
第三，诚实的边界感。
README 明确说了当前分析主要基于字幕，适合访谈、播客、课程和口播，纯视觉动作或音乐类视频效果可能有限。没有夸大「万能剪辑」，还配了一份完整排错指南和已知问题列表。开源工具最怕的是什么都「敬请期待」，这份坦诚反而让人更敢用。
个人启发很多人看切片，看到的是「搬运剪辑」这种灰产印象；但换个视角，这是当下确定性最高的内容杠杆之一：一期播客的边际成本已经付掉了，切片只是把一份资产拆成 N 份分发物。困住大多数人的从来不是想法，是产能。
AutoClip 的思路也给做 AI 工具的人提了个醒：它没有去训什么视频理解大模型，而是选了一条「用字幕这个既有文本层」的捷径，把 Whisper、FFmpeg、LLM 这些现成积木拼成一条完整流水线。技术含量不算惊艳，但对用户问题的拆解非常准——评分阈值从 0.7 降到 0.5 这种细节都写进了 FAQ。工具类开源项目能涨星，靠的往往就是这种「用过才知道的贴心」。
对个人创作者，我的建议更直接：把你硬盘里躺着的长素材翻出来，先用短样本验证一遍流水线，跑通了就批量出片。切片这条路上，先发布的人吃流量，纠结画质的人吃灰。

项目地址：github.com/zhouxiaoka/autoclip