开源的自动剪辑视频工具 ——跳跃剪辑(JumpCutter)

这是一个 python 写的小工具,我下载 jumpcutter 下后,修补了一些 bug ,并加入了自动转字幕和自动剪辑的功能,成了现在的版本。

不过我也是不专业程序员,目前也没时间学 GitHub ,也懒得写英文 Readme 了,代码也简单,就发到这里,看下有没有志愿者,能把这个程序发到 GitHub,进行维护。

工具源代码在这里:自动跳跃剪辑 JumpCutter.zip

为了更方便理解这个工具,我录制了一个视频,将自动剪辑前后的两个版本放到这里,供对比下:

因为使用的笔记本自带的麦克风收音,录音时风扇又在大转,所以会有些杂音,请见谅。

这个教程的两个版本,一个是经过了本工具剪辑后的效果,一个是原始视频。经过自动剪辑后,视频更精炼,表达更好。

建议上面两个视频对比看一下,就能理解该工具有多强大。

所谓的自动剪视频有两个方面:

  1. 根据音频大小,分出静音和有声音部分。将静音部分加速到比如 999 倍,就相当将静音片段剪了去了。剩下的就是有声音、信息量较多的视频部分。

  2. 在拍视频时,比如:

    在 01:00 时,我说了声“保留”; 在 01:30 时,我说了声“删除”; 在 02:00 时,我说了声“保留”; 视频拍摄到了 02:30 。

    对视频使用脚本,通过阿里云 API ,将音频转成字幕,设置保留关键词为“保留”、保留切掉的关键词为“删除”,在上述拍摄的时长 02:30 的视频中:

    • 00:00 ~ 01:00 、01:30 ~0 2:00、02:00 ~ 02:30 这三个片段会被保留
    • 01:00 ~ 01:30 这个片段会被删掉
    • 包含关键词“保留”、“删除”的片段,也会被删掉

    这样,我就可以在拍视频时决定哪些片段要 cut 掉,比如有一句话说错了,只要说一声“删除”,之前这一小段就会在后期自动被删掉(完全不用手动 cut),要确保刚刚这一小段保留下来,只要说一声“保留”就行。

    在拍视频时就可以决定要保留哪些片段、删除哪些片段,很 cool 不是吗?

    也正是由于这个功能需要知道视频音频说了什么,才需要使用阿里云的录音文件识别 API,将音频转成带时间戳的字幕。

通过联合使用上述两个方法,就可以自动剪出一个非常棒的 vlog、视频教程(因为这类视频中,一般只有讲话的时候才有信息量,而因为我们大脑反应速度的限制,视频中会有不少空白的时间,我们不是在说话,而是在想下一句说什么)

甚至,只使用将静音片段加速的方法,就能得到不错的结果,比如,将 15 分钟的视频,自动剪辑成 8 分钟,而且不损失任何重要信息!

我能想到最好的用处就是,对于程序员,可能

就可以用这个工具,粗糙、肆意、随便地录制一个教程视频后,用该工具处理一下,仅需一条命令,就能生成一个信息量高、精炼的视频教程。

中文帮助

简介

JumpCutter 是一个 python 脚本。

它可以对视频中 有声音没声音 的部分施以 不同的播放速度

原作者是 karykh ,但是有一些 bug 。 Github_jumpcutter

本版本修补了各个已知 bug ,加入了:

它现在可以根据 srt 字幕文件 中的关键词 自动剪辑(也就是 删除保留 ) 视频片段。

只有当有 srt 输入文件的时候,才会做自动剪辑。

阿里云 API 前 3 个月免费每天 2 小时,之后,按 2.5 元/小时收费。

你可以到 https://www.bilibili.com/video/av97093907/ 查看它的工作原理。p4 视频是 jumpcutter 原作者的视频搬运。

下面是选项的帮助:

--input_file inputFILE    指定一个输入的视频文件

--url URL    如果要处理的输入文件是一个 YouTube 在线视频,就用这个选项,输入 URL

--input_subtitle SUBTITLE    如果要依据字幕来自动剪辑,就输入字幕文件路径,要求 srt 字幕

--cut_keyword    字幕中的关键字,这是切除片段的关键词。默认是“咔嚓”

--save_keyword    字幕中的关键字,这是保留片段的关键词。默认是“保留”

--output_file    输出视频文件路径,可选,如果没有选这个,会有默认自动的输出文件名

--silent_threshold    静音阈值,低于多少的音量可以被认为是静音(取值在 0 - 1 之间,是相对于整个音频中的最大音量的相对值,不是绝对值。)

--sounded_speed    有声音部分的速度,默认是 1.00

--silent_speed    没有声音部分的速度,默认是 5.00

--frame_margin    加速留白。就是在静音区间两端留几帧,不要加速,防止音频没有停顿。默认是 1 帧

--sample_rate    音频采样率,默认是 44100 ,目前程序不支持自动获得采样率,如果你的采样率不是这个值,需要手动填写

--frame_rate    视频帧速,默认30,一般会自动识别,不用管。如果帧速出了问题,再来这里调节

--frame_quality    帧质量。处理时,会先把视频中的每一帧提取出来,保存到 jpg 格式的图片,这个选项决定了保存图片的质量。取值在 1 - 31 之间,1 代表质量最高,31代表质量最差。默认是3

--online_subtitle    是否要使用在线云服务转字幕,可选项有:1, 0。默认是 0,也就是否

--subtitle_language    选择在线识别字幕的语言。可选项有:"Chinese", "English"。默认是 "Chinese"

--cloud_engine    用哪个语音识别引擎。可选项有:"Alibaba"、"Tencent"。默认是"Alibaba"

--delete_cloud_file    识别完成后,是否删除保存在云端的音频文件。可行项有:True, False。默认是 True

安装

脚本嘛,直接 copy 下来,装上 FFmpeg、 python、需要的库

一条使命装需要的库:

pip install -r requirements.txt## 使用

查看帮助:

python jumpcutter.py -h

示例 1:

仅把视频静音片段加速,所有参数为默认值,输出文件为"我的 vlog_new.mp4"

python jumpcutter.py --input_file "我的vlog.mp4"

示例 2:

仅把视频静音片段加速,手动设置参数

python jumpcutter.py --input_file "视频.mkv" --silent_speed 99 --sounded_speed 1 --frame_margin 2 --silent_threshold 0.025 --output_file "视频.mp4"

示例 3:

把视频静音片段加速,手动设置参数,并自动转字幕,利用字幕中的关键词自动剪辑

python jumpcutter.py --input_file "视频.mkv" --online_subtitle 1  --subtitle_language "Chinese" --cloud_engine "Alibaba" --delete_cloud_file True --cut_keyword "删除" --save_keyword "保留" --silent_speed 8 --sounded_speed 1 --frame_margin 2  --silent_threshold 0.025 --output_file "D:\视频_剪辑后.mp4"

示例 4:

把视频静音片段加速,手动设置参数,并自动转字幕,利用字幕中的关键词自动剪辑。这是在 Windows cmd 窗口,加了换行符,更好看点

python jumpcutter.py ^
--input_file "视频.mkv" ^
--online_subtitle 1  ^
--subtitle_language "Chinese" ^
--cloud_engine "Alibaba" ^
--delete_cloud_file True ^
--cut_keyword "删掉" ^
--save_keyword "保留" ^
--silent_speed 8 ^
--sounded_speed 1 ^
--frame_margin 2  ^
--silent_threshold 0.025 ^
--output_file "D:\视频_剪辑后.mp4"

视频转字幕引擎配置

打开 moduels 文件夹,打开 CloudEngine.ini 文件,按里面说的填好 API 相关信息。

毕竟,你不填好 API ,怎么用阿里云/腾讯云的语音识别服务呢,对吧?

; 在这里存放云引擎的参数

;  oss 管理控制台用于管理 bucket ,bucket 就是你的云文件存放的地方,我们要先将音频文件上传到这个云空间,才能识别。所以你需要在阿里云开发者控制台开通 oss 管理控制台服务,再在控制台中新建一个 bucket 。新建好之后,将这个 bucket 的权限设为“公共读”(只有将权限设为“公共读”,你的“智能语音交互”服务才能访问这里面的录音文件),记下它的:外网访问EndPoint、bucket 名字

; 再在控制台搜索“智能语音交互”,开通服务后,新建两个项目,一个识别语言为中文,一个为英文,音频采样率为 16k ,保存。记下这两个项目的:appkey

; 上面两个服务弄好后,还用不了,因为我们没权限!所以我们要开通在主账号下开通一个能操控这两个服务的用户,搜索“RAM访问控制”,开通服务,在控制面板,创建一个用户,记下它的:“AccessKey ID”、“AccessKey Secret”,并给这个用户添加以下两个权限:“管理对象存储服务(OSS)权限”、“管理智能语音交互(NLS)的权限”

[Alibaba RAM Access Control User]
; 这里存放阿里巴巴 RAM 访问控制中有权限的用户密钥
yourAccessKeyId = xxxxxxxxxxxxxxxxxxxxxxx
yourAccessKeySecret = xxxxxxxxxxxxxxxxxxxxxx

[Alibaba Cloud OSS]
; 这里存放阿里巴巴 oss 智能对象的设置
yourEndpointDomain = xxxxxxxxxxxxxxxxxxxxxxxx
yourBucketName = xxxxxxxxxxxxxxxxxxxxxxx

[Alibaba Cloud Chinese Transcribe Engine]
; 中文项目的appKey
appKeyForChinese = xxxxxxxxxxxxxxxxxxxxxx

[Alibaba Cloud English Transcribe Engine]
; 英文项目的appKey
appKeyForEnglish = xxxxxxxxxxxxxxxxxxxxxxxxx

[Tencent Cloud Sub User]
; 这里存腾讯有权限的子用户密钥
yourSecretId = xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
yourSecretKey = xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

[Tencent Cloud OSS]
; 这里存放腾讯 oss 智能对象的设置
yourBucketDomain = https://audio-recognition-xxxxxxxxxxxxxxxxxxxxxxx.myqcloud.com
yourBucketName = audio-recognition-xxxxxxxxxxx
yourBucketRegion = ap-xxxxxxxx
yourEndPoint = cos.ap-xxxxxxxx.myqcloud.com


  • 剪辑
    1 引用 • 21 回帖
  • 工具

    子曰:“工欲善其事,必先利其器。”

    193 引用 • 532 回帖 • 1 关注
  • 开源

    Open Source, Open Mind, Open Sight, Open Future!

    325 引用 • 3200 回帖 • 669 关注
  • Python

    Python 是一种面向对象、直译式电脑编程语言,具有近二十年的发展历史,成熟且稳定。它包含了一组完善而且容易理解的标准库,能够轻松完成很多常见的任务。它的语法简捷和清晰,尽量使用无异义的英语单词,与其它大多数程序设计语言使用大括号不一样,它使用缩进来定义语句块。

    447 引用 • 623 回帖 • 525 关注

赞助商 我要投放

欢迎来到这里!

我们正在构建一个小众社区,大家在这里相互信任,以平等 • 自由 • 奔放的价值观进行分享交流。最终,希望大家能够找到与自己志同道合的伙伴,共同成长。

注册 关于
请输入回帖内容 ...
  • nonozone

    打开 moduels 文件夹,打开 CloudEngine.ini 文件,按里面说的填好 API 相关信息。

    这个目录我怎么没找到?

    哦,原来是因为我下载的原版 jumpcutter...

  • nonozone 1 评论
      File "C:\Portable_Programes\jumpcutter\moduels\VideoToSrt.py", line 2, in <module>
        import ali_transcribe as aliTrans
      File "C:\Portable_Programes\jumpcutter\moduels\ali_transcribe.py", line 3, in <module>
        from aliyunsdkcore.acs_exception.exceptions import ClientException
    ModuleNotFoundError: No module named 'aliyunsdkcore'
    

    第一次使用没问题,今天再次使用, 提示这个,这要怎么解决哦?

    pip install -r requirements.txt
    HaujetZhao 1
  • lkk

    请教下 自动转字幕这个 是只有中文和英文的么?

    1 回复
  • HaujetZhao
    支持者 作者

    主要看填的的阿里云 API 是识别什么语言

  • nonozone

    还有个问题想请教,关于语音自动识别 保留 /剪掉的。

    假如前面录了好长一段,都没事,突然有一句话哧溜了,叫了一声 剪掉。 那前面的那一长段,都没有了?

    1 回复
  • HaujetZhao 1 评论
    支持者 作者

    字幕是一句一行的。

    只有单独一句“减掉”才会生效。

    比如“减掉这一段”这一句字幕就不会生效。

    1 回复
    所以在说出关键词的时候最好前后都停顿一秒钟,确保这个关键词是单独的一句字幕,不会和前后的句子混杂在一句之中。
    HaujetZhao
  • nonozone 1 评论

    哦哦哦,看来说剪掉的时候,也要反应迅速点,条件反射的立马说剪掉。😄

    不用。你可以安静一会儿再说剪掉然后再安静一会儿。因为这个剪辑功能有把静音片段加速的功能,用这个之后(比如静音片段加速 999 倍)就可以无缝的剪掉安静片段,只留下你说话时的片段。
    HaujetZhao
  • nonozone

    那倒是比较方便,待会要试试看。不过现在的 quicker 里跳跃剪辑,没有这个 语音自动剪辑的功能了?

    1 回复
  • HaujetZhao
    支持者 作者

    集成了。只是转字幕需要按照教程申请阿里云 API 填上用。

    1 回复
  • nonozone

    好的,谢谢。

  • nonozone

    刚才试了好几次,喊 切掉,都没有切掉。看来还要多尝试尝试。

    另外一点,就是自动剪辑的时候,怎么提高默认码率,现在把视频质量的参数调到 1,码率还是不过 3000,希望可以自己设置,起码要到 6000 的水平。

    1 回复
  • HaujetZhao
    支持者 作者

    你看一下有没有使用在线转字幕服务

    1 回复
  • nonozone

    有的,新视频都有字幕可以看的。我看了源文件,好像里面设置的不是 切掉,是咔嚓 ...,还有就是,静音部分,没有加速。

  • lkk

    试了下 可以的!就是转字幕的时候 台词太长了, 这个能我们这边能优化的么?另外 这个录音文件转文字的 有其他免费的 API 推荐么?

    2 回复
  • nonozone

    对,我也有这个问题,有的时候就转出来的字幕,一个时间点,字幕的字数太长了。

    1 回复
  • HaujetZhao
    支持者 作者

    单句太长,这个问题解决不了,只能靠阿里云那边优化。这个字幕功能只能是快速生成,要做好还需要手动微调、断句、改错字。如果可以的话,给阿里云提工单反馈下这方面,督促他们把断句的识别改进下。更便宜的 API 有腾讯的,好像每个月有 5 小时的免费时长,不过经常在排队中,体验不好。阿里云是国内目前综合体验最好的了。

    1 回复
  • nonozone

    是不是因为把静音剪掉之后,阿里云无法判断断句了? 我之前把自己的视频整体加快了 1 倍,然后再生成字母,时间线到都是蛮好的。

  • HaujetZhao
    支持者 作者

    frame_margin 调高点试试

  • nonozone 2 评论
    Input #0, mov,mp4,m4a,3gp,3g2,mj2, from 'D:\workshop\vlog01.mp4':
      Metadata:
        major_brand     : isom
        minor_version   : 512
        compatible_brands: isomiso2avc1mp41
        encoder         : Lavf57.25.100
      Duration: 00:04:26.56, start: 0.000000, bitrate: 47258 kb/s
        Stream #0:0(und): Video: h264 (Main) (avc1 / 0x31637661), yuv420p(tv, bt709/bt709/unknown), 1920x1080, 47058 kb/s, SAR 1:1 DAR 16:9, 25 fps, 25 tbr, 12800 tbn, 50 tbc (default)
        Metadata:
          handler_name    : VideoHandler
        Stream #0:1(und): Audio: aac (LC) (mp4a / 0x6134706D), 48000 Hz, stereo, fltp, 196 kb/s (default)
        Metadata:
          handler_name    : SoundHandler
    Stream mapping:
      Stream #0:0 -> #0:0 (h264 (native) -> h264 (libx264))
      Stream #0:1 -> #0:1 (copy)
    Press [q] to stop, [?] for help
    [subtitles @ 0000020ac241b8c0] Unable to parse option value "workshopvlog01.srt" as image size
        Last message repeated 1 times
    [subtitles @ 0000020ac241b8c0] Error setting option original_size to value workshopvlog01.srt.
    [Parsed_subtitles_0 @ 0000020ac241bcc0] Error applying options to the filter.
    [AVFilterGraph @ 0000020ac2425340] Error initializing filter 'subtitles' with args 'D:workshopvlog01.srt'
    Error reinitializing filters!
    Failed to inject frame into filter network: Invalid argument
    Error while processing the decoded data for stream #0:0
    Conversion failed!
    

    在把字幕烧制到 mp4 的时候报错,这个是什么原因?

    不知道,我用的不多。最近正在重新制作 gui,等到那一步的时候再分析。
    HaujetZhao
    @HaujetZhao 好的,谢谢。
    nonozone
  • nonozone

    上面的问题,我知道哪里的问题了,在 windows 下,导入字幕的路径有问题。

    ffmpeg -hide_banner -y -i "D:\workshop\vlog01.mp4" -c:v libx264 -crf 23 -c:a copy -vf subtitles="D\\:\\\\workshop\\\\vlog01.srt" "D:\workshop\vlog01_new.mp4"
    

    字幕的路径要这么多斜杆,就没问题了。

请输入回帖内容 ...