AutoCut 批量剪辑视频完整指南：把 100 个视频变成一次脚本运行

AutoCut 批量剪辑视频完整指南：把 100 个视频变成一次脚本运行

【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

AutoCut 是一款"用文本编辑剪辑视频"的视频自动化工具：它先把视频里的语音转成字幕文件，你只需在文件里勾选要保留的句子，对应片段就会自动裁切、拼接成片。本文以一个 100 个视频的批量任务为例，讲清用 AutoCut 搭出批量剪辑流水线的完整路径。读完后，转录、筛选、合成、监控这些环节都可以交给脚本完成，全程不用打开剪辑软件。

批量剪辑视频的痛点：3 类赶工场景，人工实在忙不过来

先说结论：只要"同一套剪辑动作要重复很多次"，手工操作就会从成本变成瓶颈，而这正是脚本擅长的领域。

• 录播课 / 播客账号：一周产出十几条 40 分钟以上的原片，每条都要剪掉开场寒暄和片尾废话，再挑出 1~2 分钟的精华段做短视频投放。逐条在时间轴上拖进度条，一天最多处理 3 条。
• 培训 / 会议回放：月底积压 30 场回放，每场的任务是"裁掉前 5 分钟签到、保留产品演示段"。规则完全一样，手工却要重复 30 遍，而且越到后面越容易漏掉某一场。
• 直播切片分发：一场直播要拆成 5 条切片发到不同平台。手动找时间点、记入点出点，一个下午就过去了，第二天想调一下剪辑标准就得全部重来。

这三个场景的共同点是：判断"留哪一段"其实可以变成文字规则，而人工在做的只是把文字规则手动翻译成剪辑动作。AutoCut 做的事情，就是把这步翻译自动化。

AutoCut 的核心思路：靠勾选字幕就能剪视频

理解这一点，后面所有内容都不再难：AutoCut 把"剪视频"转换成"改一个文本文件"。

它的工作方式分三步。第一步，用语音识别模型（Whisper，OpenAI 开源的语音转文字模型）把视频音频转写成带时间戳的.srt字幕；第二步，把字幕整理成一份.md任务清单，每行一个句子，前面带一个复选框；第三步，你在清单里勾选想保留的句子、勾掉想删掉的，AutoCut 就读着勾选结果和字幕里的时间点，用 ffmpeg 把对应片段裁出来拼成新的 mp4。

也就是说，"保留哪些内容"这个最关键的剪辑决策，被编码成了几行纯文本。文本的好处是：查找替换、正则、关键词匹配这些现成的文本手段全部适用，Python 脚本也能直接读写。

勾选完成后还有一步"交卷"：.md文件末尾有一行<!-- Mark if you are done editing. -->对应的任务项，把它勾上，AutoCut 才认为这条视频的剪辑定稿了。

AutoCut 安装与第一次剪辑：一条命令转字幕、一条命令出成片

结论：装好包和 ffmpeg 之后，两次命令就能完成"转录 + 剪辑"的最小闭环。

下面这段代码先完成安装（二选一：直接 pip 装包，或克隆仓库源码安装），再演示对单个视频的最小流程：

pip install autocut-sub # 方式一：直接安装发布包 # 方式二：git clone https://gitcode.com/GitHub_Trending/au/autocut 后进入目录执行 pip install . sudo apt install ffmpeg # 系统需要 ffmpeg，它负责真正的裁切编码 autocut -t 22-52-00.mp4 # 转录：生成 22-52-00.srt 和 22-52-00.md # 用 Typora / VS Code 等任意 Markdown 编辑器打开 22-52-00.md， # 勾选要保留的句子，并把末尾 "done editing" 那行勾上 autocut -c 22-52-00.mp4 22-52-00.srt 22-52-00.md # 剪辑：输出 22-52-00_cut.mp4

转录逻辑在 autocut/transcribe.py 中，剪辑逻辑在 autocut/cut.py 中，出片文件名固定是"原名 +_cut"。几个常用参数如下：

参数	作用
--whisper-model	识别模型大小，默认small，越大越准也越慢
--lang	字幕输出语言，默认zh
--bitrate	成片码率，默认10m，可传500k、20m等
--force	输出文件已存在时强制覆盖
--device	强制用cpu或cuda跑识别

没有.md也可以剪：只传视频和.srt，直接在 srt 里删掉不要的句子，效果一样。

搭建批量剪辑视频流水线：转录、筛选、合成、监控各就各位

单条流程跑通后，批量化的思路是把它拆成输入端、处理端、输出端三段，各自独立可重跑，任何一段中断了都能接着来。

📂 输入端：批量转录字幕。对目录里每个视频执行一次-t即可，shell 里一个 for 循环就够了；已经生成过.srt和.md的文件会被自动跳过，所以脚本中断后直接重跑不会浪费重复计算。转录时也可以指定--lang生成多语言版本字幕，方便同一个视频出中英文两版。

🔍 处理端：自动筛选视频片段。人工勾选第一遍之后，你会发现"留哪句"是有规律的，比如含"重点""注意""总结"的句子基本都要留。下面这段代码就是把这些规则写进脚本：扫描目录下所有.md，把含关键词的句子复选框打上勾，同时勾掉"done editing"标记，让输出端的剪辑可以直接执行：

import glob KEYWORDS = ("重点", "注意", "总结") # 句子含这些词就保留 for md_path in glob.glob("./videos/*.md"): lines = open(md_path, encoding="utf-8").readlines() for i, line in enumerate(lines): hit = line.startswith("- [ ]") and ( any(k in line for k in KEYWORDS) or "Mark if you are done editing" in line ) if hit: lines[i] = line.replace("- [ ]", "- [x]", 1) open(md_path, "w", encoding="utf-8").writelines(lines)

如果规则更复杂，也可以直接调用 autocut/utils.py 里的MD类，用tasks()遍历句子、用write()回写。筛选完之后建议人工抽查几个.md，关键词规则适合定调，不适合替代最终判断。

⏩ 输出端：批量合成与文件夹监控。逐条-c就能把整个目录剪完；但如果你的视频是持续产生的（比如每天固定的录制任务），更省事的办法是把输出端交给守护进程。autocut/daemon.py 里的Daemon会常驻监听一个文件夹：新视频落盘 → 自动转录 → 你勾好.md→ 自动剪出_cut.mp4→ 最后把目录里所有剪好的视频汇总到autocut.md，在里面勾选要合并的，一条命令即可：

autocut -d ./videos # 常驻监控：自动转录、自动剪辑、自动合并成片

它每轮扫描都会跳过已完成的文件，轮询间隔从 1 秒逐渐拉长到 60 秒，对 CPU 几乎无压力。录完一段视频放进文件夹，去处理别的事，回来成片已经在等着了。

AutoCut 常见问题：中断续跑、识别不准、输出画质怎么调

问：批量任务跑到一半中断了，要全部重来吗？不用。转录会跳过已生成.md的文件，剪辑会跳过已存在输出的文件，两边都支持--force强制重做。所以任何环节断了，把同一条命令重跑一遍即可，这也是"每段可独立重跑"这条设计原则的意义。

问：识别不准、专有名词老是错字怎么办？三条路：换更大的模型--whisper-model medium（或large，推荐配 GPU）；用--prompt把领域词汇塞进提示词引导识别；识别后在.srt里直接改文字——AutoCut 的剪辑只依赖字幕里的时间戳和勾选，改文字不影响剪辑结果。

问：输出画质怎么控制？--bitrate决定成片码率，默认10m。追求小文件就调低到2m左右，投放到网页端足够；需要高画质就调高。另外成片字幕如果空行太多不好二次编辑，可用autocut -s xxx.srt生成紧凑版，改完再转回去。

问：字幕文件打开是乱码？AutoCut 默认按utf-8读写，用--encoding=gbk指定编码时，转录和剪辑两次命令要传同一个编码参数，保持一致就不会乱。

问：没有独立显卡能跑吗？可以，自动回退到 CPU，建议把模型降到small或base。显存不够时也可以--device cpu强制走 CPU 跑大模型，只是速度慢一些。

从单条到批量自动化：读完之后的 4 个小动作

先挑 10 个历史视频建一个独立目录，把上面"输入端 + 输出端"两件事跑一遍，熟悉文件产物的命名规律；再把关键词筛选脚本按你自己的内容调一版规则；然后给-d配一条开机自启或定时任务，让监控常驻；最后在这套流水线外面加一层自己的扩展——上传、通知、格式转换都行，因为流水线里流动的全是普通文本和文件，接什么都方便。

【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