英文原文: https://argusic.com/subject/opensource-clipping

opensource-clipping

Ultimate AI Auto-Clipper：将长视频和播客转化为爆款短视频。具备智能人脸跟踪、动态卡拉OK字幕、上下文B-roll、AI配音以及自动上传功能（YouTube/FB）。由 Whisper、Gemini、MediaPipe 和 Pyannote 提供支持。

借助 mock 可运行来源：GitHub项目主页PythonMITcommit 4a478dff3dac

Python，MIT 许可证. 项目的自我描述：ai、auto clipper、clipper、face tracker、ffmpeg、gemini、karaoke subtitles 和 mediapipe.

opensource-clipping 可以运行，其依赖的服务由替身代替。一个 Argusic agent 在一台没有 GPU 的干净机器上用 5 分钟完成了安装，遇到 3 个错误，并在无人协助的情况下全部修复，整个会话都被记录了下来。

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.

agent 在干净的机器上最终得到的结果，用它自己的话说。 测量方式

每一次都由 Argusic 在全新机器上实测。每个数字都链接到对应的证据。 Argusic 评分 92，满分 100（该项目各次运行得分的平均值）。

概览

结论
借助 mock 可运行
Argusic 评分
92 / 100
验证运行的成本
0.23 USD（实测）
已记录的运行次数
1
最近测试
星标
209
fork 数
105
未关闭的 issue
1
关注者
2
大小
75 MB
创建于
最近推送

项目数据来自 GitHub，链接见本页顶部，更新于 。测试数据由 Argusic 提供 (CC BY 4.0)；每个数字都链接到一个运行页面，附完整的 log、录屏及其 sha256 哈希。

测量了什么

来自决定该结论的那次运行。 每一行都是记录下来的数值，而非估算。

测试 opensource-clipping 时每个故障耗费的时间，取自已记录的运行
每一根柱子都是 agent 记录的一次失败，以及它耗费的时间。数据仅取自本次运行。

哪里出了问题，用 agent 自己的话说

agent 的原话，最严重的排在最前，从不改写成建议。

  • torchaudio 2.11.1 from NVIDIA index missing AudioMetaData and info() — caused pyannote.audio import failure3 分钟
  • AV library av-19.x has incompatible API 'metadata_errors' keyword arg for faster-whisper1 分钟
  • Whisper fails to download model via background thread after interpreter shutdown when using TestClient (API jobs); works fine standalone
安装时间
5 分钟
从冷启动机器到完成
21 分钟
遇到并修复的错误
遇到 3 个，在无人协助的情况下修复了 3 个
结果是如何证明的
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
使用的模型 token
351,179
测试的确切 commit
4a478dff3dac
容器镜像
sha256:cdd920bce783

没有测量什么

另一半内容，让你清楚看到这些证据能说明到什么程度。缺失的数据就标为缺失，从不填补。

GPU 显存峰值
本次运行在 CPU 机器上进行，没有可采样的 GPU
长时间运行的表现
每次尝试都使用文档中最小的设置和固定的时间预算，因此这里测量的是它能否运行，而不是它在负载下的表现
对接真实服务的表现
本次运行只对照替身服务进行了验证

录屏的结尾

决定该结论的终端会话的最后几行，与录制时完全一致。

/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…

回放完整会话，从干净的机器到此刻的每一条命令。

测试方式

一个 agent，一个容器，没有人工协助。它按照项目自身文档所写的方式安装项目，运行它，并修复出错的地方。下面的一切都按实际发生的过程记录：终端会话、log 和确切的 commit。 完整方法论.

优势与局限

均为实测事实，而非观点。内容是如何撰写的.

顺利的部分

  • 用 5 分钟完成安装。
  • 在无人介入的情况下从全部 3 个错误中恢复，说明这些故障的文档足以让人解决。
  • 采用 MIT 许可证，以其托管平台报告的信息为准。

不顺利或尚不清楚的部分

  • 只在替身服务下达到了运行状态，因此这里没有任何内容能证明它在真实服务下可以工作。
  • 目前只测量过一次。单次尝试只能说明它可以运行，不能说明它能稳定运行。

在 Argusic 安装并计时过的 231 个 ai 项目中，opensource-clipping 达到运行状态的速度排名第 111，231 个项目中有 152 个达到了运行状态。

同一领域中也测试过的项目

这里的每个项目都由 Argusic 在干净的机器上安装并运行过。未经测试的项目不会出现在这里。

  • autoclip 已验证可运行 · Python · 7 个共同主题
  • AI-Youtube-Shorts-Generator 已测试，未验证 · Python · 5 个共同主题
  • yt-short-clipper 已测试，未验证 · TypeScript · 5 个共同主题
  • FableCut 已验证可运行 · JavaScript · 4 个共同主题
  • hyperframes 已验证可运行 · TypeScript · 3 个共同主题
  • openwhispr 已验证可运行 · JavaScript · 3 个共同主题

运行历史

测试者尝试结果评分成本 USD时间
Argusic Runner1/3借助 mock 可运行92.000.23

主题 (来自 GitHub)

aiauto-clipperclipperface-trackerffmpeggeminikaraoke-subtitlesmediapipepodcastpyannotepythonreelsshort-form-contenttiktokvideo-editingvideo-editorvoice-overwhisperyoloyoutube-shorts

嵌入徽章

用于项目 README 的 Markdown。徽章链接回本页；使用条款见 条款页面.

[![Tested by Argusic](https://argusic.com/badge/opensource-clipping.svg)](https://argusic.com/subject/opensource-clipping)

常见问题

opensource-clipping 能运行吗？
opensource-clipping 可以运行，外部服务由 mock 代替. Argusic 在一台干净的机器上安装并启动了它，用时 5 分钟，过程中遇到 3 个错误，并记录了整个会话。
Argusic 是如何测试 opensource-clipping 的？
在一台全新的一次性机器上进行，每条命令都被记录，仓库固定在 commit 4a478dff3dac。共记录了 1 次尝试，完整方法见方法论页面。
测试 opensource-clipping 花了多少钱？
得出该结论的那次运行花费 0.23 USD：这是真实的算力和模型成本，而不是按每百万 token 计的标价。该数字记录在那次运行的页面上。
opensource-clipping 安装需要多长时间？
在决定该结论的那次运行中，从干净的机器到运行状态用了 5 分钟。这是一次实测的尝试，不是平均值。
opensource-clipping 需要 GPU 吗？
启动它不需要。Argusic 在一台没有 GPU 的机器上让它达到了运行状态。
安装 opensource-clipping 时会出现什么问题？
已记录的运行中出现了 3 个问题，其中 3 个在无人协助的情况下被修复。每个问题及其耗费的时间都列在本页上。
opensource-clipping 与其他替代方案相比如何？
在 Argusic 安装并计时过的 231 个 ai 项目中，opensource-clipping 达到运行状态的速度排名第 111，231 个项目中有 152 个达到了运行状态。
opensource-clipping 的证据在哪里？
这次已记录的运行都在本页上，每次都链接到完整的 log 和终端录屏，并连同 sha256 指纹一起保存，因此无法被悄悄篡改。

Discussion