Original en inglés: https://argusic.com/subject/autoclip
autoclip
AutoClip | Un enlace, un clic para crear el video. Herramienta de escritorio de código abierto para recorte de video con IA: recorta automáticamente videos largos como podcasts, entrevistas y cursos para convertirlos en videos cortos, genera subtítulos, portadas y textos de publicación, y es compatible con 抖音, 小红书, TikTok, Reels y YouTube Shorts. Recorte de video con IA y reutilización de contenido de código abierto.
Funcionafuente: GitHubsitio webPythonMITcommit 17100c05252b
Python, licencia MIT. El proyecto se describe a sí mismo como: ai agent, ai video editor, content repurposing, desktop app, douyin, instagram reels, mcp y open source.
autoclip funciona. Un agent de Argusic lo instaló en 2 minutos y no encontró ningún error en una máquina limpia sin GPU, y toda la sesión quedó grabada.
103 backend tests pass, FastAPI server starts and responds 200 on /health and /api/v1/video-categories, and the frontend Vite build completes successfully.
Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide
Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 90,7 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).
De un vistazo
Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.
Qué se midió
De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.
- Tiempo de instalación
- 2 minutos
- De máquina en frío a terminar
- 11 minutos
- Errores encontrados y corregidos
- 0 encontrados, 0 corregidos sin ayuda humana
- Cómo se demostró el resultado
- pytest backend/tests/ returned '103 passed, 18 warnings in 3.04s'; curl http://localhost:8000/health returned HTTP 200 with body {"status":"ok","mode":"web","version":"1.0.0"}; curl http://localhost:8000/api/v1/video-categories returned HTTP 200 with valid category JSON; npm run build succeeded producing dist/
- Tokens de modelo usados
- 35.226
- Commit exacto probado
- 17100c05252b
- Imagen del contenedor
- sha256:cdd920bce783
Qué no se midió
La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.
- Memoria de GPU máxima
- se ejecutó en una máquina con CPU, así que no había GPU que muestrear
- Comportamiento en una ejecución larga
- cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga
Ver la sesión
La ejecución completa, desde una máquina limpia, a la velocidad a la que ocurrió. No se ha cortado ni acelerado nada.
Una grabación del intento 2, ejecutado el , el intento que decidió el veredicto anterior. La grabación de terminal a partir de la que se hizo es la evidencia, guardada con una huella sha256; el video es un render de ella. No se carga nada del servicio de video hasta que pulses reproducir.
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
print(repr(get_api_key())) " 2>&1' in /work/repo succeeded in 53ms: 'your_dashscope_api_key_here' exec /bin/sh -lc 'cd /work/repo && echo "=== BACKEND TEST COUNTS ===" && . venv/bin/activate && python -… succeeded in 751ms: 103 tests collected in 0.46s All systems work out of the box. Here's the final report: tokens used 35,226 All systems work out of the box. Here's the final report:
Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.
Cómo se probó
Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.
Puntos fuertes y límites
Hechos medidos, no opiniones. Cómo se redacta.
Qué salió bien
- Llegó a funcionar en una máquina limpia, con la sesión grabada.
- Se instaló en 2 minutos, más rápido que la mediana de los 230 proyectos comparables que ha medido Argusic.
- Nada se rompió por el camino: cero errores entre el clon y el funcionamiento.
- Funcionó sin GPU, así que no necesita una para arrancar.
- Licencia MIT, según su plataforma de origen.
- Medido 3 veces, así que el resultado no es algo puntual.
De los 231 proyectos de ai que Argusic ha instalado y cronometrado, autoclip fue el 39.º más rápido en llegar a funcionar, y 152 de 231 llegaron a funcionar.
Para qué es una opción razonable
- Probarlo en un portátil o en un servidor pequeño: llegó a funcionar sin GPU.
- Una evaluación rápida: estaba funcionando 2 minutos después del clon.
- Seguir su propio README: el camino documentado funcionó sin nada que arreglar.
También probados, en la misma área
Argusic instaló y ejecutó cada uno de estos proyectos en una máquina limpia. Aquí no aparece nada que no se haya probado.
Historial de ejecuciones
Temas (de GitHub)
ai-agentai-video-editorcontent-repurposingdesktop-appdouyininstagram-reelsmcpopen-sourcepodcastsubtitlestiktokvideo-clippingvideo-editing-softwarexiaohongshuyoutube-shorts
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/autoclip)Preguntas
- ¿Funciona autoclip?
- Sí. autoclip funciona. Argusic lo instaló y lo inició en una máquina limpia en 2 minutos, con 0 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic autoclip?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 17100c05252b. Hay 3 intentos registrados, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar autoclip?
- La ejecución que produjo este veredicto costó 0,04 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
- ¿Cuánto tarda autoclip en instalarse?
- 2 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita autoclip una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar autoclip?
- Nada, en la ejecución registrada: cero errores entre el clon y el funcionamiento.
- ¿Cómo se compara autoclip con las alternativas?
- De los 231 proyectos de ai que Argusic ha instalado y cronometrado, autoclip fue el 39.º más rápido en llegar a funcionar, y 152 de 231 llegaron a funcionar.
- ¿Dónde está la evidencia de autoclip?
- Las 3 ejecuciones registradas están en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.