🚨 已弃用 / 项目已迁移

本仓库（autoclip_mvp）是早期 MVP 版本，已停止维护，仅保留历史记录。

👉 新仓库请移步：autoclip

最新特性、修复和版本发布都会在新仓库进行。

项目已迁移至 autoclip 🚀

本仓库 autoclip_mvp 是 Autoclip 的最初 MVP 版本，目前已停止维护。
感谢大家一路以来的支持！❤️

👉 新仓库地址：https://github.com/zhouxiaoka/autoclip

请前往新仓库继续关注和使用。

AutoClip - 智能视频切片工具

🎬 基于AI的智能视频切片和合集推荐系统，支持从B站视频自动下载、字幕提取、智能切片和合集生成。

📋 版本更新记录

v1.1.1 (2025-08-17)

• 🐳 Docker一键部署：支持Docker容器化部署，简化环境配置
• 🚀 多阶段构建：优化Docker镜像大小，提升构建效率
• 🔧 生产环境支持：提供生产环境Docker配置和部署脚本
• 📦 数据持久化：支持数据卷挂载，确保数据安全
• 🛡️ 健康检查：集成容器健康检查，提升服务可靠性
• 📚 部署文档：完善Docker部署指南和快速开始文档

v1.1.0 (2025-08-03)

• ✨ 新增硅基流动API支持：支持使用硅基流动(SiliconFlow)作为AI服务提供商
• 🔧 多API提供商支持：支持通义千问和硅基流动两种AI服务
• 🎯 智能API选择：根据配置自动选择合适的AI服务提供商
• 📝 配置优化：新增API提供商配置选项，支持动态切换
• 🐛 Bug修复：修复API连接测试相关问题

v1.0.0 (2025-07)

• 🎉 首次发布：完整的智能视频切片系统
• 🔥 核心功能：AI视频分析、智能切片、合集推荐
• 📺 B站支持：自动下载B站视频和字幕
• 🎨 Web界面：现代化React前端界面
• ⚡ 实时处理：实时显示处理进度和状态

✨ 功能特性

• 🔥 智能视频切片：基于AI分析视频内容，自动生成高质量切片
• 📺 B站视频下载：支持B站视频自动下载和字幕提取
• 🎯 智能合集推荐：AI自动分析切片内容，推荐相关合集
• 🎨 手动合集编辑：支持拖拽排序、添加/删除切片
• 📦 一键打包下载：支持所有切片和合集的一键打包下载
• 🌐 现代化Web界面：React + TypeScript + Ant Design
• ⚡ 实时处理状态：实时显示处理进度和日志

🚀 快速开始

环境要求

开发环境

• Python 3.8+
• Node.js 16+
• AI服务API密钥（支持通义千问或硅基流动）

Docker部署（推荐）

• Docker 20.10+
• Docker Compose 2.0+
• AI服务API密钥（支持通义千问或硅基流动）

安装步骤

🐳 Docker部署（推荐）

一键部署，无需配置复杂环境！

# 1. 克隆项目
git clone git@github.com:zhouxiaoka/autoclip_mvp.git
cd autoclip_mvp

# 2. 配置环境变量
cp env.example .env
# 编辑 .env 文件，配置你的 API 密钥

# 3. 一键部署
./docker-deploy.sh

访问地址: http://localhost:8000

📖 详细部署指南: Docker 部署文档

🔧 开发环境

1. 克隆项目

git clone git@github.com:zhouxiaoka/autoclip_mvp.git
cd autoclip_mvp

2. 安装后端依赖

# 创建虚拟环境
python3 -m venv venv
source venv/bin/activate  # Linux/Mac
# 或 venv\Scripts\activate  # Windows

# 安装依赖
pip install -r requirements.txt

3. 安装前端依赖

cd frontend
npm install
cd ..

4. 配置API密钥

# 复制示例配置文件
cp data/settings.example.json data/settings.json

# 编辑配置文件，填入你的API密钥
{
  "api_provider": "dashscope",  # 或 "siliconflow"
  "dashscope_api_key": "你的通义千问API密钥",
  "siliconflow_api_key": "你的硅基流动API密钥",
  "siliconflow_model": "Qwen/Qwen3-8B",  # 硅基流动模型名称
  "model_name": "qwen-plus",
  "chunk_size": 5000,
  "min_score_threshold": 0.7,
  "max_clips_per_collection": 5,
  "default_browser": "chrome"
}

启动服务

方式一：使用启动脚本（推荐）

chmod +x start_dev.sh
./start_dev.sh

方式二：手动启动

# 启动后端服务
source venv/bin/activate
python backend_server.py

# 新开终端，启动前端服务
cd frontend
npm run dev

方式三：命令行工具

# 处理本地视频文件
python main.py --video input.mp4 --srt input.srt --project-name "我的项目"

# 处理现有项目
python main.py --project-id <project_id>

# 列出所有项目
python main.py --list-projects

访问地址

Docker部署

• 🌐 前端界面: http://localhost:8000
• 📚 API文档: http://localhost:8000/docs

开发环境

• 🌐 前端界面: http://localhost:3000
• 🔌 后端API: http://localhost:8000
• 📚 API文档: http://localhost:8000/docs

📁 项目结构

autoclip_mvp/
├── backend_server.py          # FastAPI后端服务
├── main.py                   # 命令行入口
├── start_dev.sh              # 开发环境启动脚本
├── requirements.txt           # Python依赖
├── .gitignore               # Git忽略文件
├── README.md                # 项目文档
│
├── Dockerfile               # Docker镜像构建文件
├── docker-compose.yml       # Docker Compose配置
├── docker-compose.prod.yml  # 生产环境Docker配置
├── docker-deploy.sh         # Docker一键部署脚本
├── docker-deploy-prod.sh    # 生产环境部署脚本
├── test-docker.sh           # Docker环境测试脚本
├── env.example              # 环境变量示例文件
├── .dockerignore           # Docker构建忽略文件
│
├── frontend/                # React前端
│   ├── src/
│   │   ├── components/      # React组件
│   │   ├── pages/          # 页面组件
│   │   ├── services/       # API服务
│   │   ├── store/          # 状态管理
│   │   └ató hooks/          # 自定义Hooks
│   ├── package.json        # 前端依赖
│   └ást vite.config.ts      # Vite配置
│
├── src/                    # 核心业务逻辑
│   ├── main.py            # 主处理逻辑
│   ├── config.py          # 配置管理
│   ├── api.py             # API接口
│   ├── pipeline/          # 处理流水线
│   │   ├── step1_outline.py    # 大纲提取
│   │   ├── step2_timeline.py   # 时间轴生成
│   │   ├── step3_scoring.py    # 评分计算
│   │   ├── step4_title.py      # 标题生成
│   │   ├── step5_clustering.py # 聚类分析
│   │   └ast step6_video.py      # 视频生成
│   ├── utils/             # 工具函数
│   │   ├── llm_client.py      # AI客户端
│   │   ├── video_processor.py # 视频处理
│   │   ├── text_processor.py  # 文本处理
│   │   ├── project_manager.py # 项目管理
│   │   ├── error_handler.py   # 错误处理
│   │   └ast bilibili_downloader.py # B站下载
│   └ast upload/            # 文件上传
│       └ast upload_manager.py
│
├ast data/                  # 数据文件
│   ├── projects.json     # 项目数据
│   └ast settings.json     # 配置文件
│
├ast uploads/              # 上传文件存储
│   ├── tmp/             # 临时下载文件
│   └ast {project_id}/    # 项目文件
│       ├── input/       # 原始文件
│       └ast output/      # 处理结果
│           ├── clips/   # 切片视频
│           └ast collections/ # 合集视频
│
├ast prompt/               # AI提示词模板
│   ├── business/        # 商业财经
│   ├── knowledge/       # 知识科普
│   ├── entertainment/   # 娱乐内容
│   ─ast ...
│
└ast tests/               # 测试文件
    ├── test_config.py
    ─ast test_error_handler.py

🔧 配置说明

API密钥配置

在 data/settings.json 中配置你的AI服务API密钥：

通义千问配置

{
  "api_provider": "dashscope",
  "dashscope_api_key": "your-dashscope-api-key",
  "model_name": "qwen-plus",
  "chunk_size": 5000,
  "min_score_threshold": 0.7,
  "max_clips_per_collection": 5,
  "default_browser": "chrome"
}

硅基流动配置

{
  "api_provider": "siliconflow",
  "siliconflow_api_key": "your-siliconflow-api-key",
  "siliconflow_model": "Qwen/Qwen3-8B",
  "chunk_size": 5000,
  "min_score_threshold": 0.7,
  "max_clips_per_collection": 5,
  "default_browser": "chrome"
}

浏览器配置

支持Chrome、Firefox、Safari等浏览器用于B站视频下载：

{
  "default_browser": "chrome"
}

📖 使用指南

1. 上传本地视频

1. 访问 http://localhost:3000
2. 点击"上传视频"按钮
3. 选择视频文件和字幕文件（必须）
4. 填写项目名称和分类
5. 点击"开始处理"

2. 下载B站视频

1. 在首页点击"B站视频下载"
2. 输入B站视频链接（必须是有字幕的视频）
3. 选择浏览器（用于获取登录状态）
4. 点击"开始下载"

3. 编辑合集

1. 进入项目详情页面
2. 点击合集卡片进入编辑模式
3. 拖拽切片调整顺序
4. 添加或删除切片
5. 保存更改

4. 下载项目

1. 在项目卡片上点击下载按钮
2. 自动打包所有切片和合集
3. 下载完整的zip文件

🐳 Docker部署

快速部署

# 1. 克隆项目
git clone git@github.com:zhouxiaoka/autoclip_mvp.git
cd autoclip_mvp

# 2. 配置环境变量
cp env.example .env
# 编辑 .env 文件，配置你的API密钥

# 3. 一键部署
./docker-deploy.sh

生产环境部署

# 使用生产环境配置
./docker-deploy-prod.sh

常用Docker命令

# 查看日志
docker-compose logs -f

# 停止服务
docker-compose down

# 重启服务
docker-compose restart

# 更新服务
docker-compose pull && docker-compose up -d

# 测试Docker环境
./test-docker.sh

环境变量配置

在 .env 文件中配置：

# 选择其中一个API提供商
DASHSCOPE_API_KEY=your-dashscope-api-key
# 或者
SILICONFLOW_API_KEY=your-siliconflow-api-key

# API提供商选择
API_PROVIDER=dashscope  # 或 siliconflow

📖 详细Docker部署指南: Docker 部署文档

🛠️ 开发指南

后端开发

# 启动开发服务器（支持热重载）
python backend_server.py

# 运行测试
pytest tests/

前端开发

cd frontend
npm run dev    # 开发模式
npm run build  # 生产构建
npm run lint   # 代码检查

添加新的视频分类

1. 在 prompt/ 目录下创建新的分类文件夹
2. 添加对应的提示词模板文件
3. 在前端 src/services/api.ts 中添加分类选项

🐛 常见问题

Q: 下载B站视频失败？

A: 确保已登录B站账号，并选择正确的浏览器。建议使用Chrome浏览器。

Q: AI分析速度慢？

A: 可以调整 chunk_size 参数，较小的值会提高速度但可能影响质量。也可以尝试切换不同的API提供商（通义千问或硅基流动）来获得更好的性能。

Q: 切片质量不高？

A: 调整 min_score_threshold 参数，较高的值会提高切片质量但减少数量。

Q: 合集数量太少？

A: 调整 max_clips_per_collection 参数，增加每个合集的最大切片数量。

Q: 如何切换AI服务提供商？

A: 在 data/settings.json 中修改 api_provider 字段，可选值："dashscope"（通义千问）或 "siliconflow"（硅基流动）。确保对应的API密钥已正确配置。

Q: Docker部署失败？

A: 请先运行 ./test-docker.sh 检查Docker环境。确保Docker和Docker Compose已正确安装，并且API密钥已在 .env 文件中配置。

Q: Docker容器无法访问？

A: 检查端口是否被占用：netstat -tulpn | grep 8000. 如果端口被占用，可以修改 docker-compose.yml 中的端口映射。

Q: Docker部署后数据丢失？

A: 确保数据目录已正确挂载。检查 docker-compose.yml 中的 volumes 配置，数据会保存在宿主机的 ./uploads/ 和 ./output/ 目录中。

Q: 生产环境如何部署？

A: 使用 ./docker-deploy-prod.sh 脚本进行生产环境部署。该脚本会使用端口80，并配置自动重启和日志管理。

📄 许可证

本项目采用 MIT 许可证 - 详见 LICENSE 文件

🤝 贡献指南

欢迎提交 Issue 和 Pull Request！

1. Fork 本项目
2. 创建特性分支 (git checkout -b feature/AmazingFeature)
3. 提交更改 (git commit -m 'Add some AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 打开 Pull Request

📞 联系方式

如有问题或建议，请通过以下方式联系：

💬 QQ

📱 飞书

📧 其他联系方式

• 提交 GitHub Issue
• 发送邮件至：christine_zhouye@163.com
• 添加上述QQ或飞书联系

🤝 贡献

欢迎贡献代码！请查看 贡献指南 了解详情。

📄 许可证

本项目采用 MIT 许可证。

---

⭐ 如果这个项目对你有帮助，请给它一个星标！

AutoClip 快速上手指南

⚠️ 重要提示：本仓库 (autoclip_mvp) 为早期 MVP 版本，已停止维护。 👉 强烈建议前往新仓库 autoclip 获取最新功能、修复及长期支持。

AutoClip 是一款基于 AI 的智能视频切片工具，支持从 B 站自动下载视频/字幕，或通过上传本地文件，利用大模型进行内容分析、智能切片及合集生成。

1. 环境准备

系统要求

• 操作系统：Linux / macOS / Windows (WSL2 推荐)
• AI 服务密钥：需准备 通义千问 (DashScope) 或 硅基流动 (SiliconFlow) 的 API Key。

前置依赖

根据部署方式选择其一：

方案 A：Docker 部署（推荐，无需配置复杂环境）

• Docker 20.10+
• Docker Compose 2.0+

方案 B：本地开发环境

• Python 3.8+
• Node.js 16+
• Git

---

2. 安装步骤

方式一：Docker 一键部署（推荐）

此方式最简单，自动处理所有依赖和环境配置。

# 1. 克隆项目
git clone git@github.com:zhouxiaoka/autoclip_mvp.git
cd autoclip_mvp

# 2. 配置环境变量
cp env.example .env
# 请使用编辑器打开 .env 文件，填入你的 API_KEY
# 例如：DASHSCOPE_API_KEY=sk-xxxxxx 或 SILICONFLOW_API_KEY=xxxxxx

# 3. 执行一键部署脚本
chmod +x docker-deploy.sh
./docker-deploy.sh

部署完成后，访问 http://localhost:8000 即可使用。

方式二：本地开发环境安装

适合需要修改代码或调试的开发者。

# 1. 克隆项目
git clone git@github.com:zhouxiaoka/autoclip_mvp.git
cd autoclip_mvp

# 2. 安装后端依赖
python3 -m venv venv
source venv/bin/activate  # Windows 用户运行: venv\Scripts\activate
pip install -r requirements.txt

# 3. 安装前端依赖
cd frontend
npm install
cd ..

# 4. 配置 API 密钥
cp data/settings.example.json data/settings.json
# 编辑 data/settings.json，填入 api_provider 和对应的 api_key

---

3. 基本使用

启动服务

若使用 Docker

服务已自动启动，直接访问网页即可。

若使用本地环境

推荐使用启动脚本，或手动分步启动：

# 终端 1：启动后端
source venv/bin/activate
python backend_server.py

# 终端 2：启动前端
cd frontend
npm run dev

• 前端地址：http://localhost:3000
• 后端/API 文档：http://localhost:8000/docs

核心功能操作

场景 1：处理本地视频文件

1. 打开浏览器访问前端界面。
2. 点击 “上传视频”。
3. 选择本地的 .mp4 视频文件和对应的 .srt 字幕文件（字幕为必填项）。
4. 输入项目名称并选择分类，点击 “开始处理”。
5. 等待 AI 分析完成，即可查看生成的智能切片和推荐合集。

场景 2：下载并处理 B 站视频

1. 在首页点击 "B 站视频下载”。
2. 输入带有字幕的 B 站视频链接。
3. 选择浏览器（用于获取登录 Cookie，推荐 Chrome）。
4. 点击 “开始下载”，下载完成后系统将自动进入处理流程。

场景 3：命令行直接使用 (CLI)

如果不使用 Web 界面，可直接通过命令行处理：

# 处理本地视频
python main.py --video input.mp4 --srt input.srt --project-name "我的项目"

# 查看已有项目列表
python main.py --list-projects

导出结果

处理完成后，在项目详情页可点击 “打包下载”，系统将自动生成包含所有切片视频和合集视频的 ZIP 压缩包。