基于 Whisper 的开源语音转文字工具,支持词级时间戳和说话人分离。
modelscope/FunClip
开源本地视频剪辑工具,基于 FunASR 语音识别,按选中文本或说话人裁剪视频,并支持 LLM 辅助剪辑。
- Star
- 6,503
- Fork
- 774
- 未关闭 Issue
- 17
- 最近提交
- 6天前
这是什么?
FunClip 是一款基于语音内容进行视频剪辑的本地部署工具。它使用 FunASR 的 Paraformer 等模型对视频做语音识别,然后让你从转写文本或说话人中选择片段,导出对应的视频剪辑。工具还会为完整视频和所选片段生成 SRT 字幕。
主界面是基于 Gradio 的网页应用,可在本机运行,也能部署到服务器后通过浏览器访问。命令行提供两步流程:先识别,再按目标文本裁剪,并可设置起止偏移。识别后端可选 Paraformer、Fun-ASR-Nano、SenseVoice 或 MOSS;Paraformer 支持热词定制,并可通过 CAM++ 识别说话人。
FunClip 还提供 LLM 辅助剪辑模式,可将转写文本发送给所选大模型,返回用于裁剪的片段。支持的接入方式包括 OrcaRouter、Cheaper Inference,以及可直接分析视频画面和音频的 TwelveLabs Pegasus。
核心功能
- 01使用 FunASR Paraformer 等可选模型识别视频语音。
- 02按转写文本中选中的片段或说话人进行视频裁剪。
- 03同时导出完整视频及裁剪片段的 SRT 字幕。
- 04提供可本地或服务器运行的 Gradio 网页界面。
- 05支持通过可配置的模型网关进行 LLM 辅助剪辑。
适用场景
- 从较长的中文或多语言演讲、访谈中提取精彩片段。
- 无需手动输入,为视频快速生成字幕文件。
- 从多人对话录音中提取某一位说话人的片段。
- 在自己的电脑或服务器上搭建私有的视频剪辑服务。
快速上手
- 1
克隆仓库
git clone https://github.com/modelscope/FunClip.git - 2
进入项目目录
cd FunClip - 3
创建并激活 Python 3.12 虚拟环境,然后安装依赖
python3.12 -m venv .venv && . .venv/bin/activate && python -m pip install -r requirements.txt - 4
启动本地 Gradio 服务,然后在浏览器中打开 localhost:7860
python funclip/launch.py
使用前须知
- 在安装其他依赖之前,需要根据你的平台手动安装 PyTorch/torchaudio。
- 可选的 LLM 和 Pegasus 剪辑功能需要付费或另行申请的 API 密钥。
收录于专题
标签
常见问题
- FunClip 是什么?
- 开源本地视频剪辑工具,基于 FunASR 语音识别,按选中文本或说话人裁剪视频,并支持 LLM 辅助剪辑。 FunClip 是一款基于语音内容进行视频剪辑的本地部署工具。它使用 FunASR 的 Paraformer 等模型对视频做语音识别,然后让你从转写文本或说话人中选择片段,导出对应的视频剪辑。工具还会为完整视频和所选片段生成 SRT 字幕。
- FunClip 可以免费使用吗?用的什么许可证?
- FunClip 以 MIT 许可证开源。用于商业产品前,请先确认许可证条款。
- FunClip 还在维护吗?
- 活跃维护中。FunClip 最近一次提交是在 2026年11月1日。
- FunClip 适合用来做什么?
- 从较长的中文或多语言演讲、访谈中提取精彩片段。 无需手动输入,为视频快速生成字幕文件。 从多人对话录音中提取某一位说话人的片段。 在自己的电脑或服务器上搭建私有的视频剪辑服务。
- FunClip 怎么安装和运行?
- 克隆仓库: git clone https://github.com/modelscope/FunClip.git 进入项目目录: cd FunClip 创建并激活 Python 3.12 虚拟环境,然后安装依赖: python3.12 -m venv .venv && . .venv/bin/activate && python -m pip install -r requirements.txt 启动本地 Gradio 服务,然后在浏览器中打开 localhost:7860: python funclip/launch.py
- 在哪里获取 FunClip?
- 源代码和安装说明在 GitHub 上:https://github.com/modelscope/FunClip
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
相关项目
基于 Qwen3-ASR-1.7B 的低延迟流式语音识别模型,支持中英文,输出只追加不改写。
Windows 离线语音输入工具,按住 CapsLock 说话,松开即自动上屏。
面向语言学习者的 Windows 视频播放器,支持双字幕、AI 生成字幕、实时翻译和单词查询。
本地运行的 AI 字幕生成工具,可离线使用,并接入 DaVinci Resolve、Premiere Pro 和 After Effects。
面向 macOS 和 Windows 的 AI 视频智能体,在可编辑时间线上完成转录、字幕、翻译、配音、剪辑和动效。