02 / CAPABILITIES
主要功能
基于 WhisperX 转录结果自动识别语义连贯的视频片段，输出精确到单词级的起止时间戳；
利用 Pyannote 进行说话人日志（speaker diarization），动态追踪当前发言者位置，实现 9:16 等多比例智能重帧与画面聚焦。
03 / AUDIENCE & USE CASES
适用场景与人群
开发者
- 将播客、访谈、演讲和布道等以音频为中心的叙事型长视频自动剪辑为多个短视频片段
- 将16:9横屏视频智能重构为9:16竖屏格式，动态聚焦当前说话人
- 基于视频转录文本识别高信息密度或情绪显著的片段用于二次分发
输入
长视频文件（如MP4格式）
输出
带起止时间戳的多个视频片段，以及可选的重比例裁剪坐标序列
常见问题
重制视频尺寸是否需要Hugging Face访问令牌？
是，重制视频尺寸需提供Hugging Face访问令牌，用于Pyannote执行说话人日志（speaker diarization），该服务不向用户收费
Clips AI是否支持商用？
原文未说明商用授权条款或限制，因此商用范围未知
GETTING STARTED
如何使用
- 01
安装Python依赖：pip install clipsai
- 02
额外安装whisperx：pip install whisperx@git+https://github.com/m-bain/whisperx.git
- 03
使用Transcriber对视频文件进行语音转文字，获取带时间戳的逐字稿
- 04
调用ClipFinder.find_clips()从转录结果中自动识别并提取多个视频片段
BENEFITS & LIMITS
优点与缺点
优点
- 为内容营销团队节省时间
- 增加社交媒体参与度
- 自动视频再利用
- 提供供定制的 Python 库
- 支持音频中心、叙事型视频
缺点与限制
- 使用库需要 Python 知识
- 调整尺寸需要 Hugging Face 访问令牌
- 剪辑识别依赖于准确的转录文本
- 需要安装 WhisperX 和 ffmpeg 等依赖项
SOURCES
官网与资料来源
资料更新于 2026-10-30
RELATED COLLECTIONS
相关专题
NEWS REPORTS
