English | 中文

流剪工坊 · Stream Clipper

把几小时的直播录播变成几分钟的高光片段。

粘贴链接或拖入视频 → 自动定位名场面 → 逐条复核 → 一键导出

快速开始 · 桌面版下载 · 工作原理 · 反馈

---

它解决什么问题

做直播切片，最耗时间的不是剪辑，是从几小时录播里找到值得剪的几分钟。

Stream Clipper 自动分析弹幕和语音，定位高光时刻，切好片段等你复核。

截图

导入 — 支持本地文件、B站/YouTube 链接、直播录制	处理 — 6 步自动流水线，实时显示进度
复核 — 逐条预览片段，评分筛选，时间轴微调	导出 — 选择目标平台格式，批量导出

工作原理

分析三个信号，定位高光时刻：

信号	说明
弹幕密度	弹幕突然密集的地方，通常有事发生
情绪词频率	"牛逼""哈哈哈""卧槽"等情绪词集中爆发
语义重合	主播说的话和弹幕内容高度重合（ASR + CJK Jaccard）

三个信号加权叠加 → 高斯平滑 → 峰值检测 → 自动切片。

功能

• 多源导入：本地视频、B站 VOD、YouTube、抖音、直播间实时录制
• ASR 转写：faster-whisper 本地运行，无需联网
• 高光评分：弹幕密度 + 情绪词 + 语义重合，三信号融合
• 复核工作流：视频预览、评分标注（好/一般/差）、时间轴拆分/合并
• 多平台导出：B站横屏 / 抖音竖屏 / YouTube Shorts / 自定义比例
• 反馈学习：标注结果自动记录，可训练轻量排序模型持续优化

快速开始

环境要求

• Python 3.11+
• Node.js 18+
• FFmpeg（需在 PATH 中）

安装与运行

git clone https://github.com/Cbhhhh211/Stream-Clipper-Factory.git
cd Stream-Clipper-Factory

# 安装 Python 依赖
pip install -r requirements.txt

# 构建前端
cd frontend && npm install && npm run build && cd ..

# 启动（同时运行 API 和前端）
python app.py

打开浏览器访问 http://127.0.0.1:5173

Docker

docker compose up

GPU 加速（CUDA）：

docker compose -f docker-compose.yml build --build-arg DOCKERFILE=Dockerfile.gpu

桌面版

不想配环境？下载桌面版，解压即用：

👉 Releases 页面下载

• Windows 10/11 x64
• 内置 Python 运行时 + FFmpeg，无需额外安装

项目结构

├── frontend/          React 前端（Vite + Tailwind）
├── services/          FastAPI 服务层（路由、worker、队列）
├── stream_clipper/    核心算法（ASR、弹幕分析、评分、剪辑）
├── tools/             训练与评估脚本
├── tests/             测试用例
└── app.py             一键启动入口

反馈训练

用户在复核阶段的评分（好/一般/差）会自动记录：

output/_api_jobs/_feedback/clip_feedback.jsonl

积累足够数据后，训练轻量排序模型：

python tools/train_feedback_ranker.py

模型会学习你的偏好，后续推荐更准。

技术栈

层	技术
前端	React · Vite · Tailwind CSS · Zustand
后端	FastAPI · uvicorn
ASR	faster-whisper
视频处理	FFmpeg · ffmpeg-python · yt-dlp
信号处理	NumPy · SciPy（高斯平滑 + 峰值检测）
弹幕	WebSocket 实时采集（B站协议）· XML 解析

反馈与贡献

• 有 Bug 或建议？提 Issue
• 想贡献代码？Fork → 改 → PR

License

MIT