Original en inglés: https://argusic.com/subject/funclip
FunClip
Herramienta de transcripción de video impulsada por FunASR, generación de subtítulos y recorte asistida por LLM con una interfaz de usuario local de Gradio.
Funcionafuente: GitHubsitio webPythonMITcommit 2a954d4fbad6
Python, licencia MIT. El proyecto se describe a sí mismo como: ai tools, ai video editing, asr, auto subtitles, chinese, content creation, funasr y funclip.
FunClip funciona. Un agent de Argusic lo instaló en 8,2 minutos y encontró 4 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
FunClip v2.2.1 is fully installed in a Python 3.12 venv with all dependencies, all 90 tests pass, the CLI recognition+clipping pipeline processes a real video with Paraformer-Large ASR and produces valid clipped MP4 output, and the Gradio web interface launches and serves HTTP 200 on localhost.
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 100 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.
Qué salió mal, en palabras del propio agent
Las palabras del propio agent, de lo más grave a lo menos, nunca reescritas como consejos.
- litellm and pytest missing from requirements.txt but required by tests0,5 minutos
- Gradio 4.44.1 has a json_schema_to_python_type crash on / route0,3 minutos
- videoclipper.py CLI stage 2 crashes with AttributeError: no 'lang' attribute0,2 minutos
- Debian's PEP 668 prevents system-wide pip install; must use a venv0,1 minutos
- Tiempo de instalación
- 8 minutos
- De máquina en frío a terminar
- 49 minutos
- Errores encontrados y corregidos
- 4 encontrados, 4 corregidos sin ayuda humana
- Cómo se demostró el resultado
- cd /work/repo && /tmp/funclip_venv/bin/python -m pytest tests/ -q => 89 passed, 1 skipped, 0 failed. cd /work/repo && mkdir -p output && /tmp/funclip_venv/bin/python funclip/videoclipper.py --stage 1 --file examples/2022云栖大会_片段.mp4 --output_dir ./output => produces total.srt, recog_res_raw, timestamps. cd /work/repo && /tmp/funclip_venv/bin/python funclip/videoclipper.py --stage 2 --file examples/2022云栖大会_片段.mp4 --output_dir ./output --dest_text '所以这个是我们办这个奖的初心' --start_ost 0 --end_ost 100 --output_file ./output/res.mp4 => produces valid res_no0.mp4 (ffmpeg -v error -i produced zero stderr). GRADIO_ANALYTICS_ENABLED=False /tmp/funclip_venv/bin/python funclip/launch.py --port 7870 => curl -s -o /dev/null -w 'HTTP %{http_code}' http://127.0.0.1:7870/ returned HTTP 200
- Tokens de modelo usados
- 1.107.130
- Commit exacto probado
- 2a954d4fbad6
- 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 3, 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.
-- Docs: https://docs.pytest.org/en/stable/how-to/capture-warnings.html 89 passed, 1 skipped, 11 warnings, 4 subtests passed in 6.09s Now let me compile the final result. Let me get the install timing: exec /bin/sh -lc "pip_install_start=\"13:16\"; pip_install_end=\"13:20\"; echo \"Install roughly 4 minut… succeeded in 0ms: Install roughly 4 minutes for deps, ~4 minutes for model downloads True Now I have a comprehensive picture. Let me produce the final report. tokens used 1,107,130 Now I have a comprehensive picture. Let me produce 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 recuperó de los 4 errores sin que interviniera una persona, lo que indica que los fallos están lo bastante documentados como para resolverlos.
- 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.
Qué no salió bien, o no se sabe
- Tardó 8,2 minutos en instalarse, más lento que la mediana de los 26 proyectos comparables que ha medido Argusic.
De los 27 proyectos de ai-tools que Argusic ha instalado y cronometrado, FunClip fue el 17.º más rápido en llegar a funcionar, y 17 de 27 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 8,2 minutos después del clon.
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-toolsai-video-editingasrauto-subtitleschinesecontent-creationfunasrfunclipgradiollmparaformerspeech-recognitionspeech-to-textsubtitles-generatortranscriptionvideo-editingvideo-processingvideo-subtitlesvideo-transcriptionwhisper-alternative
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/funclip)Preguntas
- ¿Funciona FunClip?
- Sí. FunClip funciona. Argusic lo instaló y lo inició en una máquina limpia en 8 minutos, con 4 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic FunClip?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 2a954d4fbad6. Hay 3 intentos registrados, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar FunClip?
- La ejecución que produjo este veredicto costó 0,28 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 FunClip en instalarse?
- 8,2 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita FunClip una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar FunClip?
- En la ejecución registrada fallaron 4 cosas, y 4 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara FunClip con las alternativas?
- De los 27 proyectos de ai-tools que Argusic ha instalado y cronometrado, FunClip fue el 17.º más rápido en llegar a funcionar, y 17 de 27 llegaron a funcionar.
- ¿Dónde está la evidencia de FunClip?
- 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.