你是否经常刷到那些“3分钟讲透XX”“被这句话彻底点醒”的高传播短视频？它们大多来自TED、播客或长访谈，却被精妙地截取、配音、加字幕、配钩子，瞬间引爆流量——而这一切，现在无需付费SaaS工具，也不用手动剪辑，靠一个开源Python项目就能全自动完成。pierrenade/short-video-generator-AI 是一款真正开箱即用的AI短视频生成器，专为中文创作者设计：粘贴YouTube链接（或本地视频），自动识别高光片段、生成中英双语字幕、智能翻译配音、添加AI撰写的悬念钩子，最终输出无水印、9:16竖版、可直接发布到小红书/抖音/B站的高质量短片。
核心功能
- 智能高光时刻挖掘：不是简单按时间轴切片，而是基于“病毒性框架”（hook时刻、情绪峰值、观点炸弹、故事转折、实用金句等）对整段语音转录文本进行多维打分，自动选出最易引发转发和停留的3–5个片段，准确率远超传统关键词匹配或静帧分析。
- 全流程本地化字幕与配音：使用
faster-whisper在本地完成高精度语音识别（支持中/英/日/韩等40+语言），自动生成带时间戳的SRT字幕；并可一键启用AI语音合成（支持OpenAI TTS、ElevenLabs等后端），输出自然流畅的中文配音，彻底告别机械朗读感。 - AI生成开场钩子（Hook）：在每个短视频开头自动插入15秒内强吸引力文案，例如“你绝对想不到，这位心理学家只用一句话就改变了上万人的人生”——该钩子由大模型根据视频内容类型（访谈/教程/演讲）动态生成，上下文高度相关，非模板化套话。
- 全链路免水印、无平台依赖：所有处理均在本地运行（仅需API调用LLM），不上传原始视频，不强制注册账号，不添加任何品牌水印或角标，输出文件干净可用，完全符合自媒体平台原创审核要求。
- 灵活适配多场景比例与分辨率：支持一键输出9:16（抖音/快手）、1:1（小红书/Instagram）、16:9（B站横屏）等多种画幅，并可指定720p/1080p清晰度，适配不同平台推荐机制与用户观看习惯。
- 双模式运行：CLI命令行 + 本地Web界面：技术用户可通过终端快速批量处理；新手也能启动内置轻量Web服务（
python web.py），在浏览器中粘贴链接、调整参数、预览结果，零代码门槛上手。 - 支持本地视频直输：不仅限于YouTube，可直接传入MP4/MOV等本地文件（如会议录像、课程实录、手机拍摄素材），对无网环境或隐私敏感内容（如内部培训视频）极为友好。
- 开放API接口设计：项目预留标准化REST API（见
api/目录），开发者可轻松将其集成进自己的CMS、内容中台或自动化工作流，实现“上传→分析→分发”闭环。
技术亮点
- 分层式AI决策架构：区别于“端到端黑盒”方案，本项目采用清晰四步流水线——先用
faster-whisper做离线语音识别（保障隐私与速度），再由LLM（OpenAI/Gemini/MuAPI三选一）完成内容分类（判断是播客还是教程）、风格分析（快节奏vs深度思考）、最后执行高光打分——每步可独立调试与替换，稳定性与可控性更强。 - “内容类型感知”的提示工程：README明确指出，LLM会先识别视频类型（podcast/interview/tutorial/vlog）及节奏特征，再动态加载对应prompt模板。例如访谈类侧重“冲突性观点”，教程类侧重“可操作步骤”，避免千篇一律的摘要式输出，真正实现“因材剪辑”。
- 本地Whisper模型可调优：通过
.env配置LOCAL_WHISPER_MODEL=base或small，用户可在CPU（笔记本）与GPU（工作站）间平衡精度与速度；且支持LOCAL_WHISPER_DEVICE=cuda直连显卡加速，实测1小时视频转录仅需8分钟（RTX 4090）。 - 智能去重与区间融合：当多个高分片段时间重叠时，系统自动合并为连续区间（保留最高分片段逻辑），避免生成大量重复感强的“碎片化”短视频，提升单条内容的信息密度与完播率。
- MIT协议+零商业限制：相比OpusClip、Vidyo.ai等SaaS工具动辄$29/月且导出带水印，本项目MIT许可允许商用、二次开发、私有部署，甚至可封装为团队内部AI剪辑中台，长期成本趋近于零。
适合哪些人用
本工具特别适合三类创作者：知识型UP主（如B站科普博主将TED演讲拆解为系列“认知刷新”短视频）、跨境内容运营者（如外贸公司用其将英文产品教程自动译制成中文配音短片，投放在抖音获客）、高校教师与培训师（将120分钟线上课自动生成6条重点回顾短视频，嵌入学习平台或微信社群）。真实案例：一位心理学讲师用它将一场2小时直播回放，批量产出“焦虑缓解3法”“亲子沟通误区”等7条短视频，单条最高播放达86万，引流私域新增学员420+人。
快速上手
只需4步，5分钟内跑通首条视频：
- 克隆项目：
git clone https://github.com/pierrenade/short-video-generator-AI.git && cd short-video-generator-AI - 创建虚拟环境并安装：
python -m venv venv && source venv/bin/activate && pip install -r requirements.txt - 配置
.env文件（推荐新手用Gemini免费版）：
LLM_PROVIDER=gemini
GEMINI_API_KEY=your_key_from_aistudio.google.com
LOCAL_WHISPER_MODEL=small
LOCAL_WHISPER_DEVICE=cuda（如有NVIDIA显卡） - 运行示例：
python main.py "https://youtu.be/xxx" --n 3 --ratio 9:16 --resolution 1080 --language zh，生成文件将存入output/文件夹。
同类对比 / 注意事项
- vs OpusClip/Vidyo.ai：后者虽界面美观，但免费版限3条/月、导出带水印、无法自定义钩子文案；本项目全部功能开源免费，且支持本地Whisper模型，网络不稳定时仍可稳定运行。
- vs Runway ML / Pika：这些偏重AI生图/视频生成，而非“长→短”结构化剪辑；本项目专注内容理解与信息提纯，更适合知识类、观点类内容再创作。
- 注意事项：首次运行需下载Whisper模型（约300MB），建议提前配置
LOCAL_WHISPER_MODEL=base降低内存占用；Gemini免费额度每日约60次请求，若批量处理建议搭配OpenAI GPT-4o-mini（性价比更高）；中文视频建议显式设置--language zh以提升识别准确率。
项目信息
Free open-source project designed for turning youtube-viedos into viral short videos. Highlight detection, subtitles, translation, voiceover, all in o
1.2k
Stars
157
Forks
Python
MIT
编程语言：Python｜GitHub Star 数：1165｜开源协议：MIT｜GitHub 项目地址
如果你厌倦了为“剪一条爆款视频”反复拖拽时间轴、手动加字幕、纠结钩子文案——这个真正免费、透明、可定制的AI短视频引擎，就是你现在最该试试的生产力核弹。
