AB
AB
AiBoss站

全部分类

project

short-video-generator-AI - 把 YouTube 长视频自动剪成竖屏短片的开源工具

short-video-generator-AI 是维护者 yukitorido 发布的开源项目，目标是把 YouTube 长视频自动处理成可直接发布的 9:16 竖屏短片。据项目自述，它集成了高光片段检测、字幕转写、翻译与配音等环节，并提供 CLI、本地网页界面和 API 三种入口。项目采用 MIT 许可证，截至 2026-09-26 星标数为 714，尚无正式 release。

short-video-generator-AI 是一个开源项目，目标是把 YouTube 长视频自动处理成可以直接发布的竖屏短片。按照项目自述，它面向的是希望免费获得短视频剪辑能力的内容创作者，作为对 OpusClip、Vidyo.ai 这类短视频 SaaS 工具的替代方案，处理结果不带水印，也不需要预先购买剪辑额度。它适合两类人：一类是手里有长视频素材、想批量产出竖屏切片的创作者；另一类是想把「长转短」流程接进自己程序的开发者，因为项目同时提供了命令行、本地网页界面和 API 三种使用方式。

维护者与状态

项目由 yukitorido 维护，仓库地址为 yukitorido/short-video-generator-AI。仓库创建时间为 2026-09-23，最后一次提交同样在 2026-09-23，也就是说这是一个刚刚建立、代码历史还很短的项目。截至 2026-09-26，项目星标数为 714。需要说明的是，项目目前尚无正式 release，仓库里没有发布过带版本号的发行包，使用者只能直接克隆仓库代码运行。

许可证方面，项目采用 MIT 许可证，属于宽松型开源许可，具体条款以仓库中的 LICENSE 文件为准。

主要能力

以下能力均来自项目自述，本文未做实际运行验证。

  • 智能高光选取：据项目说明，它会基于一套算法自动找出视频中最具传播潜力的片段，而不是随机截取。
  • 便捷输入：粘贴一个 YouTube 链接即可，项目自述对视频长度没有限制，输出为可直接发布的 9:16 竖屏短片；也支持直接传入本地视频文件路径。
  • 钩子选项：开启后会在片段开头加入一段由 AI 生成的、与上下文相关的开场钩子，用于抓住观众注意力；也可以通过 --no-hook 关闭。
  • 网页版本：除命令行外，项目自述还提供一个本地网页界面，可以一次排队处理多个视频，并以可视化方式调整参数。
  • API：项目自述可以在自己的项目中通过 API 调用这套生成能力。
  • 字幕与翻译、配音：项目在功能列表中提到了字幕、翻译与配音，但 README 的流程说明中只详细描述了转写环节，其余环节的具体实现方式未在素材中展开。

关于处理流程，项目自述分为若干步骤：先从 YouTube 下载源视频或直接使用本地文件；然后用 faster-whisper 在本地生成带时间戳的转写文本，这一步与选择哪家 LLM 无关；接着由所选 LLM 判断视频内容类型（播客、访谈、教程、Vlog 等）与节奏，以便针对不同内容风格调整高光提示词；随后 LLM 依据一套传播性框架扫描转写文本，识别钩子时刻、情绪峰值、观点爆点、反转、冲突、金句、故事高潮、实用价值等要素，输出 0 到 100 分的候选片段排序；再对重叠候选按分数去重，选出前 N 个；最后按指定比例渲染成竖屏短片，并在未设置 --no-hook 时在开头加入 AI 生成的钩子。

使用入口

仓库地址：yukitorido/short-video-generator-AI。

据项目说明，运行前需要满足几个前置条件：Python 3.10 及以上版本；任意一家受支持 LLM 服务的 API key（OpenAI、Gemini 或 MuAPI）；以及安装 requirements.txt 中的依赖。

命令行方式的基本流程是：克隆仓库、创建并激活虚拟环境、安装依赖、配置 .env 文件，然后运行主程序。项目给出的基础调用形式如下：

python main.py "https://www.youtube.com/watch?v=video_id"

渲染结果会保存到 output 目录。也可以附加参数，例如指定生成数量、画面比例与分辨率：

python main.py "https://www.youtube.com/watch?v=video_id" \
  --n 3 \
  --ratio 9:16 \
  --resolution 1080

传入本地文件时同样可用，并可强制指定语言：

python main.py "/Users/Admin/Folder/video.mp4" \
  --n 4 \
  --ratio 9:16 \
  --resolution 720 \
  --language zh

项目自述的命令行参数包括：--n 控制渲染片段数量，默认 3；--ratio 控制画面比例，默认 9:16，也可用 1:1 等比例；--resolution 控制源视频下载分辨率，可选 360、480、720、1080，默认 720；--language 用于强制指定 Whisper 的语言代码，默认自动识别；--no-hook 用于去掉片段开头的 AI 钩子。

网页版本方面，项目说明需要先运行 python3 server.py 启动后端，再在 web 目录下用 python3 -m http.server 8000 提供前端页面，然后在浏览器中打开对应地址。LLM 服务商与 API key 仍然在 .env 中配置，网页界面只负责视频输入与渲染参数调整。

配置文件中涉及的变量包括 LLM_PROVIDER（可选 openai、gemini、MuAPI）、各服务商对应的 API key 与模型名，以及 Whisper 相关设置 LOCAL_WHISPER_MODEL（tiny、base、small、medium、large-v3）和 LOCAL_WHISPER_DEVICE（auto、cpu、cuda）。项目自述中还提示，Gemini 有免费额度但存在每日限制，OpenAI 与 MuAPI 为付费服务，其中 MuAPI 按使用量计费、无需订阅。

许可与限制

项目采用 MIT 许可证，具体条款以仓库 LICENSE 文件为准。

关于已知限制与适用边界，素材中明确写出的部分包括：运行环境需要 Python 3.10 及以上；必须自备 LLM 服务商的 API key，也就是说高光检测环节依赖外部付费或限额服务，并非完全离线；转写环节使用 faster-whisper 在本地完成，模型大小与运行设备（CPU 或 CUDA）需要使用者自行权衡。项目自述中未给出处理速度、显存占用、并发能力等具体指标，也未列出经过验证的硬件清单，这些信息需要使用者自行在目标环境中确认。

此外，项目创建与最后提交时间均为 2026-09-23，且尚无正式 release，意味着代码可能仍在快速变动，接口与参数存在调整的可能。项目自述欢迎使用者提交 issue 或 fork 仓库用于自己的项目。

返回