Original en inglés: https://argusic.com/subject/opensource-clipping
opensource-clipping
Ultimate AI Auto-Clipper: transforma videos largos y podcasts en cortos virales. Incluye seguimiento inteligente de rostros, subtítulos cinéticos tipo karaoke, B-roll contextual, voces en off con IA y auto-subidores (YouTube/FB). Funciona con Whisper, Gemini, MediaPipe y Pyannote.
Funciona con mocksfuente: GitHubsitio webPythonMITcommit 4a478dff3dac
Python, licencia MIT. El proyecto se describe a sí mismo como: ai, auto clipper, clipper, face tracker, ffmpeg, gemini, karaoke subtitles y mediapipe.
opensource-clipping funciona, con sustitutos de los servicios de los que depende. Un agent de Argusic lo instaló en 5 minutos y encontró 3 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
FastAPI web API serves all endpoints (health returns 200, job CRUD works, settings panel responds). Pipeline renders video clips with face tracking, transcription, FFmpeg encoding, successfully produced 2 valid MP4 files from synthetic input. All 22 Python dependencies installed and importable.
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 92 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.
- torchaudio 2.11.1 from NVIDIA index missing AudioMetaData and info() — caused pyannote.audio import failure3 minutos
- AV library av-19.x has incompatible API 'metadata_errors' keyword arg for faster-whisper1 minuto
- Whisper fails to download model via background thread after interpreter shutdown when using TestClient (API jobs); works fine standalone
- Tiempo de instalación
- 5 minutos
- De máquina en frío a terminar
- 21 minutos
- Errores encontrados y corregidos
- 3 encontrados, 3 corregidos sin ayuda humana
- Cómo se demostró el resultado
- curl http://localhost:8001/api/health returned 200 with ffmpeg_available=True; FastAPI TestClient verified all 10 API endpoints (health, settings CRUD, job CRUD, SSE); pipeline rendered 2 test clips via studio.proses_klip producing valid highlight_rank_*_ready.mp4 files (ffprobe and ffmpeg -v error confirmed valid media); Whisper base model transcribed synthetic test video on CPU; MediaPipe face tracking ran on every frame
- Tokens de modelo usados
- 351.179
- Commit exacto probado
- 4a478dff3dac
- 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
- Comportamiento con servicios reales
- esta ejecución solo se verificó con servicios sustitutos
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
/bin/sh -lc "find /work/repo/outputs -name \"video_asli.mp4\" -exec echo \"Found: {}\" \\;" in /wor…
succeeded in 0ms:
Found: /work/repo/outputs/e9f3c2aecb8c/video_asli.mp4
Found: /work/repo/outputs/ef9b8d9a502b/video_asli.mp4
Found: /work/repo/outputs/3909aec20b4a/video_asli.mp4
Those are from the background test jobs. The output directory itself has valid render artifacts in …
The session started at ~06:53 UTC, current time is ~07:13 UTC, so about 20 minutes of work. The ins…
2026-10-31T07:13:59.851466Z ERROR codex_core::session: failed to record rollout items: thread 01a19…
tokens used
351,179
Those are from the background test jobs. The output directory itself has valid render artifacts in …
The session started at ~06:53 UTC, current time is ~07:13 UTC, so about 20 minutes of work. The ins…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
- Se instaló en 5 minutos.
- Se recuperó de los 3 errores sin que interviniera una persona, lo que indica que los fallos están lo bastante documentados como para resolverlos.
- Licencia MIT, según su plataforma de origen.
Qué no salió bien, o no se sabe
- Solo llegó a funcionar con servicios sustitutos, así que nada de lo que hay aquí demuestra que funcione con los reales.
- Medido una sola vez hasta ahora. Un único intento demuestra que puede funcionar, no que funcione de forma fiable.
De los 231 proyectos de ai que Argusic ha instalado y cronometrado, opensource-clipping fue el 111.º más rápido en llegar a funcionar, y 152 de 231 llegaron a funcionar.
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
| probado por | intento | resultado | puntuación | costo USD | cuándo |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Funciona con mocks | 92,00 | 0,23 |
Temas (de GitHub)
aiauto-clipperclipperface-trackerffmpeggeminikaraoke-subtitlesmediapipepodcastpyannotepythonreelsshort-form-contenttiktokvideo-editingvideo-editorvoice-overwhisperyoloyoutube-shorts
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/opensource-clipping)Preguntas
- ¿Funciona opensource-clipping?
- opensource-clipping funciona, con mocks en lugar de los servicios externos. Argusic lo instaló y lo inició en una máquina limpia en 5 minutos, con 3 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic opensource-clipping?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 4a478dff3dac. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar opensource-clipping?
- La ejecución que produjo este veredicto costó 0,23 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 opensource-clipping en instalarse?
- 5 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita opensource-clipping una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar opensource-clipping?
- En la ejecución registrada fallaron 3 cosas, y 3 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara opensource-clipping con las alternativas?
- De los 231 proyectos de ai que Argusic ha instalado y cronometrado, opensource-clipping fue el 111.º más rápido en llegar a funcionar, y 152 de 231 llegaron a funcionar.
- ¿Dónde está la evidencia de opensource-clipping?
- La ejecución registrada está 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.