8,932 颗星、单人维护、昨天刚发 v1.3.5：AutoClip 如何把 B 站 2 小时长视频变成 10 条可发布的二创切片

粘贴一个 B 站链接，等三分钟，10 条二创切片躺在桌面上等着你导出——这就是 AutoClip 在做的事。

8,932 颗星、1,645 个 Fork、MIT 许可证、单人维护者、上周还在发版（v1.3.5，2026-09-25）。这个叫 zhouxiaoka 的中国开发者，做了一个把”找高光”这件事做到产品级可用的开源工具。

它不是 AI 剪辑工具，而是 AI 研究员

AutoClip 的核心逻辑很直接：输入一个长视频链接 → 自动下载 + 提取字幕 → 喂给大模型分析内容结构 → 按话题切片段 → 按”金句度 / 故事性 / 信息密度”评分 → 排序后生成切片 + 合集推荐 → FFmpeg 切割输出。

整个流水线本地跑，只往外传字幕文本。视频文件不离开你的机器。

这和 OpusClip（付费云端服务）、Klap（订阅制）的最大区别在于数据主权：素材不上云。如果你在 MCN 工作室处理客户素材，或者对版权敏感，这个差异是决定性的。

技术栈：正经工程，不是玩具

• 后端：FastAPI + Celery（异步任务队列）+ Redis + SQLite/PostgreSQL
• 前端：React 18 + TypeScript + Ant Design
• 视频处理：FFmpeg + yt-dlp（YouTube/B站下载）+ faster-whisper（转写）
• 桌面端：Tauri（Rust + Python），目前有 macOS Apple Silicon 和 Windows x64 安装包
• AI 模型：通义千问、OpenAI 兼容接口、 Gemini、硅基流动、Ollama、LM Studio（全部可配置）

关于 API 成本：README 估算每个视频几分到几毛钱不等。用 Ollama 完全本地跑，API 成本为零。

关于处理速度：每小时 8-15 个视频，单个视频 3-8 分钟，B 站下载成功率 95%+。

谁该用它

• 自媒体 / UP 主：日更、二创、把一期 2 小时访谈切成 30 条分发。传统方式 4-8 小时工时，AutoClip 约 20-40 分钟含人工复核。
• 播客主：访谈节目切片矩阵分发，每个话题独立一条。
• 知识付费 / 课程作者：把长讲座切成知识点小段。
• MCN 工作室：批量处理素材，AI 评分筛出高潜力片段。
• AI 应用开发者：参考 FastAPI + Celery + LLM 异步架构，或者直接用 MCP server 接入自己的 Agent 管线。

谁不该用它

• 需要精细镜头语言的电影感剪辑。AI 评分擅长找”内容精彩”，不擅长镜头美学。
• 纯视觉内容（音乐 MV、游戏集锦）且无字幕。字幕驱动分析是核心，没有对话就失去判断依据。
• Intel Mac 用户：桌面端目前只有 Apple Silicon（M 系列）和 Windows x64，Linux 只能跑 Docker 或 CLI。
• 期待开箱即用的”一键 viral”：工具负责找片段，不负责运营策略。

竞品怎么选

v1.3.5 刚发（昨天）：桌面端真正可用了

v1.3.5（2026-09-25）带来的关键变化：安装包内置便携 Python 运行时 + 静态 FFmpeg，无需预装任何依赖。macOS Apple Silicon 下载 dmg 拖进应用程序、首次右键点”打开”绕过 Gatekeeper、填入 API Key 就能跑。Windows 安装包也同步更新。

这个版本还加入了 B 站多账号管理与登录健康监控、合集内拖拽排序、项目按分类组织。Whisper 模型支持一键安装并自选大小。

下一步建议

1. 尝鲜：下载 AutoClip Desktop v1.3.5（macOS Apple Silicon 或 Windows），填入通义千问 API Key，粘贴一条 B 站视频链接，看它如何拆解内容结构。
2. 自托管：用 Docker 一行部署，git clone https://github.com/zhouxiaoka/autoclip.git && cd autoclip && cp env.example .env && mkdir -p data logs uploads && docker compose up -d。
3. 开发者集成：参考 docs/CLI_AND_MCP.md，用 autoclip mcp 启动 MCP server，接入 Cursor 或 Claude Code，把视频切片能力变成 Agent 工作流的一环。
4. 深度定制：读 README 的评分阈值说明（min_score_threshold 从 0.7 往下调能找到更多片段，但质量会下降），按自己的内容类型调参。

项目地址：https://github.com/zhouxiaoka/autoclip
官网：https://zhouxiaoka.github.io/autoclip_intro/
最新 Release：https://github.com/zhouxiaoka/autoclip/releases/tag/v1.3.5