zhouxiaoka/autoclip v1.5.0

AutoClip Desktop v1.5.0

on GitHub

本版 Windows 仅经 CI 冒烟验收，未经界面验收。

Windows 正式包已通过 CI 的 1.4 覆盖升级、桌面启动、本地视频制作，以及新安装 wheel 的人物检测和中文字体检查。macOS 正式包通过本机签名、内置后端启动、人物取景、中文字体和片尾出片检查。本次尚未完成 24/48 小时观察期，按维护者本次尽快正式发布的要求，在上述验收与发行资产核验通过后转为 latest。

后端最终回归 1106 passed / 2 skipped，前端 198 passed；两项 CLI 发布阻塞（人物模型漏包、YouTube 长视频候选排序导致无任务等待）已修复并复测。桌面、CLI 和 MCP 均为 1.5.0，使用同一 tag 的源码；若已安装早期 1.5.0 候选 wheel，请按 ZIP 内 README 强制重装。

AutoClip Desktop v1.5.0

• CLI / MCP wheel 补齐人物检测 ONNX 和 MIT 许可证，修复竖版取景回退；CI 从安装包重新检测真实素材，并校验中文 ASS 字体。macOS 修正随包字体名称匹配，避免中文字幕显示方框。

新增

• 一键出片：贴一个视频链接、选好要发的平台（抖音、小红书、TikTok、Reels、YouTube Shorts、B 站、YouTube），自动挑出值得发的片段，按每个平台的画幅、时长和包装直接生成可发布成片；可随时追加平台版本，失败的单条可重试。
• 两套包装模板：抖音 / 小红书用「访谈式」（上方两行标题、4:3 说话人窗口、中英双语字幕、左下名牌、编辑点评标签）；TikTok / Reels / Shorts 用「播客式」（全屏跟随说话人、逐词高亮字幕、开头一句 hook、名牌）。外语素材自动翻成目标平台的语言；原片自带字幕时保留完整画面，字幕放在画面下方。
• 按内容情绪变换风格：模型判断每段内容的情绪（冷静、严肃、强观点、真诚、轻松），据此在 7 套配色和多种字幕动效里挑选，不同片段风格各异，同一片段在各平台保持一致。
• 每个平台先生成最好的 10 条：长视频会挑出 20–40 个片段，先按目标平台的时长要求筛选，再自动生成评分最高的 10 条，其余列为「备选片段」，点「生成这条」再制作，省时间也省模型费用。
• 每条成片自带发布包：按目标平台写好标题、简介和话题（抖音钩子式、小红书笔记式、B 站信息完整、TikTok / Reels / Shorts 英文文案），按平台字数与话题数限制；封面在成片完成后自动设计——说话人画面、成片同款标题与配色、嘉宾名牌，按平台比例（竖屏 9:16、小红书 3:4、B 站 16:10、YouTube 16:9）。成片卡片上可直接改文案、复制、导出「发布包」（视频 + 封面 + 文案），也可以一键用 AI 重新设计封面；去发布时自动带上这套文案与封面。
• 新片尾动画：1.8 秒的 AutoClip 标志动画与提示音，竖屏、横屏各一版，其他比例自动居中适配。
• 竖屏成片按说话人自动取景，主持人与嘉宾切换时画面跟着说话的人走。
• 新增赞助合作伙伴 88API：八语 README、首页与设置页推荐入口、独立 API Key、模型发现、兼容封面与 Whisper 转写；CLI / MCP 使用 api88。
• 模型设置新增赞助合作伙伴「Infistar 无限星河」：接口地址已预设，填好 Key 后自动列出账号可用的模型；设置页提供专属注册链接（可领 $5 体验额度）和接入说明。CLI / MCP 支持 --provider infistar 与 INFISTAR_API_KEY。
• 设置 → AI 模型重新整理为「AI 服务 / 字幕转写 / 封面 / 高级」四段：选一家服务、填好 Key，分析模型自动选好；画面识别首次配置默认开启，注明适合游戏画面、口播较少的内容；封面默认免费自动设计，自己选好生图服务和模型后才用 AI 生成。从 1.4 升级的用户：1.4 首次配置时自动打开的 AI 封面会改回自动设计（已选的模型保留，在设置里选「AI 生成」即可恢复），不会在后台自动按张计费。供应商分组中的赞助伙伴改为「推荐」。
• 首次打开应用会弹出「连接 AI 服务」引导，未连接时导入会提示先去连接；不再需要自己摸索设置页。
• 首页空状态提供「用示例项目看看效果」：一键生成一个带来源链接的已完成示例项目（Sam Altman 访谈三段），可以直接进编辑器、渲染、生成封面、导出，体验完整流程。
• Studio 编辑器：字幕改为整条成片统一的四种样式（带预览）；片头文字降为可选并用视觉缩略图选择；播放器始终跟随滚动可见；预览播放条改为成片自身的时间轴。
• 竖屏「满屏」构图新增按镜头自动取景：先识别镜头切换，再对准正在说话的人；引用卡、PPT 等没有人物的镜头自动改为完整画面 + 模糊背景，不再被裁掉两侧。首次使用需下载约 45 MB 的人物识别组件；每个镜头都可以单独改为「对准人物 / 完整画面」并微调位置。

改进

• 客户端补齐发布包保存、AI 封面结果、单条重试、竖版版式与实际片尾的匿名统计，便于发现生成失败与降级；关闭统计后停止观察。
• CLI / MCP 同步接入一键出片：按平台生成视频、封面、发布文案与 ZIP 发布包，支持查询进度，版本统一为 1.5.0。
• 竖版成片可选「按平台默认 / 访谈式（人物窗口）/ 播客式（满屏）」，字幕和文案语言仍按平台；追加平台和备选片段继承选择。
• 设置页增加「自动添加品牌片尾」开关，默认开启；修改自动成片后重新导出也会保留片尾。
• 出片速度大幅提升：一条 2 小时访谈从链接到成片，由约 65 分钟缩短到 7–8 分钟（视频有作者字幕时）或约 30 分钟（需要本地语音识别时）。片段挑选改为一次通读全文，原来几十次模型调用、半小时以上，现在一分钟以内；各步骤的模型调用并行执行；视频有作者上传的字幕时直接使用，不再本地语音识别。
• 云端语音识别更快：选用云端转写时，音频分段并行上传识别，一条近 3 小时的中文访谈约 4 分钟转写完（本地 Whisper 约 23 分钟）；阿里云百炼连接支持填写专属接口地址。
• 封面更清晰、不认错人：从成片里挑嘉宾最清晰的画面（有视觉模型时由它确认是哪位嘉宾），名牌只标在确认过的嘉宾身上，不再把主持人标成嘉宾；英文长标题自动换行放大。AI 封面不让模型自己写人名，名牌由我们叠加；生成后核对标题文字，写错会重试，仍不对就保留自动设计的封面；按平台比例生成，不再裁掉标题或留出上下黑边。成片卡片上直接显示完整封面。
• 模型费用更低：一条 2–3 小时访谈的模型费用由约 ¥0.6 降到 ¥0.1–0.2（qwen-plus 估算），模型调用由近 200 次降到 30 次左右；同语言包装不再让模型复述整段字幕。
• 更安静：成片用电脑自带的硬件编码器（macOS VideoToolbox、Windows NVENC / QSV / AMF），CPU 占用约降到原来的四分之一，风扇不再狂转；硬件编码不可用时自动改用软件编码。
• 切点更自然：片段从问题或观点的第一句开始，到回答讲完、说话人有明显停顿时才结束；按原片音频的真实停顿下刀，不再带进半句下一段话或主持人的下一个问题。
• 导入确认页去掉重复的分析方式提问，控件和文案与设置页统一；发布页和编辑器的「烧录」「标题卡」等术语换成直白说法，编辑器和导出对话框补上封面入口，发布页默认自动生成封面。

修复

• YouTube 长视频先筛选至少 180 秒的完整片段，再选前十，避免被高分短片段挤成备选后一直等待；没有可执行任务时明确结束，CLI / MCP 不再停在 rendering。
• 横版长字幕不再整段铺满画面；各画幅按字号分屏，单屏最多两行，截取长字幕中段不会重新播放前面的整段文字。
• 成片卡片只保留「复制发布文案」，复制内容不附产品署名；AI 重新设计封面使用当前平台的设计流程，重复点击不会重复生成。
• 发布包和桌面下载改为逐段写入文件，长视频不再在内存里整份复制；下载失败会移除残缺文件。
• 外语素材原片烧有英文字幕时，抖音版也会配中文字幕。
• 原片已有硬字幕时，按目标平台判断是否加字幕：中文硬字幕投抖音不再重复加中文字幕，投 TikTok 加英文；外语访谈配了英文硬字幕的，投 TikTok 不再重复。细小、无描边的硬字幕（常见于 B 站访谈）也能识别。
• YouTube 偶尔只给 360p 画质时会自动换方式重新下载到 720p 以上，不再出模糊成片。
• TikTok / Reels / Shorts / YouTube 版本只用英文：标题、字幕、发布文案和封面都不再混入中文；原片没有字幕时一定补上英文字幕；原片烧有中文字幕时，英文版会模糊掉那一条字幕带，再配上英文字幕，并照常跟随说话人取景。台标、PPT 文字不再被误认成原片字幕。
• 一键出片的项目里不再多出一排打不开的原始切片卡片（这些切片没有单独的视频文件，预览、下载都会失败）；原始切片仍在「来源片段」里，可以拿来做新成片。
• 同语言字幕与声音同步；电影感字幕改为一次 2–5 个词，不再一个词一个词跳。
• 标题不再出现 Markdown 符号或 & 之类的转义字符；中文平台不会出现日文标题；包装偶发不合规时会自动重试一次，不再整段退回原字幕。
• 时间线重试只使用本次有效结果，避免失败后误用上次候选；原始响应缓存现在会正常解析，无效缓存不会自动触发模型请求。
• 智能导入后台任务提交失败后可明确重试，已有方案、草稿和成片保留；修改方案失败时同步恢复偏好。
• 时间线兼容常见时间戳格式；相邻短片段在丢弃前尝试合并，保留既有时长限制。
• 保留的旧导入组件支持更多 YouTube 分享链接格式；当前 Studio 入口增加独立链接回归覆盖。
• Windows 覆盖安装前会结束旧版本残留的后端进程，不再报「无法打开要写入的文件 _asyncio.pyd」；应用内更新先停后端再安装。
• 链接导入把内置 ffmpeg 交给下载器，Windows 上合并音视频不再失败；下载阶段显示真实百分比，不再长时间停在同一个进度。
• 测试使用临时数据库，不再清空开发者本机的 data/autoclip.db。

安全

• 本地后端只接受 AutoClip 自己界面的跨域请求，其他网页不能再读取设置里的 API Key 或发起导入、发布；桌面端拒绝非本机 Host，防 DNS 重绑定。
• 调试路由默认不再挂载（AUTOCLIP_ENABLE_DEBUG_ROUTES=1 开启）；python -m backend.main 默认只监听 127.0.0.1。
• Docker 从局域网 IP 或自定义域名打开前端时，需要在 AUTOCLIP_ALLOWED_ORIGINS 里加上前端地址（逗号分隔）。

下载 / Download

两个包都内置便携 Python 与静态 ffmpeg，不需要预装任何东西；Windows 安装包按用户安装，不需要管理员权限，缺 WebView2 会自动下载。
Intel Mac / Linux 暂无安装包，请用 Docker（DOCKER.md）或 pip install -e . 跑 autoclip CLI。

Built-in portable Python + static ffmpeg, nothing to install. macOS build is ad-hoc signed (right-click → Open on first launch);
Windows build is unsigned (SmartScreen → More info → Run anyway). If a file is missing, that platform's build failed for this tag — see the Desktop Build workflow run.

反馈 / Feedback

• 已知问题与当前状态：#96 · 能复现的故障走 Issue 模板 · 想法与用法走 Discussions