开源 AI 视频剪辑工具 Clips Kitty：本地生成竖屏短片

Clips Kitty 是一款开源的 AI 视频剪辑工具，全部流程在用户本地电脑上运行，无需云端订阅或按次付费。该项目原名 Clips Studio，在 1.1.3 版本后为符合 Microsoft Store 命名规范更名为 Clips Kitty，代码、数据与功能均保持一致。开发者将其定位为 OpusClip 等付费工具的开源替代方案，主要面向单人运营频道的内容创作者。

功能概览

Clips Kitty 接受 YouTube、Twitch、Kick 链接或本地视频文件作为输入，自动完成以下工作：

• 从长视频中检测最具传播力的片段
• 通过人脸与说话人跟踪将画面裁剪为 9:16 竖屏
• 烧录与音频对齐的字幕
• 生成标题、描述与话题标签
• 支持 19 种语言的翻译、字幕或 AI 配音

工具特别针对直播、IRL、访谈、播客与健身等长视频场景优化，这些内容结构松散，单靠字幕难以定位高光时刻。

技术流水线

完整处理流程分为七个阶段，全部在本地执行：

1. 转写：基于 faster-whisper 输出词级时间戳，优先使用 CUDA，否则回退 CPU。
2. 多模态评分：将音频响度、爆发密度、视觉变化、反应信号整合为 1 秒粒度的事件时间线；Twitch 聊天或 YouTube 热度图等真实受众数据可作为小幅加权。
3. 本地 LLM 打分与重排：小模型同时看到字幕与事件时间线进行评分；为避免小模型评分集中在窄区间，所有候选在一次重排中两两比较。
4. 画面裁剪：YOLOv8 人体姿态估计叠加 TalkNet 说话人检测，自动跟随当前发言者。
5. 字幕与编辑：词级同步字幕，烧录前可编辑；所有剪辑操作为非破坏式存储，渲染时再应用。
6. 多语言与配音：内置 19 种语言支持，提供术语表保护频道名与赞助商；TTS 配音支持试听。
7. 导出：按平台整理文件夹结构并写入元数据。

硬件与平台支持

• 操作系统：Windows、macOS、Linux
• 视频编码自动检测 NVENC、AMF、QSV，必要时回退 CPU
• LLM 通过 Ollama 在 GPU 上运行
• 提供图形界面与命令行两种使用方式

创作者画像与可选能力

工具会为每位创作者建立知识库，记录常用话题、系列、合作者与重复梗，在打分时作为额外加分项（可关闭）。此外提供 16:9 长视频处理路径，可输出横版剪辑、Twitter 长度切片，或生成去除冷场的完整直播录像。

作为完全本地化的方案，Clips Kitty 适合希望控制成本、保护素材隐私、并对自动化剪辑流程有定制需求的创作者与小型工作室使用。