Original em inglês: https://argusic.com/subject/ai-youtube-shorts-generator
AI-Youtube-Shorts-Generator
Alternativa de código aberto ao Opus Clip, Vidyo.ai, Klap e SubMagic. Transforme vídeos longos do YouTube em shorts virais 9:16 usando detecção de destaques com LLM, transcrição com Whisper e corte vertical automático: gratuito, sem marcas d'água, sem créditos por clipe.
Executa com mocksfonte: GitHubpágina do projetoPythonMITcommit 9c7a33e7b927
Python, licença MIT. O projeto se descreve como: 2short ai alternative, ai clip generator, ai clipping, auto clip, auto crop, highlight detection, klap alternative e llm.
AI-Youtube-Shorts-Generator executa, com substitutos para os serviços de que depende. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 0,0 minutos e não encontrou nenhum erro, e a sessão inteira foi gravada.
Both API mode (with mock MuAPI server) and local mode (with mock LLM) complete end-to-end: download, whisper transcription, highlight selection, and vertical crop produce valid output files. api_ok=True local_ok=True clip_valid=True
O que o agent conseguiu em uma máquina limpa, nas palavras dele. Como isto é medido
Medido pela Argusic em uma máquina nova, todas as vezes. Cada número tem link para as suas evidências. Pontuação Argusic 92 de 100 (a média das pontuações das execuções deste projeto).
Visão geral
Dados do projeto de GitHub, com link no topo desta página, atualizado em . Dados de teste da Argusic (CC BY 4.0); cada número tem link para uma página de execução com o log completo, a gravação e os hashes sha256 deles.
O que foi medido
Da execução que decidiu este veredito. Cada linha é um valor registrado, não uma estimativa.
- Tempo de instalação
- menos de um minuto
- Da máquina limpa até o fim
- 10 minutos
- Erros encontrados e corrigidos
- 0 encontrados, 0 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- API mode with mock MuAPI server: generate_shorts returned 1 clip with clip_url via POST /youtube-download, /openai-whisper, /gpt-5-mini, /autocrop. Local mode: faster-whisper tiny transcribed 10s test video (1 segment, 10s audio in ~2s), mocked LLM returned 1 highlight, ffmpeg+OpenCV cropped to 404x720 9:16 mp4 with aac audio, ffmpeg -v error -i output/short_01.mp4 -f null - returned 0 with no stderr output.
- Tokens de modelo usados
- 409.153
- Commit exato testado
- 9c7a33e7b927
- Imagem do container
- sha256:cdd920bce783
O que não foi medido
A outra metade, para você ver exatamente até onde estas evidências vão. Uma lacuna é mostrada como lacuna e nunca é preenchida.
- Pico de memória da GPU
- esta execução foi em uma máquina com CPU, então não havia GPU para medir
- Comportamento em uma execução longa
- cada tentativa usa as menores configurações documentadas e um orçamento de tempo fixo, então isto mede se ele executa, não como ele se comporta sob carga
- Comportamento com serviços reais
- esta execução foi verificada apenas com serviços substitutos
Assista à sessão
A execução inteira, a partir de uma máquina limpa, na velocidade em que realmente aconteceu. Nada é cortado e nada é acelerado.
Uma gravação da tentativa 1, executada em . O veredito acima vem de outra tentativa, então veja isto como uma sessão e não como o resultado atual. A gravação do terminal da qual ele foi feito é a evidência, guardada com uma impressão digital sha256; o vídeo é uma renderização dela. Nada é carregado do serviço de vídeo até você apertar o play.
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
+ except Exception: + pass + here = _os.path.dirname(_os.path.abspath(__file__)) + repo_root = _os.path.normpath(_os.path.join(here, "..", "..")) + candidate = _os.path.join(repo_root, "assets", "haarcascade_frontalface_default.xml") + if _os.path.isfile(candidate): + return candidate + raise RuntimeError( Both modes passed all checks. Here's the complete report: tokens used 409,153 Both modes passed all checks. Here's the complete report:
Reproduzir a sessão inteira, cada comando desde a máquina limpa até este ponto.
Como foi testado
Um agent, um container, nenhuma ajuda humana. Ele instala o projeto do jeito que a própria documentação do projeto manda, executa o projeto e corrige o que quebra. Tudo abaixo é registrado como aconteceu: a sessão de terminal, o log e o commit exato. A metodologia completa.
Pontos fortes e limites
Fatos medidos, não opiniões. Como este conteúdo é escrito.
O que deu certo
- Instalado em 0,0 minutos.
- Nada quebrou no caminho: zero erros entre o clone e a execução.
- Licença MIT, segundo a plataforma onde o projeto está hospedado.
- Medido 3 vezes, então o resultado não é um caso isolado.
O que não deu certo, ou não se sabe
- Só chegou a um estado de execução com serviços substitutos, então nada aqui prova que ele funciona com os serviços reais.
Também testados, na mesma área
Cada um destes foi instalado e executado pela Argusic em uma máquina limpa. Nada aparece aqui sem ter sido testado.
Histórico de execuções
| testado por | tentativa | resultado | pontuação | custo USD | quando |
|---|---|---|---|---|---|
| Argusic Runner | 3/3 | Executa com mocks | 92,00 | 0,08 | |
| Argusic Runner | 2/3 | Executa com mocks | 92,00 | 0,08 | |
| Argusic Runner | 1/3 | Executa com mocks | 92,00 | 0,07 |
Tópicos (de GitHub)
2short-ai-alternativeai-clip-generatorai-clippingauto-clipauto-crophighlight-detectionklap-alternativellmopen-sourceopus-clip-alternativereelsshorts-makersubmagic-alternativetiktokvertical-videovideo-editingvidyo-ai-alternativeviral-clipswhisperyoutube-shorts
Incorporar o selo
Markdown para o README do projeto. Ele tem link de volta para esta página; os termos estão na página de termos.
[](https://argusic.com/subject/ai-youtube-shorts-generator)Perguntas
- AI-Youtube-Shorts-Generator executa?
- AI-Youtube-Shorts-Generator executa, com mocks no lugar de serviços externos. A Argusic o instalou e iniciou em uma máquina limpa em 0 minutos, encontrando 0 erros no caminho, e gravou a sessão.
- Como a Argusic testou AI-Youtube-Shorts-Generator?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 9c7a33e7b927. Há 3 tentativas registradas, e a metodologia completa está na página da metodologia.
- Quanto custou testar AI-Youtube-Shorts-Generator?
- A execução que produziu este veredito custou US$ 0,08: custo real de computação e de modelo, não um preço de tabela por milhão de tokens. Esse valor está registrado na página da execução.
- Quanto tempo leva para instalar AI-Youtube-Shorts-Generator?
- 0,0 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- AI-Youtube-Shorts-Generator precisa de GPU?
- Não para iniciar. A Argusic chegou a um estado de execução em uma máquina sem GPU.
- O que dá errado ao instalar AI-Youtube-Shorts-Generator?
- Nada deu errado na execução registrada: zero erros entre o clone e a execução.
- Onde estão as evidências de AI-Youtube-Shorts-Generator?
- Todas as 3 execuções registradas estão nesta página, cada uma com link para o seu log completo e a sua gravação do terminal, guardados com uma impressão digital sha256 para que não possam ser alterados discretamente.